分类号： O231.5
论文编号：
密 级： 公 开
贵 州 大 学 2013届硕士研究生学位论文
基于ELM的切换非线性动态系统神经
网络控制
学科专业： 信号与信息处理 研究方向： 智能信息处理 导 师： 龙 飞 教授 研 究 生： 肖 扬
中国
﹒贵州﹒贵阳
2013年04月
目录
摘要................................................................ 1 Abstract............................................................ 2 第一章 绪论......................................................... 4
1.1课题的研究背景............................................... 4 1.2随机系统研究现状............................................. 5 1.3切换系统研究现状............................................. 6 1.4论文的研究思路............................................... 8 1.5论文的结构安排............................................... 9 第二章 预备知识.................................................... 10
2.1 切换系统的李雅普洛夫稳定性 ................................. 10 2.2 随机系统的稳定性 ........................................... 10 2.3 ELM (Extreme Learning Machines)算法 ...................... 11
2.3.1 单隐层前馈神经网络结构................................ 12 2.3.2 基于ELM算法训练的单隐层前馈神经网络.................. 12 2.4基本引理.................................................... 13 第三章 一类基于ELM的切换非线性随机系统的神经网络控制.............. 14
3.1 引言 ....................................................... 14 3.2 系统描述 ................................................... 15 3.3 自适应神经网络控制 ......................................... 17
3.3.1 子系统的自适应神经控制器设计.......................... 17 3.3.2 切换律设计............................................ 21 3.4 仿真 ....................................................... 23 3.5 本章小结 ................................................... 30 第四章 一类基于ELM的切换非线性随机系统的伪神经网络控制............ 31
4.1 引言 ....................................................... 31 4.2 严格反馈切换非线性随机系统伪神经网络控制 ................... 33
4.2.1 系统描述.............................................. 33 4.2.2 误差动态.............................................. 34
I
4.2.3子系统伪神经控制器设计 ................................ 36 4.2.4 切换律设计............................................ 39 4.2.5 仿真.................................................. 40 4.3切换非线性随机时滞系统伪神经网络控制........................ 44
4.3.1系统描述 .............................................. 44 4.3.2子系统伪神经控制器设计 ................................ 45 4.3.3 切换律设计............................................ 53 4.3.4 仿真.................................................. 55 4.4 本章小结 ................................................... 65 第五章 总结与展望.................................................. 66
5.1 全文总结 ................................................... 66 5.2 尚需进一步研究的问题 ....................................... 66 致 谢.............................................................. 68 参考文献........................................................... 69 附 录.............................................................. 75
1.攻读硕士学位期间发表的论文 ................................... 75 2.主持和参加的科研项目 ......................................... 75
II
贵州大学硕士学位论文
基于ELM的切换非线性动态系统神经网络控制
摘要
随着人工智能和计算机技术在制造业中的广泛应用，混杂系统控制技术对解决产品设计、生产制造和产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计和实现智能制造提供了有效的手段。切换系统是从系统与控制科学的角度来研究混杂系统的一类重要模型。一般来说，切换系统是由一簇子系统和描述它们之间联系的切换规则组成。切换规则与各子系统的动态共同决定整个切换系统的动态行为。目前，切换系统的研究主要是针对确定型切换线性（非线性）系统。确定型切换系统虽然准确地描述了现实世界中实际系统的某些特性，但同时也忽略了很多随机因素。因此，切换线性（非线性）随机系统的控制问题研究是一个值得探讨的问题，具有重要的实际意义和理论价值。本文的主要贡献是将基于ELM算法训练的单隐层前馈神经网络引入到切换非线性随机系统中，利用backstepping技术和多李雅普洛夫函数方法设计控制器以加强鲁棒性与稳定性，同时设计相应的切换规则以保证整个系统的稳定性。本文所做的主要研究工作如下：
（1）提出一种自适应神经切换控制机制，采用一个单隐层前馈神经网络去补偿系统中的所有非线性项，然后利用backstepping技术和多李雅普洛夫函数方法设计相应的控制器和切换规则以保证整个系统的稳定性。不同于现有的神经网络控制方法，单隐层前馈神经网络是基于ELM算法所训练的。
（2）提出了伪神经切换控制机制。伪神经控制机制运用基于ELM算法训练的单隐层前馈神经网络进行函数逼近，其控制方案主要由伪自适应律和伪神经控制律构成，神经网络算法仅起过渡作用。伪神经控制机制解决了使用backstepping技术所设计的随机系统控制器的高计算复杂性问题和神经网络隐结点数量最优化选择的难题。
关键词: 自适应控制；伪神经控制；切换非线性随机系统；backstepping技术；多李雅普洛夫函数方法；ELM算法。
1
贵州大学硕士学位论文
Based on ELM Switched Nonlinear Dynamic Systems
Neural Network Control
Abstract
With the wide application of the artificial intelligence and the computer technique in manufacturing industry, hybrid system control technique not only provide an intelligent method to solve the problem in product design, production-manufacturing and multi-fields cooperation of products’ entire life cycle, but also provide an effective means to achieve system integration, parallel design and intelligent manufacturing. A switched system is a important class of hybrid systems from the research view of system and control science. Generally speaking, switched systems comprise a collection of subsystems together with a switching rule that specifies the switching among the subsystems. Switching rule and the dynamic of each subsystem codetermine the dynamic behavior of the switching system. The investigation of switched systems are mainly aimed at determine switched linear (nonlinear) systems. Athough deterministic switched systems accurately describe certain features of actual systems in real world, determine switched systems neglect many random factor. Therefore, the research of the control problem for switched linear (nonlinear) stochastic systems is a significative question worth further researching, because of the great value in theory and practice. The main contributions of this paper are the single hidden layer feed forward neural network (which is trained by the ELM algorithm) is introduced into switched nonlinear stochastic systems based on the backstepping technique and multiple Lyapunov function method. Also, the controller is designed to enhance robustness and stabilization, and the admissible switching rules are constructed to guarantee the entire system stability. The main work of this paper includes:
(1) A new adaptive neural switching control scheme is proposed. A single hidden layer feed forward neural network is used to compensate all nonlinear term. Then the
2