一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案。辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识。并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性。为克服逆控制对非最小相位系统的不足,利用构造伪系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器。仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力。

一种通用的RBF网络非线性动态系统逆控制

针对任意复杂非线性系统,提出一种通用的RBF网络动态系统逆控制方案,并提出了一种通过对聚类半径进行"粗调"和"细调"的最近邻聚类学习算法,利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络动态逆控制与PID控制相结合的在线自学习控制策略。仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好。