论文部分内容阅读
研究了不确定非线性系统的神经网络自适应重构控制问题。针对不确定非线性系统的不同特点，提出了一套不确定非线性系统的神经网络控制方法。 首先，作为小脑模型关联控制器(CMAC)的改进，本文采用模糊逻辑方式，提出了联想度的概念及一种具有结构和参数自适应性的自组织模糊CMAC神经网络(SOFCMAC)结构，证明了SOFCMAC对非线性特性的一致逼近特性。 本文对于线性部分的特性已知而非线性部分的特性未知的不确定非线性系统，用已有的线性控制器的设计方法与SOFCMAC神经网络的相结合，提出了两种非线性控制方法：H~∞鲁棒SOFCMAC神经网络自适应重构控制方法和SOFCMAC神经网络自适应重构跟踪控制方法，其中SOFCMAC神经网络用于对消不确定非线性特性，使闭环系统具有期望的响应特性。SOFCMAC神经网络与线性控制方法的有机结合可有效扩大线性控制方法的实际应用范围。 本文对于部分非线性特性已知而部分非线性特性未知的不确定非线性系统，将近似动态逆方法与SOFCMAC神经网络相结合，提出了一种基于近似动态逆方法的SOFCMAC神经网络自适应重构控制方法，用SOFCMAC神经网络对消逆误差，以使系统响应跟踪参考模型的响应。 本文在基于近似动态逆方法的SOFCMAC神经网络自适应重构控制方案基础上，应用伪控制隔离思想，提出了基于伪控制隔离的SOFCMAC神经网络自适应重构控制方法，解决了输入存在饱和现象或输入为离散量等输入特性的不确定非线性系统的控制问题。文中分析了该控制方案对故障的自修复功能。在这种方案中，检测和辨识被降级应用于报警显示、辅助控制和维修维护时使用。这样检测和辨识的快速性要求可以降低。本文给出了一种基于支持向量机的故障诊断方法。 本文针对当状态不可测时的不确定非线性系统控制问题，提出了一种基于近似动态逆的SOFCMAC神经网络直接输出反馈自适应重构控制方法。 文中各种控制方法的非线性闭环系统稳定性得到了严格证明。歼击机神经网络自适应重构控制等一系列数字仿真结果表明了本文方法的有效性。