分享到:

基于RBF神经网络的一类不确定非线性系统自适应H_∞控制

1 引言 (Introduction)目前 ,非线性不确定系统的研究已有不少的研究成果 ,特别是将神经网络广泛地应用运用于控制非线性系统 ,并已提出了多种的控制方法[1~ 6 ] .但大部分研究成果针对单输入单输出非线性系统 ,对实际大量存在的多输入多输出非线性系统研究较少 .因此对多输入多输出不确定非线性系统的控制方法的研究[1,7] 具有重要意义 .文 [7]研究了多输入多输出非线性系统基于模糊思想的自适应H∞ 控制 ,但自适应周期长 ,系统动态性能欠佳 .文 [1]研究了基于前向网络对多输入多输出非线性系统提出了一种稳定的控制方法 ,但未考虑系统的外界不确定性以及建模误差 ,控制器缺少抗干扰和抵消网络建模误差的能力 .文 [6 ]研究了基于RBF神经网络的单输入单输出非线性系统的自适应H∞ 控制 .本文结合RBF神经网络逼近方法、自适应控制以及H∞ 控制 ,针对多输入多输出不确定非线性系统提出了一种新的控制方法 .该方法考...  (本文共6页) 阅读全文>>

湖南大学
湖南大学

不确定非线性系统神经网络自适应跟踪控制

系统的输出跟踪问题是控制理论综合问题中的一个重要研究课题,实际系统的非线性特性以及不可避免的不确定性因素的存在对系统的输出跟踪有很大的影响。因此研究不确定非线性系统的输出跟踪问题具有非常重要的理论意义和应用价值。神经网络固有非线性逼近能力、自适应和泛化能力以及联想记忆能力是解决不确定非线性系统控制问题的一种有效的方法,也使其成为贯穿本文各个研究部分的关键技术。鉴于此,在深入理解非线性系统理论和智能控制理论的基础上,本文系统化地研究了几类不确定非线性系统的自适应神经网络跟踪控制方法。本文的主要工作如下:(1)基于Lyapunov函数和梯度下降算法研究了一类具有零动态的不确定仿射非线性SISO系统自适应跟踪控制问题。提出了无需鲁棒控制项的神经网络自适应控制器,直接使用神经网络控制器对理想控制器的控制逼近误差,采用梯度下降算法获得参数更新律,最终参数更新律为输出偏差的非线性函数。所提出的控制律保证了闭环系统的稳定性并使得系统所有状态最...  (本文共115页) 本文目录 | 阅读全文>>

《灌溉排水学报》2003年06期
灌溉排水学报

RBF神经网络方法在水质评价中的应用

依据水质标准进行水质评价,实际上是一个典型的模式识别问题,由于影响水质的因素很多,评价指标与水质标准等级之间是复杂的非线性的关系,故至今仍没有一种统一的确定的评价方法[1]。近年来,人工神经网络发展非常迅速,其应用也迅速扩展水环境领域[1,2],但大多数应用都还是一种尝试,在很多方面有待完善。因此,就径向基函数人工神经网络(RBF)在水质评价中的应用做一些探讨,同时利用这种方法对新疆博斯腾湖的水质进行评价。1 径向基函数人工神经网络(RBF)径向基函数网络是一种常用的前馈型神经网络。这种网络的特点是:只有一个隐层,隐层单元采用径向基函数做为其输出特性,输入层到隐层之间的权值固定为1;输出节点为线性求和单元,隐层到输出节点之间的权值可调,因此输出为隐层的加权求和。所谓径向基函数,就是某种沿径向对称的标量函数。通常定义为空间中任一点x到某一中心t之间欧氏距离的单调函数,可记作k(‖x-t‖),其作用往往是局部的,即当x远离t时函数取...  (本文共4页) 阅读全文>>

《科技资讯》2016年34期
科技资讯

基于RBF神经网络知识的智能故障诊断系统研究与实践

随着计算机技术和智能控制技术的发展,使得各种系统的复杂程度和智能化程度越来越高,因此整个系统的安全性问题和可靠性问题日益受到关注,一旦系统中出现某些细小的故障,如果不能及时检测和排除,就可能造成整个系统的瘫痪,甚至造成灾难性的后果。因此,故障预测与诊断就显得尤为重要。现有的故障诊断方法有很多,其中一种很有生命力的方法就是以知识为基础的诊断办法,因为它是以不需要对象的精确数学模型为前提的,而神经网络故障诊断方法是这类方法中的一个重要分支。笔者曾利用BP神经网络构建智能故障诊断系统,通过实验仿真结果的分析,证明BP神经网络能够有效地完成故障诊断任务,但是BP神经网络在应用中也存在一定的局限性,近几年提出的径向基函数RBF在某些方面可以弥补BP神经网络存在的局限性,理论上认为RBF更适用于故障诊断,但缺乏实证。因此,笔者建立了RBF网络模型,利用在文献[2]使用过的相同数据进行仿真训练,确定其在故障诊断中的实际作用。1 RBF神经网络...  (本文共2页) 阅读全文>>

《无线互联科技》2017年04期
无线互联科技

基于RBF神经网络在转炉炼钢终点预报中的应用研究

1 RBF神经网络模型1.1模型结构RBF神经网络又名径向基函数神经网络(Radical BasisFunction,RBF),它由输入层、隐藏层、输出层组成,是一种较为高效的前馈式神经网络。它的结构如图1所示,其中输入层节点数为m,隐藏层节点数为k,输出层节点数为y。其中,信号从输入层传到隐含层,隐藏层主要是由像高斯核函数那样的辐射状的函数组成,输出层往往是简单的线性函数。同时因为样本中包含噪声等因素,使神经网络对炼钢终点预测出现了误差,从而使泛化能力开始下降。所以可以设计隐藏的层数Kr则调整网络中心,使ci=ci-1ck-1+β(xk-ci-1),将ci作为新聚类中心,令cM+1=xk,M=M+1。按照上述步骤确定隐层中心以后,由于每一个输入—输出数据均有可能产生一个新聚类,同时进行隐层中心进行自适应调整,因此可以使中心位于样本的重要区域范围,从而使隐含层的输出更好地反映输入的状况。隐层中心确定后,对网络进行了训练,权值调整...  (本文共3页) 阅读全文>>

《西安邮电大学学报》2017年02期
西安邮电大学学报

基于RBF神经网络的网络安全态势预测方法

互联网技术的飞速发展使得网络安全管理面临的安全漏洞和安全事件越来越多[1],在网络安全的攻、防对抗中,单一的检测设备和防御设备往往无法及时发现、分析、处置网络安全事件,只能在安全事件发生后被动响应。网络安全领域的研究热点也从被动安全体系建设发展到全局网络的整体态势感知。借鉴空中交通监管(air traffic control,ATC)态势感知理论和技术,可以得出网络态势感知(cyberspace situational awareness,CSA)的概念[2]。CSA是指综合了系统各方面安全信息及用户行为等因素所构成网络的当前状态和变化趋势。网络安全态势预测作为网络安全态势感知的高级阶段可以预测网络安全状态的发展趋势并协助网络管理员有针对性地调整防御策略,使网络安全管理由被动转变为主动。在基于时间序列的预测方法[3-5]中,迭代算法完成参数学习运行效率低、耗费的计算时间长。基于径向基函数(radial basis functio...  (本文共5页) 阅读全文>>

《灾害学》2017年02期
灾害学

基于粗糙集RBF神经网络村镇山洪灾害损失预测研究——以神农架林区为例

自然环境的日益恶化和人类生产活动对地质地貌的开发性破坏,使得我国中西部山区丘陵地带山洪灾害日益频发[1-3]。而受制于落后的经济、教育、医疗以及防灾减灾工程设施,山区村镇的承灾和救灾能力有限,山洪灾害发生的易损性更为突出,“因灾致贫、因灾返贫”现象时有发生,山区村镇山洪灾害现已成为阻碍社会经济可持续发展的重要障碍[3-4]。在过去的5年里,因突发性、局部性极端强降雨引发的山洪灾害造成的死亡人数比例呈递增趋势,直接经济损失更是无法估计[5-6]。一直以来,洪水灾害是国内外专家学者研究的热点问题,如洪水风险评估、风险预警、灾害易损性评价以及综合考虑经济、社会、人口、环境的洪水灾害风险评价方法和指标体系研究等[7-13]。在灾害损失预测方面,研究发现洪水灾害损失、区域地理位置与防灾能力之间存在密切联系,当洪灾发生在村镇山区等防灾能力较弱的区域时,尽管灾害风险水平较低,但灾害的易损性更为严重[14]。而当前,我国村镇山洪灾害损失预测的研...  (本文共8页) 阅读全文>>