不确定系统的自适应神经网络事件触发控制研究

发布时间：2020-09-28 11:16

　　随着计算机、通信技术的不断发展,网络控制系统越来越普遍。然而在网络化给控制领域带来新的发展机遇的同时,由于网络带宽的有限,当信息以很高的频率进行传输时容易出现各种各样的问题,这些问题会影响到系统的性能,甚至是系统的稳定性。为了应对这一问题,降低传输频率是有效的方法,事件触发控制作为一种典型的非周期控制方法引起了大家的注意。本文针对一类不确定系统的事件触发控制问题进行了进一步的研究,由于系统存在不确定性,目前已有的事件触发控制方法不能直接使用。由于神经网络具有强大的学习能力和非线性逼近能力,被广泛的用于不确定性系统中。因此本文首先采用传统的自适应神经网络算法用来保证系统的性能,然后在此基础上引入事件触发机制从而降低信号的传输频率、减少通讯量。相比于传统的自适应神经网络控制器,数据的传输和更新是由事件决定的,并非时间决定的,因此能够降低通信频率,提高网络系统的稳定性。本文首先针对连续型严格反馈系统基于状态反馈在自适应神经网络的基础上提出两种切换型事件触发机制,该算法能够在保证系统良好性能的基础上降低通信频率,并且该切换型策略能够有效地避免zeno现象,具有合适的触发频率。针对离散型严格反馈系统,分别研究了基于状态反馈和输出反馈的的事件触发控制问题,首先需要将系统转换成一类预测系统以避免因果矛盾,在自适应神经网络控制的基础上引入切换型事件触发机制,能够保证系统良好性能的基础上降低通信频率。对于所提出的算法,本文首先利用李雅普诺夫函数进行分段讨论,运用严格的数学公式证明,其次利用matlab仿真软件对其他文献中出现的模型进行仿真验证,在理论和实际两个方面证实所提出算法的有效性。本文的研究内容无论是在理论研究上与实际应用上都具有很重大的意义。
【学位单位】：中国地质大学(北京)
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP183;TP13
【部分图文】：

网络控制系统

制科学的领域，在实际应用系统中网络控制系统(NCSS)越来越普遍，NCSS是利用一类公用或者专用的通信网络来实现受控对象与控制器内部数据的交换而形成的闭环反馈控制系统，如图1-1所示。NCSS除了具有安装与维护简便、灵活性强、可靠性高、诊断能力高等优点，并且由于融合了网络这一通讯媒介因此若想要实现资源共享、远程操作与控制是比较简单的[4]。图1-1 网络控制系统结构但是 NCSS 给人类生活带来便利的同时，诸多缺点也逐渐的显示出来，首先其通信带宽有限，数据上在网络上进行传输时很容易就会产生时滞延时，并且容易受到网络通信质量的影响。当信号在网络不稳定的时候传输数据，很容易发生丢包、时序错乱等不利现象[5]。目前的控制器都要求对被控对象状态或输

直接型

自适应神经网络神经网络因本身具有的良好性能，因此被广泛应用于系统辨识和控制领特别是当使用神经网络去实现自适应控制的时候，通常存在以下两种基式：神经网络模型参考自适应控制（NNMRAC）NNMRAC 的主要原理如下：首先需要根据期望值建立一个稳定的参考模神经网络控制器（NNC）作用于被控对象使得其输出能够以一个最小的去跟踪期望输出，如图 2-1 所示。这样的形式也被称之为直接型 NNM对 NNC 在线进行训练之前即系统运行之前，需要先离线学习对象的逆动还有一种形式被称之为间接型 NNMRAC，如图 2-2，相比于直接型其多加经网络在线辨识器（NNI），其目的是为了能够在线获得系统的动态特性由于系统未知导致 NNC 训练困难的问题。

直接型,神经网络,直接逆控制,在线估计

图 2-2 间接型 NNMRAC经网络自校正控制(NNSTC)NNSTC 的主要原理是根据系统跟踪误差或系统输出去调节神经网络或的内部参数，从而使得系统能够跟踪给定的输入，满足给定的指标要结构已知的但是参数未知即具有一定程度的不确定性的非线性系统。分为直接型和间接型，直接型 NNSTC 直接用来调整控制器本身，在概念于神经网络直接逆控制；而间接型 NNSTC 则是用来在线估计被控对象中线性函数或者一些过程参数，只是常规控制器中的组成部分，也因此可 NNs 共同组成。

【参考文献】