TA的每日心情 | 慵懒
2020-9-2 15:07 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 传统的 ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）神经元基函数通常把高斯类型与单一宽度作为每个神经元的激活函 数，这些特性限制了网络神经元的性能，特别是在处理复杂的非线性建模问题上．为了克服这个限制，本文应用了具有 类似 ＲＢＦ网络，但激活函数不同超基函数 ＨＢＦ（ＨｙｐｅｒＢａｓｉｓＦｕｎｃｔｉｏｎ）的网络．结合 ＲＢＦ网络，分析了 ＨＢＦ网络的结构、 基函数形式及基函数对网络的影响，利用决策树算法计算了网络中心．在此基础上，提出了一种基于 ＨＢＦ神经网络的 自适应观测器设计方法，并通过引入 Ｌｙａｐｕｎｏｖ函数，证明了这种观测器设计方法的稳定性；最后通过仿真验证了这种 ＨＢＦ神经网络观测器能很好地观测系统的状态值．
6 S7 ?: G, X9 j: e5 K( k3 y% f- n; m6 ?2 Y8 _- ]* j5 ~' V4 T2 d% n
关键词： 状态估计；ＨＢＦ（ＨｙｐｅｒＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络；非线性系统；决策树. b# F8 f# a7 U" D5 n2 P3 Q1 r
; w W- b# `' d0 C
& d6 z* j8 d! {, D% \& ^9 d
! [ P; t# @6 q8 l x 在复杂的系统工程中，状态观测器已经被广泛应用 于过程监控、故障检测及故障诊断等领域，如文献［１］利 用已知的余度对动力学的影响形成残差，构建了水下航 行器故障诊断观测器，文献［２］基于 ＲＢＦ神经网络构造 飞行器控制系统观测器，文献［３］将一种未知输入观测 器应用于卫星姿态控制系统的状态估计．但是，通常在 设计或构造观测器时，必须遵守一些限定条件，如要求 动态系统满足可观性等等，因此复杂非线性动态系统的 观测器设计面临许多复杂的计算．神经网络具有自学习 和自适应能力等特征，受到控制领域学者的高度关注， 在近几年里，基于神经网络的观测器设计方面的研究成 果层出不穷，如文献［４］提出了一种基于 ＲＢＦ神经网络 鲁棒滑模状态观测器，文献［５］采用小波神经元构造系 统的状态观测器等等．由于神经网络在训练过程中存在 学习速度慢等问题，所以利用神经网络设计非线性系统 观测器的研究还有待探索和完善［５～９］．
) ]: L" |: V% h! A( H) C! ]% b
/ y( W' \/ K& f C! c2 h/ O- j7 }: ^
* t0 X8 h$ ~% @, r Z) \附件下载：/ X* i' R. J( {: b& }0 Z
|
|
/1 
发表于 2021-3-16 11:15
收藏
淘帖
支持！
反对！