基于ＨＢＦ神经网络的自适应观测器

Zjianeng · 发表于 2021-3-16 11:15

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．

关键词：状态估计；ＨＢＦ（ＨｙｐｅｒＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络；非线性系统；决策树

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］．

附件下载：

游客，如果您要查看本帖隐藏内容请回复

Anda · 发表于 2021-3-16 13:10

非线性系统

帐号		自动登录	找回密码
密码			注册

[毕业设计] 基于ＨＢＦ神经网络的自适应观测器

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1

[毕业设计] 基于 ＨＢＦ神经网络的自适应观测器

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1

[毕业设计] 基于ＨＢＦ神经网络的自适应观测器