α阶时延逆系统的小波神经网络实现

研究采用小波神经网络 (WNN)构造α阶时延逆系统的工程实现问题 ,并给出了α阶时延逆系统小波神经网络存在的充分条件。文中利用小波具有的时频局域化特性 ,完成小波神经网络的初始化 ,并去除网络中大量不必要的节点 ,使网络大大简化。仿真研究表明 ,该方法对α阶时延逆系统的实现具有良好效果。

基于最近邻聚类支持向量机辨识的的电弧炉电极逆控制

基于核函数的支持向量机(support-vector-machines,SVM)与三层神经网络等价关系,构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦,提出最近邻聚类的SVM模型辨识算法,设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略.通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究,表明该控制策略对于数学模型未知的不确定系统,只需要一定量的输入输出数据作为样本学习,就可实现对系统逆模型的高精度逼近,控制系统具有良好的动态响应和跟踪精度.当模型严重不确定、参数摄动、有外界干扰时,系统具有很好的抗干扰能力和鲁棒性.