本文選題：仿生智能控制　切入點：操作性條件反射　出處：《北京交通大學》2017年博士論文

【摘要】：隨著控制對象及其目標、任務(wù)和所處環(huán)境的復雜性提高,基于系統(tǒng)模型與規(guī)則的傳統(tǒng)控制方法愈發(fā)難以滿足其對于系統(tǒng)控制品質(zhì)的要求。研究針對復雜非線性系統(tǒng)的新一代智能控制方法,對加強系統(tǒng)的自學習和自適應(yīng)能力以及確保系統(tǒng)平穩(wěn)安全運行具有理論價值和實際指導意義。本論文旨在研究具有高性能、低成本、易于集成等特點的智能控制方法,致力于解決理論在工程化過程中遇到的問題,特別是因?qū)嶋H系統(tǒng)模型的嚴重非線性、結(jié)構(gòu)漂移、不確定外界擾動、機械結(jié)構(gòu)磨損、核心部件(執(zhí)行器,傳感器)功能失效、子系統(tǒng)故障所導致的控制性能惡化問題。為實現(xiàn)這一目標,論文首次提出將神經(jīng)科學中的客觀規(guī)律與神經(jīng)網(wǎng)絡(luò)控制理論相結(jié)合,設(shè)計更為貼近腦神經(jīng)系統(tǒng)特征的自適應(yīng)控制器。在優(yōu)化神經(jīng)網(wǎng)絡(luò)的組織結(jié)構(gòu)的同時,使其能夠在非線性系統(tǒng)控制中發(fā)揮出更好的自學習與自適應(yīng)能力,從而提高系統(tǒng)的整體控制性能,如控制精度、收斂速度、運算效率、抗干擾性和運行平穩(wěn)性等。鑒于此,論文的研究圍繞以下內(nèi)容展開。1、從操作性條件反射學習原理出發(fā),提出一種面向智能系統(tǒng)的獎賞機制和具有神經(jīng)自適應(yīng)單元的操作性條件反射仿生模型(OCBM)。該模型具有自動調(diào)節(jié)權(quán)值、神經(jīng)元子網(wǎng)絡(luò)數(shù)量和基函數(shù)結(jié)構(gòu)參數(shù)的能力。針對一類未知高階非仿射系統(tǒng),設(shè)計基于OCBM的仿生控制器,并利用OCBM網(wǎng)絡(luò)對系統(tǒng)中的混合未知不確定項進行學習。以李雅普諾夫穩(wěn)定性分析為基礎(chǔ),所得出的控制策略可以確保閉環(huán)系統(tǒng)的最終一致收斂。通過仿真對比研究,進一步驗證了 OCBM控制方法能夠應(yīng)對系統(tǒng)模型未知、結(jié)構(gòu)漂移和不確定外界干擾等情況,并且在收斂速度、控制精度和運算效率方面優(yōu)于一些傳統(tǒng)方法。2、結(jié)合局部權(quán)值學習框架,對OCBM網(wǎng)絡(luò)進行系統(tǒng)地改良。提出負責引導神經(jīng)元簇自動添加過程的有限神經(jīng)元自增長(FNSG)策略,形成了神經(jīng)元可按需生長的自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)雛形。另一改進在于受限李雅普諾夫函數(shù)(BLF)的使用,確保了神經(jīng)網(wǎng)絡(luò)訓練輸入能夠始終滿足緊集先決條件,避免了切換控制中信號的不連續(xù)問題。同時,通過設(shè)計光滑飽和函數(shù)、連續(xù)權(quán)值更新律以及高斯權(quán)重函數(shù),控制器信號在除神經(jīng)元簇生成的瞬時時刻外具有光滑連續(xù)性。相比元數(shù)固定和自組織控制方法,仿真結(jié)果表明,基于FNSG策略的控制器可以有效抑制冗余神經(jīng)元的生成,節(jié)省系統(tǒng)運行資源。3、基于對腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和調(diào)節(jié)機制的發(fā)現(xiàn),構(gòu)建一種具有時變理想權(quán)值、多元化基函數(shù)、神經(jīng)元可自動增減特征的多內(nèi)涵自調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)(MSAE-NN)。針對一類模型不連續(xù)的高階非仿射系統(tǒng),提出基于MSAE-NN的控制方法。結(jié)合魯棒自適應(yīng)和BLF的設(shè)計方法,集中解決了因無法滿足萬能逼近定理而導致的神經(jīng)網(wǎng)絡(luò)功能失效問題。此外,將FNSG策略拓展為神經(jīng)元可自動增加或減少的方案,并引入了神經(jīng)元平滑增減操作函數(shù),使控制信號在神經(jīng)元新增和被剔除時仍具有平滑性,從而提升系統(tǒng)的整體控制品質(zhì)。4、以多自由度機器人系統(tǒng)為研究對象,將MSAE-NN拓展應(yīng)用到多輸入多輸出的非仿射系統(tǒng)中。結(jié)合關(guān)節(jié)空間和笛卡爾空間的具體任務(wù),設(shè)計基于MSAE-NN的神經(jīng)自適應(yīng)控制方法,用于應(yīng)對不確定跳變擾動和執(zhí)行器完全失效的情形。通過采用MSAE-NN模型,所提方法可以避免對基函數(shù)參數(shù)的估計和人工調(diào)參過程。同時,基于BLF制定的控制策略確保了 MSAE-NN在系統(tǒng)運行期間的有效性。值得一提的,所提控制器不僅不依賴模型本身的參數(shù)信息,還具有結(jié)構(gòu)簡單,經(jīng)濟實用和易于開發(fā)的特點。
[Abstract]:This paper presents a new generation intelligent control method based on OCBM , which is based on the theory of operational conditioned reflex learning . It is proposed to improve the system ' s overall control performance , such as control accuracy , speed of convergence , function failure of the system , anti - interference and operation stationarity . A neural adaptive control method based on MSAE - NN is proposed based on MSAE - NN based on MSAE - NN .

【學位授予單位】：北京交通大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP273;TP183

【相似文獻】

相關(guān)期刊論文 前1條

1 張健挺;;網(wǎng)絡(luò)輿論“偏聽偏信”現(xiàn)象解析——行為心理學的視角[J];新聞記者;2006年10期

相關(guān)博士學位論文 前1條

1 賈梓筠;基于操作性條件反射的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制[D];北京交通大學;2017年

，

本文編號：1695096