学位论文 > 优秀研究生学位论文题录展示

非线性系统的自适应学习控制及其应用

作　者: 唐丽
导　师: 刘艳军
学　校: 辽宁工业大学
专　业: 应用数学
关键词: 自适应控制强化学习神经网络非线性系统死区输入
分类号: O231
类　型: 硕士论文
年　份: 2014年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

自适应与学习控制对于处理不确定性是非常有效的方法，能在线估计未知信息，以改进系统的控制性能。本论文基于自适应强化学习方法，研究不确定系统的优化控制方法及应用，主要做了以下两方面的工作：（1）首先，针对一类机器臂系统，设计一种自适应神经网络控制算法。神经网络用于逼近系统的不确定性。基于强化学习理论，通过引入性能指标函数，利用梯度下降法，设计的控制器使得性能指标函数达到最小值，实现优化控制的目的。然而，当死区输入存在时，这个方法不能保证闭环系统的稳定性。因此，本文同时研究了带有死区的机器臂系统的优化控制问题。这里，假设死区参数未知但有界。同样运用强化学习理论，设计了一个最优控制器。最后，根据李雅普诺夫稳定性定理分析，证明了闭环系统的所有信号都有界。仿真结果证明了设计算法的有效性。（2）针对一类具有输出约束条件的混沌系统，设计了一种自适应控制算法。运用Barrier李雅普诺夫稳定性函数方法避免了系统输出违背约束条件。随后，研究了一类离散混沌系统的自适应神经网络优化控制问题，运用强化学习理论，使性能指标函数达到最小值。与离散混沌系统的控制方法相比较，提出的方法解决了最优控制问题，减少了控制器的设计成本。基于李雅普诺夫理论，证明了闭环系统的稳定性。仿真结果进一步说明了提出方法的有效性。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-15
  1.1 自适应控制定义、特征及分类  8-10
    1.1.1 自适应控制的定义与特征  8
    1.1.2 自适应控制系统的分类  8-10
  1.2 加强学习定义及结构  10
  1.3 李亚普诺夫稳定性理论  10-13
    1.3.1 稳定性分类  10-11
    1.3.2 李雅普诺夫第一方法  11-12
    1.3.3 李雅普诺夫第二方法  12-13
  1.4 神经网络逼近性能  13-15
2 一类机器臂的自适应神经网络控制  15-27
  2.1 引言  15
  2.2 系统描述  15-16
  2.3 控制器设计  16-19
    2.3.1 执行网络  16-18
    2.3.2 评判网络  18-19
  2.4 稳定性分析  19-24
  2.5 仿真研究  24-26
  2.6 本章小结  26-27
3 带有死区的机器臂自适应神经网络控制  27-36
  3.1 引言  27
  3.2 系统描述  27-29
  3.3 控制器设计  29-30
    3.3.1 执行网络  29
    3.3.2 评判网络  29-30
  3.4 稳定性分析  30-32
  3.5 仿真研究  32-35
  3.6 本章小结  35-36
4 带有状态约束的 Arneodo 混沌系统的自适应控制  36-44
  4.1 引言  36
  4.2 系统描述  36-37
  4.3 控制器设计  37-40
  4.4 稳定性分析  40
  4.5 仿真研究  40-43
  4.6 本章小结  43-44
5 一类离散混沌系统的自适应神经网络控制  44-53
  5.1 引言  44
  5.2 系统描述  44-45
  5.3 控制器设计  45-46
  5.4 稳定性分析  46-50
  5.5 仿真研究  50-52
  5.6 本章小结  52-53
6 结论  53-54
参考文献  54-58
攻读硕士期间发表学术论文情况  58-59
致谢  59

非线性系统的自适应学习控制及其应用

内容摘要

全文目录

相似论文