×

基于神经网络的离散非线性系统的终端迭代学习控制。 (英语) 兹比尔1390.93318

摘要:针对非线性系统设计了基于神经网络的终端迭代学习控制。利用系统输入输出代数函数和微分中值定理,得到了终端输出跟踪误差模型。利用径向基函数神经网络构造系统的输入。通过优化目标函数更新权值,并引入辅助误差来补偿神经网络的逼近误差。用类李亚普诺夫方法证明了该算法的严格收敛性。基于火车站控制问题和间歇反应器的仿真验证了所提算法的有效性。

MSC公司:

93亿B51 设计技术(稳健设计、计算机辅助设计等)
68T05型 人工智能中的学习和自适应系统
93C55美元 离散时间控制/观测系统
93立方厘米 控制理论中的非线性系统
92B20型 生物研究、人工生命和相关主题中的神经网络
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Arimoto,S。;川村,S。;宫崎骏,F.,《通过学习改进机器人操作》,J.Robot。系统。,1, 2, 123-140, (1984)
[2] Ahn,H.-S。;陈,Y。;Moore,K.L.,《迭代学习控制:简要调查和分类》,IEEE Trans。系统。人类网络。C部分申请。版次:37、6、1099(2007)
[3] Wang,Y。;高,F。;Doyle,F.J.,《迭代学习控制、重复控制和运行控制综述》,《过程控制》,第19、10、1589-1600页,(2009)
[4] 陈,Y。;徐,J.-X。;Wen,C.,高阶终端迭代学习控制方案,第三十六届IEEE决策与控制会议论文集,43771-3772,(1997),IEEE
[5] Hou,Z。;Wang,Y。;尹,C。;Tang,T.,基于终端迭代学习控制的列车车站停车控制,国际J.control,84,7,1263-1274,(2011)·Zbl 1230.93063号
[6] Chi,R。;王,D。;Hou,Z。;Jin,S.,数据驱动最优终端迭代学习控制,J.Process control,22,10,2026-2037,(2012)
[7] Chi,R。;Hou,Z。;Jin,S。;Wang,D.,使用时变输入信号改进数据驱动的最优TILC,J.过程控制,24,12,78-85,(2014)
[8] Chi,R。;黄,B。;王,D。;张,R。;冯毅,带初值动态补偿的数据驱动最优终端迭代学习控制,IET控制理论应用。,10, 12, 1357-1364, (2016)
[9] Jin,S。;Hou,Z。;Chi,R.,列车自动停车系统的最优终端迭代学习控制,亚洲J.control,17,5,1992-1999,(2015)·兹比尔1333.93182
[10] Chi,R。;Lin,N。;张,R。;黄,B。;Feng,Y.,《初始状态和期望参考点中具有随机不确定性的基于随机高阶内部模型的自适应TILC》,国际期刊Adapt。控制信号处理。,(2017) ·Zbl 1369.93730号
[11] 张立平。;Yang,F.W.,迭代学习控制在线性时变系统终端控制中的应用研究,Acta Autom。罪。,31, 2, 309-313, (2005)
[12] Boudria,S。;Gauthier,G.,使用遗传算法的高阶鲁棒终端迭代学习控制设计,IECON第三十八届IEEE工业电子学会年会论文集,2313-2318,(2012),IEEE
[13] 弗里曼,C.T。;蔡,Z。;罗杰斯,E。;Lewin,P.L.,多点对点跟踪应用的迭代学习控制,IEEE Trans。控制系统。技术。,19, 3, 590-600, (2011)
[14] Freeman,C.T.,带实验验证的约束点到点迭代学习控制,控制工程实践。,20, 5, 489-498, (2012)
[15] 弗里曼,C.T。;Tan,Y.,点到点跟踪的混合约束迭代学习控制,IEEE Trans。控制系统。技术。,21, 3, 604-616, (2013)
[16] Chu,B。;弗里曼,C.T。;Owens,D.H.,使用连续投影的点到点ILC的新型设计框架,IEEE Trans。控制系统。技术。,23, 3, 1156-1163, (2015)
[17] Chien,C.-J。;Fu,L.-C.,使用神经网络设计的非线性系统迭代学习控制,亚洲控制杂志,4,1,21-29,(2002)
[18] 刘,Y。;Chi,R。;Hou,Z.,基于神经网络状态学习的自适应终端ILC,用于跟踪迭代可变目标点,国际汽车杂志。计算。,12, 3, 266-272, (2015)
[19] Chi,R。;王,D。;刘易斯,F.L。;Hou,Z。;Jin,S.,迭代可变目标点的自适应终端ILC,Asian J.Control,17,3,952-962,(2015)·兹比尔1332.93128
[20] Wang,Y.-C。;Chien,C.-J。;Chi,R。;Hou,Z.,补料分批发酵过程的模糊神经自适应终端迭代学习控制,国际模糊系统杂志。,17, 3, 423-433, (2015)
[21] Chien,C.-J。;Wang,Y.-C。;Chi,R。;沈,D.,非仿射非线性离散系统的自适应终端迭代学习控制,第二十七届中国控制与决策会议论文集,1090-1094,(2015),IEEE
[22] Han,J。;沈,D。;Chien,C.-J.,基于神经网络的离散非线性系统终端迭代学习控制,第三十四届中国控制会议论文集,3190-3195,(2015),IEEE
[23] Nussbaum,R.D.,关于参数自适应控制中一个猜想的一些评论,系统。控制信函。,3, 5, 243-246, (1983) ·Zbl 0524.93037号
[24] Ray,W.H.,《先进过程控制》(1981),麦格劳-希尔公司
[25] Logsdon,J.S。;Biegler,L.T.,微分代数优化问题的精确解,工业工程化学。第28、11、1628-1639号决议(1989年)
[26] Logsdon,J.S。;Biegler,L.T.,大规模动态优化问题的分解策略,化学。工程科学。,47, 4, 851-864, (1992)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。