不确定多时滞系统动态自适应神经网络控制

Journal of Systems Engineering and Electronics ›› 2009, Vol. 31 ›› Issue (2): 434-438.

不确定多时滞系统动态自适应神经网络控制

张敏¹, 胡寿松²

1. 南京信息工程大学信息与控制学院, 江苏, 南京, 210044;
2. 南京航空航天大学自动化学院, 江苏, 南京, 210016

收稿日期:2007-10-11 修回日期:2008-01-09 出版日期:2009-02-20 发布日期:2010-01-03
作者简介:张敏(1980- ),女,博士研究生,主要研究方向为非线性控制和智能控制.E-mail:anne_zm@homail.com
基金资助:
国家自然科学基金重点项目(60234010);航空科学基金(05E52031)资助课题

Dynamic adaptive neural network control of systems with uncertain multiple-time-delays

ZHANG Min¹, HU Shou-song²

1. Coll. of Information and Control Technology, Nanjing Univ. of Information Science and Technology, Nanjing 210044, China;
2. Coll. of Automation Engineering, Nanjing Univ. of Aeronautics and Astronautics, Nanjing 210016, China

Received:2007-10-11 Revised:2008-01-09 Online:2009-02-20 Published:2010-01-03

摘要/Abstract

摘要： 针对一类具有不确定多时滞的非线性系统,提出一种由时滞补偿器和动态结构自适应神经网络所构成的控制器.通过设计时滞补偿器中的参数自适应调节规律来消除多时滞对控制输入的影响,再引入动态自适应神经网络,利用其隐层神经元个数可以随着逼近误差的增大而在线增加的特点,获得满意的逼近精度,提高控制性能.最后,对时滞混沌系统进行仿真,表明该方法的有效性.

Abstract: For a class of nonlinear systems with uncertain multiple time delays,a kind of control method of combining a kind of time-delay compensator and a dynamic adaptive neural network is presented.In the way of regulating parameters adaptively to eliminate the influence on the input caused by the uncertain multiple time-delays.While the dynamic adaptive neural network adopted has the alterable hidden units which increase by the approximation error growing for the better precision.The given demonstration shows the presented control method is effective in a chaotic system with uncertain multiple time-delays.

中图分类号:

TP18

张敏, 胡寿松. 不确定多时滞系统动态自适应神经网络控制[J]. Journal of Systems Engineering and Electronics, 2009, 31(2): 434-438.

ZHANG Min, HU Shou-song. Dynamic adaptive neural network control of systems with uncertain multiple-time-delays[J]. Journal of Systems Engineering and Electronics, 2009, 31(2): 434-438.

参考文献

[1] Ge S S,Hong F,Lee T H.Robust adaptive control of nonlinear systems with unknown time delays[J].Automatica,2005,41:1181-1190.
[2] Nguang S K.Robust stabilization of a class of time-delay nonlinear systems[J].IEEE Trans.on Automatic Control,2000,45:756-762.
[3] Kharitonov V L,Zhabko A P.Lyapunov-Krasovskii approach to the robust stability analysis of time-delay systems[J].Automatica,2003,39:15-20.
[4] Lu Yingwei,Narashiman Sundararajan,Saratchandran P.Performance evaluation of a sequential minimal radial basis function(RBF) neural network learning algorithm[J].IEEE Trans.on neural Network,1998(2):308-318.
[5] 刘亚,胡寿松.基于模糊模型的时滞不确定系统的模糊H_∞鲁棒反馈控制[J].控制理论与应用,2003(4):497-502.
[6] Chen Yuansheng,Xu Tongwen.H_∞ output feedback control for uncertain stochastic systems with time-varying delays[J].Automatica,2004,40:2091-2098.
[7] Wu Hansheng.Adaptive robust tracking and model following of uncertain dynamical systems with multiple time delays[J].IEEE Trans.on Automatic Control,2004,49:611-616.
[8] Ge S S,Wang C.Direct adaptive NN control of a class nonlinear system[J].IEEE Trans.on Neural Networks,2002(1):214-221.
[9] Lee K R,Kim J H,Jeung E T,et al.Output feedback robust H_∞ control of uncertain fuzzy dymamic system with time-varying delay[J].IEEE Trans.on Fuzzy System,2000(6):657-664.
[10] Rivals I,Personnaz L.Nonlinear internal model control using neural networks:application to processes with delay and design issues[J].IEEE Trans.on Neural Network,2000(1):89-90.
[11] Ham H,Su C Y,Stepanenko Y.Adaptive control of a class of nonlinear system with nonlinear parameterized fuzzy approximators[J].IEEE Trans.on Fuzzy System,2001(2):315-323.
[12] Xu Jian Xin,Tan Ying.Nonlinear adatptive wavelet control using constructive wavelet networks[J].IEEE Trans.on Neural Networks,2007(1):115-127.

[1]	王玉佳, 方伟, 徐涛, 余应福, 邓博元. 基于遗传模糊树的海空对抗无人机智能决策模型[J]. 系统工程与电子技术, 2022, 44(12): 3756-3765.
[2]	张寒, 黄炎焱, 耿泽, 张振. 营区突发事件应急保障方案仿真推演评估方法[J]. 系统工程与电子技术, 2022, 44(11): 3433-3442.
[3]	汪瀚洋, 陈亮, 徐海, 白景波. 基于MOEA/D-ARMS的无人机在线航迹规划[J]. 系统工程与电子技术, 2022, 44(11): 3505-3514.
[4]	张俊, 张新禹, 姜卫东, 刘永祥, 黎湘. 基于广义近似消息传递的快速DOA估计方法[J]. 系统工程与电子技术, 2022, 44(10): 2995-3002.
[5]	曾斌, 张鸿强, 李厚朴. 针对无人潜航器的反潜策略研究[J]. 系统工程与电子技术, 2022, 44(10): 3174-3181.
[6]	万齐天, 卢宝刚, 赵雅心, 温求遒. 基于深度强化学习的驾驶仪参数快速整定方法[J]. 系统工程与电子技术, 2022, 44(10): 3190-3199.
[7]	刘戎翔, 吴琳, 谢智歌, 刘虹麟. 基于生成对抗网络的防空体系态势辅助分析[J]. 系统工程与电子技术, 2022, 44(8): 2522-2529.
[8]	辛立强, 张超, 赵灵芝, 刘建平. 面向复杂关联测控需求的冲突规避调度算法[J]. 系统工程与电子技术, 2022, 44(5): 1581-1588.
[9]	何立, 沈亮, 李辉, 王壮, 唐文泉. 强化学习中的策略重用: 研究进展[J]. 系统工程与电子技术, 2022, 44(3): 884-899.
[10]	王姝婷, 刘晓冰, 周军华, 白朝阳, 翟翔. 基于本体的复杂产品维修工程案例知识表示及重用方法[J]. 系统工程与电子技术, 2022, 44(2): 557-568.
[11]	马玉凤, 向南, 豆亚杰, 姜江, 杨克巍, 谭跃进. 军事系统工程中的知识图谱应用及研究[J]. 系统工程与电子技术, 2022, 44(1): 146-153.
[12]	张国令, 吴崇明, 李睿, 来杰, 向前. 基于一维堆叠池化融合卷积自编码器的HRRP目标识别方法[J]. 系统工程与电子技术, 2021, 43(12): 3533-3541.
[13]	冯建鑫, 王雅雷, 王强, 胥彪. 基于改进粒子群算法的快速反射镜自抗扰控制[J]. 系统工程与电子技术, 2021, 43(12): 3675-3682.
[14]	赵辰豪, 吴德伟, 韩昆, 朱浩男, 代传金. 基于多尺度网格细胞的路径整合模型[J]. 系统工程与电子技术, 2021, 43(10): 2961-2967.
[15]	程恺, 陈刚, 余晓晗, 刘满, 邵天浩. 知识牵引与数据驱动的兵棋AI设计及关键技术[J]. 系统工程与电子技术, 2021, 43(10): 2911-2917.