基于DBFNN的非线性自适应控制在CSTR中的应用

讨论了一类放射非线性系统的自适应控制问题。首先对于利用方向基神经网络（DBFNN）对系统的不确定性进行建模。所得到的系统模型作为对象的数学模型用来设计控制器。首先设计了反馈线性化控制器,为了克服建模误差的影响又引入了内模控制机制。证明了只要网络的学习精度足够高,所设计的闭环系统是最终一致有界的。把所设计的控制策略用于CSTR的控制中,仿真结果表明了所设计的控制器有效性。

基于DBFNN的后推设计及其在电力系统励磁控制中的应用

本文采用后推设计算法为一类严格反馈系统设计了基于方向基函数神经网络 (DBFNN)的自适应控制器 .在后推算法中的每步都引入一积分型的Lyapunov函数来设计一个虚拟控制器 ,并在最后一步为闭环系统综合设计了神经网络控制器 .网络权值的调整基于所选择的Lyapunov函数 ,于是设计方案能保证整个闭环系统是最终一致有界的 .把所设计控制方案用于带有未知参数和外部干扰的电力系统励磁控制中 .

基于反馈线性化的CSTR自适应模糊控制

本文应用输入—输出反馈线性化方法和李雅普诺夫方法,研究了一类非线性系统的自适应模糊输出跟踪控制问题,并将其应用于带噪声干扰的连续搅拌反应釜。仿真结果表明,该算法不仅能克服外界干扰对系统的影响,而且具有跟踪精度高,收敛速度快的优点。