余琼霞，侯忠生

北京交通大学电子信息工程学院,北京 100044

出版日期:2016-01-25发布日期:2016-03-02

ADAPTIVE ITERATIVE LEARNING CONTROL FOR A CLASS OF NON-PARAMETRIC UNCERTAIN SYSTEMS

YU Qiongxia ,HOU Zhongsheng

School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044

Online:2016-01-25Published:2016-03-02







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

针对一类含非参数不确定的受限非线性系统, 提出一种新的自适应迭代学习控制算法. 该算法利用神经网络(neural network)逼近系统中的非参数不确定性, 神经网络的权值通过迭代轴上的自适应算法进行更新. 控制器设计补偿项对神经网络逼近误差上界进行估计以此消除其影响. 采用一种新的障碍李雅普诺夫函数(barrier Lyapunov functions)并与组合能量函数(composite energy function)方法相结合, 当系统中同时存在非参数不确定性,随机初始误差,及非严格重复外部扰动时,能够保证系统同时满足输入和状态受限要求. 将所提出的算法应用于高速列车运行控制系统, 仿真结果验证了算法的有效性.

分享此文:

()

[1]	胡雪梅, 蒋慧凤. 具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势[J]. 系统科学与数学, 2021, 41(3): 802-823.
[2]	史豪楠, 陈森, 赵志良. 自抗扰无人车纵向编队跟踪控制[J]. 系统科学与数学, 2021, 41(2): 291-309.
[3]	陆文星，戴一茹，李楚，李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[4]	程帅，于金鹏，赵林，于海生. [J]. 系统科学与数学, 2020, 40(12): 2211-2224.
[5]	齐雪，才治军. 船用锅炉主蒸汽压力系统的多工况控制[J]. 系统科学与数学, 2019, 39(6): 831-844.
[6]	贾凯，倪志伟，李敬明，陆玉佳，朱旭辉. 基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J]. 系统科学与数学, 2019, 39(3): 477-494.
[7]	王溪，明扬，洪奕光. 基于群论的深度卷积网络分析[J]. 系统科学与数学, 2019, 39(2): 219-227.
[8]	李祥坤，杨争峰，曾霞，刘志明. 一种面向图像识别的神经网络通用扰动生成算法[J]. 系统科学与数学, 2019, 39(12): 1944-1963.
[9]	相鑫，刘秀丽. 四层参数自调整BP神经网络模型及其在人口死亡率预测中的应用[J]. 系统科学与数学, 2018, 38(6): 702-710.
[10]	王乐，何舒平. 基于Kleinman迭代算法的非线性系统自适应控制器设计[J]. 系统科学与数学, 2017, 37(9): 1885-1892.
[11]	熊凯，魏春岭. 基于自适应极大后验估计的空间目标运动状态确定[J]. 系统科学与数学, 2017, 37(8): 1729-1740.
[12]	许丹丹，杨世海. 南极大型望远镜跟踪系统的鲁棒自适应控制研究[J]. 系统科学与数学, 2017, 37(6): 1404-1412.
[13]	蒋衍光，黄一，薛文超，方海涛. 拟一致无迹卡尔曼滤波算法[J]. 系统科学与数学, 2017, 37(4): 965-977.
[14]	罗世贤，陈武华. 一类随机反应扩散神经网络的周期间歇采样控制[J]. 系统科学与数学, 2017, 37(3): 652-664.
[15]	张艺凡，刘亮. 一类随机上三角非线性系统的全局渐近输出反馈镇定[J]. 系统科学与数学, 2017, 37(2): 338-346.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=12710