×
迪米特里斯·西奥多里迪斯;伊安尼斯·布塔利斯;马诺利斯克里斯托杜鲁

使用新的神经模糊方法和新的参数跳跃方法对未知非线性系统进行直接自适应控制。 （英语） Zbl 1170.93019号

凯贝内提卡 45，第3期，349-386（2009）.
摘要：本文研究具有未知非线性的控制非线性动力系统中仿射的直接自适应调节。该方法基于一种新的神经-模糊动态系统定义，该定义使用了模糊动态系统（FDS）的概念，并与高阶神经网络函数（F-HONNF）结合使用。由于对象被认为是未知的，我们首先提出用一种特殊形式的FDS对其进行近似，然后用适当的HONNF对模糊规则进行近似。采用模糊递归高阶神经网络（F-RHONN）作为未知对象的模型，将原始未知系统实际转化为结构已知但包含多个未知常值参数的F-RHONM模型。
该方案不需要先验专家关于输入变量隶属函数数量和类型的信息，因此不易受到初始设计假设的影响，速度极快，因此可以应用于一些困难且要求很高的实时工程应用中。当F-RHONN模型与未知对象匹配时，我们对闭环系统的稳定性特性进行了全面而严格的分析。在不需要参数（权重）收敛的情况下，保证了闭环中所有其他信号的状态收敛到零加上有界性，而参数（权值）收敛仅在满足充分激励条件时才得到保证。通过引入一种新的参数跳变方法并将其纳入权重更新律，可以确保控制信号的存在。仿真结果表明，与其他公认的方法相比，所提出的方案具有近似优势。
该方法的适用性也在众所周知的模拟非线性对象上进行了测试，结果表明，通过遵循所提出的程序，可以获得渐近调节。还与简单的RHONN控制器进行了比较，表明我们的方法优于简单RHONN的情况。

引用于2文件

MSC公司：

93C40型 自适应控制/观测系统
68T05型 人工智能中的学习和自适应系统
93立方厘米 模糊控制/观测系统
93D05型 李亚普诺夫和控制理论中的其他经典稳定性（拉格朗日、泊松、（L^p、L^p）等）
93立方厘米 控制理论中的非线性系统

关键词：

神经模糊系统;直接自适应控制;参数跳跃

软件：

安非斯
PDF格式BibTeX公司 XML格式引用
\textit{D.Theodoridis}等人，Kybernetika 45，No.3，349--386（2009；Zbl 1170.93019）
全文： 欧洲DML 链接

参考文献：

[1] Y.S.Boutalis、D.C.Theodoridis和M.A.Christodoulou：使用参数跳跃方法对未知非线性系统进行间接自适应控制的新Neuro FDS定义。IEEE传输。神经网络，将于2009年发布。
[2] F.C.Chen和C.C.Liu：使用多层神经网络自适应控制非线性连续时间系统。IEEE传输。自动化。控制39（1994），1306-1310·Zbl 0812.93050号 ·doi:10.1109/9.293202
[3] B.S.Chen、C.H.Lee和Y.C.Chang：不确定非线性SISO系统的跟踪设计：自适应模糊方法。IEEE传输。模糊系统4（1996），32-43。
[4] K.B.Cho和B.H.Wang：基于径向基函数的自适应模糊系统及其在系统识别和预测中的应用。模糊集与系统83（1996），325-339。
[5] M.A.Christodoulou、D.C.Theodoridis和Y.S.Boutalis：基于递归神经网络近似建立最优模糊动力系统描述。程序。国际。智能传感和控制网络分布式系统会议，2007年卡拉马塔。
[6] S.L.Chui：基于聚类估计的模糊模型识别。J.智能和模糊系统2（1994），267-284。
[7] F.P.Da和W.S.Song：直接自适应控制的模糊神经网络。IEEE传输。工业电子50（2003），507-513。
[8] Y.Diao和K.M.Passino：插值非线性系统的自适应神经/模糊控制。IEEE传输。模糊系统10（2002），583-595。
[9] N.Golea、A.Golea和K.Benmahammed：稳定间接模糊自适应控制。模糊集与系统137（2003），353-366·Zbl 1037.93053号 ·doi:10.1016/S0165-0114（02）00279-8
[10] Y.Gao和M.J.Er：一类MIMO非线性系统的在线自适应模糊神经识别和控制。IEEE传输。模糊系统4（2003），462-477。
[11] H.L.Hiew和C.P.Tsang：模糊混沌和递归分割。模糊工程（B.Kosko，Prentice Hall，Englewood Cliffs，N.J.1997）。
[12] K.Hornic、M.Stinchcombe和H.White：多层前馈网络是通用逼近器。神经网络2（1989），359-366·Zbl 1383.92015年
[13] M.Hojati和S.Gazor：非线性系统的混合自适应模糊识别和控制。IEEE传输。模糊系统10（2002），198-210。
[14] P.A.Ioannou和K.S.Tsakalis：鲁棒直接自适应控制器。IEEE传输。自动化。控制AC-31（1986），1033-1043·Zbl 0628.93040号 ·doi:10.1109/TAC.1986.1104168
[15] P.A.Ioannou和A.Datta：鲁棒自适应控制：统一方法。程序。IEEE 79（1991），1735-1768。
[16] P.A.Ioannou和J.Sun：鲁棒自适应控制。Prentice-Hall，Englewood Cliffs，新泽西州，1996年·Zbl 0839.93002号
[17] P.Ioannou和B.Fidan：自适应控制教程。SIAM：设计与控制系列进展，2006年·Zbl 1116.93001号 ·doi:10.1137/1.9780898718652
[18] A.Isidori：非线性控制系统。第三版。施普林格·弗拉格，柏林-海格堡-纽约，1995年·Zbl 0878.93001号
[19] B.Jakubczyk：离散时间系统的反馈线性化。系统控制通知。9 (1987), 411-416. ·Zbl 0632.93034号 ·doi:10.1016/0167-6911（87）90070-3
[20] J.S.R.Jang：ANFIS：基于自适应网络的模糊推理系统。IEEE传输。Systems Man Cybernet。23 (1993), 665-684.
[21] C.F.Juang和C.T.Lin：在线自构造神经模糊推理网络及其应用。IEEE传输。模糊系统6（1998），12-32。
[22] P.V.Kokotovic、H.K.Khalil和J.O'Reilly：控制中的奇异摄动方法：分析和设计。学术出版社，纽约，1986年。
[23] E.B.Kosmatopoulos和M.A.Christodoulou：梯度递归高阶神经网络的结构特性。IEEE传输。电路与系统，第二部分，快讯42（1995），592-603·Zbl 0943.68510号 ·数字对象标识代码：10.1109/82.466645
[24] E.B.Kosmatopoulos和M.A.Christodoulou：模糊动力系统近似的递归神经网络。国际。J.智能控制与系统1（1996），223-233。
[25] S.Labiod、M.S.Boucherit和T.M.Guerra：一类MIMO非线性系统的自适应模糊控制。模糊集与系统151（2005），59-77·兹比尔1142.93365 ·doi:10.1016/j.fss.2004.10.009
[26] C.Lee和C.Teng：使用递归模糊神经网络识别和控制动态系统。IEEE传输。模糊系统8（2000），349-366。
[27] W.Leonhard：电气驱动控制。Springer-Verlag，柏林，1985年。
[28] Y.Leu、W.Wang和T.Lee：非仿射非线性系统的基于观测器的直接自适应模糊神经控制。IEEE传输。神经网络16（2005），853-861。
[29] R.P.Li和M.Mukaidono：基于模糊逻辑和神经网络融合的规则学习新方法。IEICE传输。模糊系统E78-d（1995），1509-1514。
[30] Y.H.Lin和G.A.Cunningham：模糊神经系统建模的新方法。IEEE传输。模糊系统3（1995），190-197。
[31] C.T.Lin：具有结构和参数学习的神经模糊控制系统。模糊集与系统70（1995），183-212。
[32] T.Lina、C.Wang和H.Liub：使用VSS和（H_1）方法对非线性SISO系统进行基于观测器的间接自适应模糊神经跟踪控制。模糊集与系统143（2004），211-232。
[33] S.Mitra和Y.Hayashi：神经模糊规则生成：软计算框架中的调查。IEEE Trans。神经网络11（2000），748-768。
[34] S.Monaco和D.Normand-Cyrot：最小相位非线性离散时间系统和反馈镇定。程序。IEEE会议决策控制，洛杉矶，1987年，第979-986页。
[35] R.V.垄断：具有增强误差信号的模型参考自适应控制。IEEE传输。自动化。控制AC-19（1974），474-484·Zbl 0288.93022号 ·doi:10.1109/TAC.1974.1100670
[36] S.P.Moustakidis、G.A.Rovithakis和J.B.Theocharis：多输入非线性动态系统的自适应神经模糊跟踪控制。Automatica，将于2008年上市·Zbl 1283.92042号 ·doi:10.1016/j.automatica.2007.10.19
[37] K.S.Narendra和A.M.Annaswamy：稳定自适应系统。普伦蒂斯·霍尔，恩格尔伍德悬崖，新泽西州，1989年。
[38] K.S.Narendra和K.Parthasarathy：使用神经网络识别和控制动力系统。IEEE传输。神经网络1（1990），4-27。
[39] J.H.Park、S.H.Huh、S.J.Seo和G.T.Park：使用自结构神经网络的非仿射非线性系统的直接自适应控制器。IEEE传输。神经网络16（2005），414-422。
[40] K.Passino和S.Yurkovich：模糊控制。艾迪森·韦斯利·朗曼，1998年·Zbl 0925.93530号
[41] P.Phan和T.J.Gale：带自组织算法的直接自适应模糊控制。模糊集与系统159（2008），871-899·Zbl 1170.93345号 ·doi:10.1016/j.fss.2007.09.012
[42] M.M.Polycarpou和M.J.Mears：使用非线性参数化在线逼近器的不确定系统的稳定自适应跟踪。国际。《控制杂志》70（1998），363-384·Zbl 0945.93563号 ·doi:10.1080/002071798222280
[43] G.A.Rovithakis和M.A.Christodoulou：使用动态神经网络对未知植物进行自适应控制。IEEE传输。Systems Man Cybernet。24 (1994), 400-412. ·Zbl 0824.93037号
[44] G.A.Rovithakis和M.A.Christodoulou：通过动态神经网络对未知非线性动力系统进行直接自适应调节。IEEE传输。Systems Man Cybernet。25 (1995), 1578-1594.
[45] G.A.Rovithakis：神经自适应跟踪控制器在存在加性和乘性外部扰动的多输入非线性动力系统中的性能。IEEE传输。Systems Man Cybernet。A部分30（2000），720-730。
[46] G.A.Rovithakis和M.A.Christodoulou：具有递归高阶神经网络的自适应控制（理论和工业应用）。《工业控制进展》（M.A.Grimble和M.A.Johnson，Springer Verlag，伦敦有限公司，2000年）。
[47] S.S.Sastry和M.Bodson：自适应控制：稳定性、收敛性和鲁棒性。普伦蒂斯·霍尔，恩格尔伍德悬崖，新泽西州，1989年·Zbl 0721.93046号
[48] S.S.Sastry和A.Isidori：线性化系统的自适应控制。IEEE传输。自动化。控制34（1989），1123-1131·Zbl 0693.93046号 ·数字对象标识代码：10.1109/9.40741
[49] J.J.E.Slontine和W.Li：应用非线性控制。Prentice-Hall，Englewood Cliffs，新泽西州，1991年。
[50] J.T.Spooner和K.M.Passino：使用模糊系统和神经网络的稳定自适应控制。IEEE传输。模糊系统4（1996），339-359。
[51] D.C.Theodoridis、M.A.Christodoulou和Y.S.Boutalis：基于高阶神经网络函数逼近器的间接自适应神经模糊控制。程序。第十六届地中海控制和自动化会议-MED08，Ajaccio 2008，第386-393页。
[52] L.Wang：自适应模糊系统与控制。普伦蒂斯·霍尔，恩格尔伍德悬崖，新泽西州，1994年。
[53] C.Wang、H.Liu和T.Lin：未知非线性动力系统的带状态观测器和监督控制器的直接自适应模糊神经控制。IEEE传输。模糊系统10（2002），39-49。
[54] Wu和M.Joo Er：动态模糊神经网络。一种新的函数逼近方法。IEEE传输。系统，人类网络，B部分30（2000），358-364。
[55] T.H.Yeap和N.U.Ahmed：混沌系统的反馈控制。动态与控制4（1994），97-114·兹伯利0792.93041 ·doi:10.1007/BF02115741
[56] 于伟（W.Yu）和李晓霞（X.Li）：在线聚类模糊神经识别在原油调合中的应用。国际。模糊系统会议，温哥华，2006年。
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。