文档介绍：湘潭大学
硕士学位论文
一类未知非线性系统的模糊神经网络自适应鲁棒控制
姓名:沈细群
申请学位级别:硕士
专业:电力电子与电力传动
指导教师:刘国荣
20050501
湘潭大学工学硕士学位论文一类未知非线性系统的模糊神经网络自适应鲁棒控制沈细群
摘要
本论文主要考虑了未知仿射非线性系统的自适应控制问题,分别研
究了单输入单输出(SISO)和多输入多输出(MIMO)两种情形。针对单输
入单输出系统的自适应控制问题,提出了一种在线自适应模糊神经网
络辨识与控制方法,该方法利用广义模糊神经网络学习算法实时建模
系统的逆动态来实现网络结构和参数的同时在线自适应。考虑到网络
建模误差和外部干扰的存在,基于 H∞控制理论设计了一个鲁棒补偿
器,并基于 lyapunov 稳定性理论设计自适应控制律对网络的权值进一
步在线调整,倒立摆的仿真实验证明了所给方法能够实现系统的鲁棒
输出跟踪。针对多输入多输出系统的自适应控制问题,分别研究了基
于神经网络的直接和间接自适应鲁棒控制问题。基于“主导输入”的
概念,将非线性 MIMO 系统分解成多个带外部干扰的单输入单输出子
系统,利用神经网络学习每个子系统中的非线性函数或者每个子系统
中的反馈线性化动态,神经网络的权值修正规则由 lyapunov 稳定性理
论导出。并基于 H∞控制理论设计一个鲁棒补偿器抑制各子系统的交叉
耦合影响以及神经网络逼近误差和外部干扰的影响。仿真实例及锅炉
内胆与夹套水温的解耦控制实验证明了所给方法的有效性。
关键词模糊逻辑, 神经网络, 自适应控制,鲁棒控制,解耦,仿
射非线性系统
第 3 页
湘潭大学工学硕士学位论文一类未知非线性系统的模糊神经网络自适应鲁棒控制沈细群
Abstract
In this thesis, the problem of adaptive control for unknown affine
nonlinear system is studied. Two cases are considered including single
input single output (SISO) system and multiple input multiple output
(MIMO) system. An online adaptive fuzzy work identification
and control approach is proposed for the adaptive control problem of SISO
system. In this approach, the generalized fuzzy work (G-FNN)
learning algorithm is used to model the system inverse dynamics real-time
so that work structure and parameters can be self-adaptive
simultaneously. Due to the existences of G-FNN modeling error and
external disturbance, a pensator is designed based on H∞
control theory and work weights are further adjusted by the
adaptive law derived by lyapulov stability theory. Simulation studies on an
inverted pendulum show the proposed approach can achieve the robust
tracking of the system. Direct and indirect adaptive robust control
problems are researched respectively for the MIMO system based on the
work. By applying the “dominant input” concept, a MIMO
nonlinear system is divided into multiple SISO subsystems with external
disturbance. work is