电子发烧友网>电子资料下载>电子论文>数字信号处理论文>基于多步预测性能指标函数的神经网络逆动态控制方法

基于多步预测性能指标函数的神经网络逆动态控制方法

270315 2008-12-20 | rar | 333 | 次下载 | 2积分

资料介绍

神经网络逆动态控制作为神经网络控制领域中一种重要的控制方法，通过建立对象的逆动态模型从而实现对象输出完全跟踪给定输入的理想控制策略，已广泛应用于机器人等系统控制中。基于多步预测、滚动优化与在线校正策略的预测控制具有很强的适应性和鲁棒性，它能够根据被控对象未来时刻的期望输出值和预测输出值来确定一个较为优化的控制序列。又由于被控对象的日趋复杂，因此利用神经网络对连续非线性函数的任意精度逼近特性对其实现预测控制是一种必然趋势。
把预测控制的思想和神经网络逆动态控制的思想结合起来，用多步预测性能指标函数去训练神经网络逆动态控制器的权值［1］，使整个系统具有预测控制的特点，比通常的神经网络逆动态控制有快得多的响应速度，有更好的响应性能。在对被控对象建模的问题上，可以采用一个神经网络或多个神经网络，即递推多步预测和直接多步预测。递推多步预测的缺点是由于系统辨识模型不可避免地存在误差，在递推多步预测中误差会随着递推过程被放大，特别对于具有较大滞后的动态非线性系统更为明显［2］。本文采用直接多步预测作为预测模型，并与递推多步预测进行比较。
文献［3］采用泰勒展开方法分别对上述两种方法进行误差分析，得出在两步预测情况下，直接多步预测比递推多步预测误差小，并可推广至多步情况下。本文对在递推多步预测及直接多步预测下的逆动态控制方法进行仿真，结果表明，直接多步预测控制较递推多步预测更准确。