基于递归神经网络的离散非线性系统自适应控制

@正在进行{Jin1994AdaptiveCO，title={使用递归神经网络对离散非线性系统进行自适应控制}，author={梁进（Liang Jin）、彼得·尼基福鲁克（Peter N.Nikiforuk）和马丹·古普塔（Madan M.Gupta）}，年份={1994年}，网址={https://api.semanticscholar.org/CorpusID:13907243}}
提出了一种新的MRNN结构来逼近未知的非线性输入输出关系，使用动态反向传播（DBP）学习算法来综合用于模型参考控制的控制技术。
通过Publisher查看
主页.usask.ca
88引文
背景引文
13
方法引文
18

本文中的数字

88引文

离散非线性系统建模与控制的神经网络

本文讨论了一类SISO离散非线性系统的建模与控制问题，利用多层前馈神经网络（MFNN），利用一种新的学习算法逼近未知非线性I/O关系及其逆。

基于递归神经网络的多变量自适应控制

提出并应用了一种基于混合解的间接自适应控制器，通过神经网络的在线训练和控制器综合，得到的算法是自适应的。

用于柔性机器人动力学建模的动态递归神经网络

提出了一种新的离散时间DRNN，它由一组参数化非线性差分方程表示，具有通用逼近能力，用于建模未知离散时间非线性系统。

基于递归神经网络的黑盒非线性系统自适应控制

仿真结果表明，该自适应控制方法能够有效地控制一类未知非线性系统。

基于离散动态递归神经网络的柔性机器人动力学建模

基于机器人应用动态神经网络的非线性系统智能控制

基于本文提出的DNNs方法，提出了一种新的机器人力矩控制方案，并通过仿真研究广泛展示了该方案的潜力。

基于动态神经网络的未知非线性系统动态反馈控制

针对一类具有未知动力学的多输入、多输出非线性系统，利用动态神经网络设计了机器人的转矩控制方案，以设计鲁棒学习控制系统。

感应电机的动态神经控制器

研究表明，结构合理的递归神经网络可以为许多非线性系统提供方便的参数化动态模型，用于自适应控制。

非线性自适应控制的递归网络

针对状态不可测的非线性对象，提出了一种基于递归神经网络的自适应控制方法。

一种简单的对角递归神经网络非线性控制器

...

22参考文献

基于多层神经网络的直接自适应输出跟踪控制

提出了一种自适应输出跟踪结构，该结构利用两个三层神经网络的输出，利用改进的反向传播技术训练神经网络将未知非线性对象逼近到任何期望的精度。

基于多层神经网络的SISO非线性系统自适应跟踪

本文利用多层神经网络以规范形式构造了一类未知非线性系统的非线性学习控制系统，并通过仿真验证了所提控制方案的有效性。

基于神经网络的非线性系统自适应控制——一种死区方法

分层神经网络用于非线性自适应跟踪问题。该对象是一个未知的反馈线性离散时间系统，由一个具有相对误差的输入输出模型表示…

非线性内模控制的神经网络

提出了一种直接利用人工神经网络进行非线性系统自适应控制的新技术。神经网络建模任意非线性函数和…

用于直接自适应控制的高斯网络

针对一类连续时间非线性动态系统，提出了一种直接自适应跟踪控制结构，并对其进行了评估…

用于非线性系统辨识的递归多层感知器

通过一个简单的例子证明了递归多层感知器网络利用动态反向传播学习识别非线性系统的能力，仿真结果令人鼓舞。

连续递归神经网络的状态空间方法

将状态空间方法应用于非线性辨识和控制，提出了连续时间递归神经方案，并引入了神经非线性自适应控制的概念。

非线性系统的神经网络稳定控制

结果表明，由于采用了滑模控制，可以更好地利用网络的逼近能力，并且渐近跟踪误差仅依赖于固有的网络逼近误差和未建模动态模式的频率范围。

非线性输入输出映射的三层动态递归神经网络训练

针对非线性输入输出映射应用，提出了一种具有反馈和递归连接的三层动态神经网络。一种易于实现的分布式学习方案是…

基于径向高斯网络的稳定自适应控制与递推辨识

对原有的自适应控制算法进行了修改，以允许加入系统动力学的额外先验知识，从而允许神经控制器与传统的固定或自适应控制器并行操作。