使用神经网络的非线性随机系统双效适应控制（外文） ㊣ 精品文档 值得下载

律用来调整网络参数以便获得良好的控制性能。

至今以来，用于神经自适应控制中具有代表性的方法都用到了启发性的可靠性等效过程。

这就意味着，完全忽略了网络的不确定性，而将网络近似值当作真实系统用在控制规律中。

当不确定性很大时，例如在启动过程中，这种做法会导致不恰当地暂态响应。

为了考虑未知当中的不确定性，可以采用随即自适应的方法。

这就导致了世纪年代由引入的所谓双效控制原理。

至今已经研究过的双效自适应控制主要用于含有未知参数的线性系统和含有已知函数但其状态必须被估计的非线性系统的自适应控制中。

由于其相关的优越性，双效控制的研究近来已经有了复苏。

然而，没有人致力于解决系统为非线性及系统函数为未知的问题。

因此，本文我们将研究双效自适应控制在类非线性离散时间系统中的应用，并且系统的非线性函数是未知的以及在系统输出上加上随机干扰。

第二节给出双效控制的简短概述。

第三节是结论。

双效控制双效控制系统的优越性来源于最终系统具有双重特征使系统沿最优的轨迹变化，并对参数估计的不确定警戒和试探。

这方法并不直接导致贝尔曼方程精确解的获得，因此这样的控制器被称之为次优双效的。

他们大致可以分为隐式和显式两种类型。

本研究将使用种显式类型的次优双效方法。

该方法基于等人为线性随机系统的次双优控制而提出的内容，但将其推广到类随机离散时间非线性系统的情况。

高斯径向基函数和型多层感知器神经网络都用来对未知非线性系统建摸。

结论本文的贡献是表明了对于受到随机干扰的未知非线性系统如何将双效控制的概念应用到神经自适应控制中。

这方法具有改善系统暂态响应的优点，特别是在系统启动时，参数估计的不确定性很高的情况下，更为显著。

所建的系统基于种对最初由等人为线性系统而提出的双效控制器的改进形式。

本文能够说明这设计的优点，即优于非双效控制器并具有较为简单的控制规律，更复杂情况下在类非线性系统的神经自适应控制中仍然能够保持。

特别是，次优双效控制器考虑到了由类似警戒效应引入的参数不确定性问题。

因此，能够同时从最初开始执行控制和估计这两项工作，而不必像应用间接自适应神经网络控制方案的典型情况那样，非要先用个离线开环系统辨识阶段来处理控制阶段的工作。

同时，境界的水也可以根据情况调整以便减弱响应的现象。

高斯和形两种神经网络都用于对未知非线性的学习。

网络运算算法的基础在的情况下是卡尔曼滤波器，而在情况下是扩展的卡尔曼滤波器。

仿真结果在文中已经给出，而使用次优双效方法的优越性已经被蒙特卡洛法所证实。

进步的研究工作包括对于在推导控制规律时所采用假设条件的评价以及对闭环系统稳定性的分析。

予以考虑，以及得出进步的信息而降低以后参数的不确定性，因此改善了估计过程。

效应被称之为警戒效应，这是因为在提供跟踪功能时，控制器并不会盲目地将估计的参数当作真实值来加以利用。

效应称为试探效应，原因是控制器能产生加快参数收敛的信号。

这就是积极自适应控制器。

双效控制能够提供对其他自适应方案的改进作用，特别当控制范围很短初始参数的不确定性很大或参数变化很快的时候更是如此。

在些特殊的应用场合，例如在经济系统的最优化以及纸浆工业的碎屑均料机控制中，双效控制都展示了改善系统性能的作用。

典型情况而言，个双效控制器的目的就是要找出个控制作用输入使得如下阶准则达到最小其中是系统参考输入，是受控的输出表示所有随机变量其中包括参数的数学期望，而是时刻的信息状态，定义为。

理论上讲，这控制输入能够通过求解所谓贝尔曼方程，由动态规划而获得。

然而在大多数实际应用场合，却不可能做到这点，这是因为对计算量和存储量的要求都过于庞大。

由于这个原因，大多数实际自适应控制器完全不管的双效特征，仅仅涉及到非双效的控制器。

这种情况的两个例子是推断确定性等价和警戒控制器。

这些控制器经常导致不恰当的暂态响应，前者的超调量大而后者响应太慢。

文献中提到的有些类型神经网络控制方案，避免了严重的超调量以及稳定性问题。

该问题之所以可能产生，其原因是忽视了对这样种情况的警戒为了将受控对象辨识出来，并且为了降低先期参数的不确定性而首先进行了彻底的开环离线训练。

随后才将神经网络的参数设置到这些预先训练好的数值基本上接近真实值，接着开始个控制和辨识阶段。

在我们的工作中，避免了这预先训练阶段，对参数的不确定性就可以予以考虑了。

通过个由双效自适应原理导出的控制规律还可以影响这种不确定性。

这样的做法在实际应用中更为有效和经济，原因是离线训练法可能耗时，因而耗资。

为了解决其复杂性与贝尔曼方程紧密相关的问题，种方法是要推导出特殊的控制规律。

此控制规律应该是可以实现的，但在定程度上要保持理想双效控制的期望特性，，，，，，，，