控制理论与应用

作者：邱亚,李鑫,陈薇,段泽民

单位：合肥工业大学,合肥工业大学,合肥工业大学,合肥工业大学

关键词：小脑模型神经网络；非线性量化；分段量化；神经网络控制器;神经网络; 学习算法

基金：国家重点研发项目（2017YFB0903504）

常规CMAC神经网络采用线性均匀量化, 稳态控制精度与量化级数相关, 增加量化级数可提高稳态精度但会导致内存空间和计算量的增加. 本文提出一种可采用幂函数、高斯、分段三种非线性量化方法的非线性量CMAC神经网络, 并分析了非线性量化CMAC的收敛性, 解释了非线性量化提高稳态精度高的本质. 面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统, 分别跟踪方波、斜坡、正弦波、三角波和加速度等输入信号, 仿真验证了非线性量化CMAC神经网络控制器的有效性, 给出了不同非线性量化方法的适用性. 结果表明, 非线性量化CMAC参数容易设定, 物理意义清晰, 与常规CMAC对比, 其快速性和控制精度显著提高, 可以有效解决实际复杂非线性时变系统的控制.

来源：2019年第10期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第10期