暂无评论
非线性动力学系统的神经网络内模控制研究
针对一类含有非匹配不确定性的块控型多输入多输出非线性系统, 提出一种基于反演技术和RBF 神经网络 的控制系统设计方案. 通过引入一种改进型的Lyapunov 函数, 避免了控制矩阵未知情况下可能出现
针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L
具有不确定线性连续系统的鲁棒静态输出反馈控制综合。
机器学习是一种强大的工具,可以揭示和利用多维参数空间中的相关性。 从这种相关性进行预测是一项非常艰巨的任务,特别是当尚未完全理解理论模型的基本动力学细节时。 使用对抗网络,我们可以在训练过程中包括系统
针对一类具有不确定输入时滞和扰动的非线性系统的跟踪控制问题,提出了一种结合了反推,神经网络和自适应控制的状态反馈控制方案。 构造滤波器和虚拟观察器以产生辅助信号。 使用神经网络来估计未知的连续函数。
MATLAB 实现BP神经网络的非线性系统建模-非线性函数拟合
针对一类具有执行器故障的非线性切换系统,研究基于系统状态估计和故障重构的容错控制问题.首先,在具有平均驻留时间(ADT)的切换信号下,设计一种切换PI观测器作为状态-故障估计器,以达到对系统状态和故障
提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力 与变结构控制理论相结合, 利用RBF 网络自适应学习系统不确定性的未知上界, 神经网络的输出用于 自适应修正控制律的切
针对一类具有未知时变控制方向、 不确定时变参数以及未知时变有界干扰的严反馈非线性系统,给出一种带有死区修正算法的鲁棒控制方法.在控制系数符号未知的情况下, 通过在反步法中引入Nussbaum增益和死区
暂无评论