基于動態(tài)神經(jīng)網(wǎng)絡的非線性自適應逆控制研究.pdf

1、本文研究了動態(tài)神經(jīng)網(wǎng)絡的結(jié)構(gòu)和算法，及基于動態(tài)神經(jīng)網(wǎng)絡的非線性自適應逆控制系統(tǒng)，主要研究內(nèi)容如下： 一、在分析研究生物神經(jīng)元及人工神經(jīng)元模型結(jié)構(gòu)及功能的基礎上，提出了一種新的動態(tài)人工神經(jīng)元模型(DAF神經(jīng)元)，它是一類自適應IIR突觸時空神經(jīng)元模型，它在簡化動態(tài)神經(jīng)元模型結(jié)構(gòu)的同時提高了神經(jīng)元的動態(tài)性能和自適應能力?；贒AF神經(jīng)元模型可以構(gòu)建一種新的動態(tài)神經(jīng)網(wǎng)絡(DAFNN)，DAFNN是一種局部反饋動態(tài)神經(jīng)網(wǎng)絡，其總體結(jié)構(gòu)仍

2、為前饋神經(jīng)網(wǎng)絡結(jié)構(gòu)。與非線性自適應逆控制系統(tǒng)中常用的反饋神經(jīng)網(wǎng)絡相比，DAFNN的結(jié)構(gòu)和算法都更加簡單，而且具有可自適應調(diào)節(jié)的時間深度和時間分辨率。因此，DAFNN在非線性自適應逆控制中更具應用優(yōu)勢。 二、通過對PSO算法結(jié)構(gòu)、穩(wěn)定性及收斂性的研究，提出了一種以概率1全局收斂PSO算法，并進一步推廣為神經(jīng)網(wǎng)絡離線學習算法。該算法通過加強對微粒群最優(yōu)位置的局部搜索能力，提高了收斂的速度和精度；同時縮小了粒子群規(guī)模，提高了運行效率。

3、與傳統(tǒng)的BPTT算法相比，該算法無論是收斂速度、精度還是泛化能力，都有明顯提高。 三、根據(jù)信號流圖理論，設計并推導了一種神經(jīng)網(wǎng)絡的在線學習算法，并利用Lyapunov 穩(wěn)定性定理分析了算法的穩(wěn)定性，提出了可以保證算法收斂的自適應學習速率。對于動態(tài)神經(jīng)網(wǎng)絡在線學習而言，該算法避免了傳統(tǒng)梯度計算中復雜的鏈式求導過程，利用神經(jīng)網(wǎng)絡的信號流圖及其線性的伴隨流圖，可以直接計算任何變量的梯度信息。并且，自適應的學習速率確保了動態(tài)神經(jīng)網(wǎng)絡穩(wěn)定