导读:本文包含了非线性前馈论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模型,反馈,状态,系统,陶瓷,方法。
非线性前馈论文文献综述
徐子睿,许素安,富雅琼,洪凯星,徐红伟[1]（2019）在《基于Duhem前馈逆补偿的压电陶瓷迟滞非线性自适应滑模控制》一文中研究指出针对压电陶瓷的动态迟滞非线性,研究了基于Duhem逆模型前馈补偿的滑模自适应控制策略。首先,利用多项式逼近Duhem模型中的未知分段函数f(.)和g(.),采用递推最小二乘法进行系统辨识,并求取逆模型,将其作为前馈控制器。考虑压电陶瓷迟滞非线性随输入信号频率变化,且难以完全抵消,模型参数存在不确定性等问题,设计一种自适应滑模控制律,利用Lyapunov稳定性定理及仿真实验证明了该控制律可以使系统全局渐进稳定。最后,进行了压电陶瓷迟滞补偿实验和位移跟踪实验。实验结果表明,前馈逆补偿控制下的压电陶瓷位移迟滞量减小了96.1%。与直接控制相比,前馈逆补偿控制下位移跟踪的最大绝对误差减小了27.0%,平均绝对值误差减小了17.9%,具有更好的跟踪精度和动态性能。(本文来源于《传感技术学报》期刊2019年08期）
井青翠,王天成[2]（2019）在《一类随机前馈时变时滞非线性系统的状态反馈控制》一文中研究指出基于低增益齐次占优技术和坐标变换等方法,针对随机前馈并且输入和状态均有时间延迟现象的非线性系统,主要研究其状态反馈控制问题.通过构造合适的Lyapunov泛函,巧妙地设计出了一个与时间延迟互为独立的状态反馈控制器,该控制器可以使整个闭环随机系统的平衡点是依概率全局渐近稳定.最后,仿真示例表明了该控制器设计方法是行之有效的.(本文来源于《鲁东大学学报(自然科学版)》期刊2019年02期）
尹球洋,王学华,徐林[3]（2018）在《一种实用前馈在逆变器带非线性负载中的应用》一文中研究指出逆变器带非线性负载的设计难点在于如何减小逆变器的输出阻抗,从而减小负载电流谐波对输出电压的影响,保证输出电压的波形质量。针对数字控制逆变器带非线性负载,提出了一种实用的前馈控制策略。推导了负载电流全前馈传递函数,考虑数字控制引入的1.5拍延迟,从逆变器输出阻抗的角度,通过优化近似方法确定前馈控制参数。研制了一台带2 kW非线性负载的单相逆变器原理样机,实验验证所提实用前馈控制策略能显着改善输出电压波形质量。(本文来源于《电力电子技术》期刊2018年07期）
鲜斌,郑国周,刘世博[4]（2018）在《基于神经网络前馈的无人直升机非线性鲁棒控制设计》一文中研究指出针对小型无人直升机的控制问题,设计了一种基于神经网络前馈的非线性鲁棒控制算法。算法主要由两部分组成:基于叁层神经网络的前馈,用以补偿无人直升机姿态动力学模型中的不确定项;基于符号函数积分的鲁棒控制,用以补偿未知外界扰动;基于Lyapunov分析方法证明了控制器可实现姿态角的半全局渐近跟踪。在叁自由度实验平台上对所设计的控制算法进行了实验验证,结果表明:提出的设计取得了较好的姿态控制效果,并对外界未知风扰具有较好的鲁棒性。(本文来源于《传感器与微系统》期刊2018年04期）
崔晶,王思宇,楚中毅[5]（2018）在《高加速度运动系统的非线性摩擦前馈补偿控制》一文中研究指出高加速度运动系统中非线性摩擦的建模补偿对提高轨迹跟踪性能至关重要。本文针对传统参数化模型难以准确预估高加速度运动启停阶段摩擦过冲等非线性摩擦的问题,在传统模型结构的基础上,结合扩展Stribeck模型,提出一种扩展参数化模型,模型参数的训练和学习样本源于高精度迭代学习控制获取的有限轨迹下非线性摩擦前馈补偿数据,并采用Levenberg-Marquardt算法拟合模型参数。最后,在音圈电机驱动的高加速定位平台上针对不同运动轨迹进行了实验验证。结果表明,该方法能够克服传统参数化模型难以消除高加速度启停阶段摩擦过冲等非线性摩擦对轨迹跟踪精度的影响;且与迭代学习控制的轨迹跟踪精度接近,有效避免了迭代学习泛化性差等问题,可实现工作空间下任意轨迹的摩擦补偿。(本文来源于《光学精密工程》期刊2018年01期）
方楚,郭劲,徐新行,姜振华,王挺峰[6]（2016）在《压电陶瓷迟滞非线性前馈补偿器》一文中研究指出为了有效补偿压电陶瓷的迟滞非线性,提出了基于STOP算子的改进PI模型以改善传统基于PLAY算子的PI模型解析求逆的复杂过程以及通过插值算法求逆的大量耗时。介绍了传统的基于PLAY算子和基于STOP算子的PI模型,然后基于STOP算子的迭加形式建立了以预期位移为输入,以控制电压为输出的PI模型,并将这一模型直接作为前馈控制器补偿压电陶瓷的迟滞效应。为了更好地平衡全局寻优与局部寻优能力,对粒子群优化算法进行了改进,利用其辨识出各算子的权值。最后,利用实验的方法验证了改进的PI模型对迟滞非线性的补偿效果。进行了两组实验测试,结果显示:无论对于规律变化还是随机变化的输入,提出的改进PI模型都可以很好补偿迟滞非线性,跟踪误差可控制在1%以内。因此,基于STOP算子的改进PI模型在压电陶瓷控制领域中具有很好的实用价值。(本文来源于《光学精密工程》期刊2016年09期）
姜宇[7]（2016）在《多级伺服阀驱动的液压执行器非线性前馈控制》一文中研究指出为了满足自由活塞发电机(FPLG)中液压执行器对高频率和大行程的要求,设计了一种多级伺服阀驱动的液压执行器非线性前馈控制器。主要包括一个双动液压工作的活塞和一个叁阶段成比例的伺服阀驱动。提出的前馈控制器结合传统的反馈控制方法,并基于反演模型生成前馈控制算法,在考虑了系统的预测负载力的条件下,前馈控制器接受液压执行器上承受的预测动态负载作为输入,用于跟踪预期轨迹的最佳输入信号。通过模拟测试验证了该控制器的有效性和实用性,满足了自由活塞式发电机发展的需要。(本文来源于《机床与液压》期刊2016年15期）
袁光耀[8]（2016）在《基于非线性滤波优化的前馈神经网络训练方法研究》一文中研究指出人工神经网络技术(ANN)经过几十年的发展,其相关的理论体系也越发完善。随着研究的不断深入,其在模式识别、故障诊断、最优控制、目标追踪以及金融时序预测等领域取得了广泛的研究和应用。决定神经网络使用效果好坏的关键在于训练算法,已有的训练算法对于问题规模较小、训练数据未受噪声污染的情况能够取得较为理想的训练效果。但是在当前新形势的应用背景下,问题规模往往较大、训练数据也更易受噪声污染,传统的训练算法无论是在收敛速度还是在训练精度上均不能满足要求。非线性滤波算法作为非线性系统状态的最优估计,已经广泛应用与参数估计、系统辨识等领域,其对于噪声的适应能力强,具有全局优化的能力。经过国内外众多专家学者的共同努力,已经成功将非线性滤波算法应用于神经网络的训练,取得了良好的训练效果。本文在具体分析神经网络以及非线性滤波理论发展现状的基础上,提出了两种基于最新非线性滤波研究成果的前馈神经网络训练算法。现有利用扩展卡尔曼滤波(EKF)对多层感知器神经网络进行训练的过程中,存在较大的一阶舍入误差从而影响神经网络的训练效果;利用不敏卡尔曼滤波(UKF)对多层感知器训练过程中存在参数选取复杂,容易产生非正定的问题。针对以上问题,本文首先提出了一种基于最新非线性滤波研究成果——容积卡尔曼滤波(CKF)的多层感知器训练方法。考虑到非线性滤波算法是在状态空间模型下实施的,首先将多层感知器的连接权值以及偏置节点作为状态向量,将网络的输出作为量测建立多层感知器的状态空间模型;然后利用系统的量测信息并结合CKF算法得到连接权值向量的最优估计,从而完成网络的训练;最后通过一个典型的非线性系统方程以及Mackey-Glass时序预测对所提方法进行验证,结果表明所提训练方法相比于已有方法不仅训练精度有所提高,而且效率更好。考虑到高斯-牛顿迭代策略能够充分利用已有信息来提高非线性模型参数的估计精度,本着提高已知信息的的利用率、进一步提高神经网络的训练精度为目的,提出了一种基于迭代容积卡尔曼滤波(ICKF)算法的径向基神经网络训练方法。首先详细分析径向基网络与多层感知器网络隐含层激活函数工作方式的不同;其次将径向基函数的中心节点以及输出层的连接权值共同作为状态向量建立径向基网络的状态空间模型;然后将ICKF引入径向基网络的训练;最后通过一个单输入单输入以及一个多输入多输出模型对所提方法进行验证,结果表明所提方法不仅能有效提高单输入单输出模型的训练精度,而且对于多输入多输出模型也同样适用。(本文来源于《河南大学》期刊2016-06-01）
高铭[9]（2016）在《两类随机前馈非线性系统的状态反馈控制问题》一文中研究指出自从随机稳定性理论被建立以来,对于随机反馈(下叁角)非线性系统的稳定性分析问题在近几年取得了很多成果。随机前馈系统,也称为随机上叁角系统,是另外一类随机非线性系统中比较重要的研究对象。从理论角度来讲,前馈系统是不可反馈线性化的,并且传统的反推设计方法很难镇定此类系统。从某种程度上讲,对于此类系统的控制问题的研究要比反馈系统的困难一些。另一方面,一些简单的物理模型,如小车单摆系统带有摩擦项的球杆系统等,可以被描述成带有前馈形式的方程式。因此,随机前馈非线性系统的研究具有理论和实际意义。本文主要研究了两类随机前馈非线性系统的状态反馈镇定问题,主要内容如下:1.研究了一类具有严格前馈形式的随机非线性系统的状态反馈镇定问题。通过使用齐次占优理论,构造出一个状态反馈控制器进而使得闭环系统是依概率全局渐近稳定的。2.研究了一类随机高阶前馈非线性系统的状态反馈镇定问题。通过使用齐次占优方法和引入合适的坐标变换,为闭环系统构造出一个状态反馈控制器进而使其是依概率全局渐近稳定的。(本文来源于《渤海大学》期刊2016-06-01）
刘庆荣[10]（2016）在《前馈非线性系统的构造性控制设计研究》一文中研究指出近年来,针对前馈非线性系统所提出的动态/静态增益控制设计方法,因其避开了繁杂的前推设计过程,而引起了科研人员的广泛关注。运用动态/静态增益控制设计方法,可以把控制设计问题转化为一个待定参数的构造问题,控制设计程序和所得到的控制器结构都很简单。研究前馈系统常用的方法有前推方法和饱和控制方法等。当前有些文献开始用动态/静态增益控制设计方法,研究无时滞的前馈非线性系统的控制设计问题。考虑到时滞现象的广泛存在性、以及计算机控制的广泛应用性,本论文运用动态/静态增益控制设计方法,致力于研究时滞前馈非线性系统的全局渐近镇定问题和无时滞前馈系统的采样数据反馈镇定问题。在论文的第二章,针对状态和输入变量均含有分布时滞的前馈非线性系统,创造性地运用动态增益控制设计方法,构造出了全局镇定系统的控制器。设计过程中,首先引入一种巧妙的非线性变换,把状态和输入均带分布时滞的前馈系统转化成仅有状态带分布时滞的前馈非线性系统。然后,针对这个新的前馈非线性系统,再引入另一个合适的状态变换,从而把控制设计问题转化为动态参数的设计问题。最后,通过对系统中非线性项的精细估计,设计出动态参数,进而给出系统的状态反馈控制器和输出反馈控制器,使得由原给定系统和控制器形成的闭环系统,在原点实现全局渐近稳定。在论文的第叁章,针对状态和输入均含有离散和连续时滞的前馈非线性系统,研究了镇定控制设计问题,所研究系统的非线性项满足函数增益的增长条件。此类问题的研究难度远远超过线性增长条件下的前馈时滞系统的控制设计研究,因而这是一个具有重要研究价值且具有挑战性的课题。设计过程中,首先借助牛顿—莱布尼兹公式,构造出了一种新颖的非线性变换,在此变换下,将状态和输入均含有时滞的前馈非线性系统转化为本质上只有状态含有时滞的新系统。再通过大量的精细的数学估计运算,给出了非线性项的估计式。在不断估计的过程中,设计出了最初给定的前馈时滞非线性系统的状态反馈控制器,而且在给出控制器的同时,也给出了分析闭环系统全局稳定性的李雅普诺夫泛函。在论文的第四章,针对状态和输入均含有离散和分布时滞的前馈非线性系统,应用模型变换,构造出了形式简单、不含时滞的状态反馈控制器,使得前馈非线性系统和控制器构成的闭环系统达到全局渐近稳定。在论文的第五章,针对一类前馈非线性系统,在线性增长条件下,利用静态增益控制设计方法,构造了前馈系统的采样数据状态反馈控制器。设计了合适的状态变换,把状态反馈控制器的设计问题转化为一个常值参数L的设计问题。从理论上讲,一个充分大的L总是可以找到,使得采样控制器能够全局镇定最初给定的系统。然而,过大的选取L,将使得控制器的增益变得过小,进而降低控制器的实际控制效能。因此,在能够保证闭环系统稳定的前提下,应该选取尽可能小的参数L。(本文来源于《中国石油大学(北京)》期刊2016-05-01）
非线性前馈论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于低增益齐次占优技术和坐标变换等方法,针对随机前馈并且输入和状态均有时间延迟现象的非线性系统,主要研究其状态反馈控制问题.通过构造合适的Lyapunov泛函,巧妙地设计出了一个与时间延迟互为独立的状态反馈控制器,该控制器可以使整个闭环随机系统的平衡点是依概率全局渐近稳定.最后,仿真示例表明了该控制器设计方法是行之有效的.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性前馈论文参考文献
[1].徐子睿,许素安,富雅琼,洪凯星,徐红伟.基于Duhem前馈逆补偿的压电陶瓷迟滞非线性自适应滑模控制[J].传感技术学报.2019
[2].井青翠,王天成.一类随机前馈时变时滞非线性系统的状态反馈控制[J].鲁东大学学报(自然科学版).2019
[3].尹球洋,王学华,徐林.一种实用前馈在逆变器带非线性负载中的应用[J].电力电子技术.2018
[4].鲜斌,郑国周,刘世博.基于神经网络前馈的无人直升机非线性鲁棒控制设计[J].传感器与微系统.2018
[5].崔晶,王思宇,楚中毅.高加速度运动系统的非线性摩擦前馈补偿控制[J].光学精密工程.2018
[6].方楚,郭劲,徐新行,姜振华,王挺峰.压电陶瓷迟滞非线性前馈补偿器[J].光学精密工程.2016
[7].姜宇.多级伺服阀驱动的液压执行器非线性前馈控制[J].机床与液压.2016
[8].袁光耀.基于非线性滤波优化的前馈神经网络训练方法研究[D].河南大学.2016
[9].高铭.两类随机前馈非线性系统的状态反馈控制问题[D].渤海大学.2016
[10].刘庆荣.前馈非线性系统的构造性控制设计研究[D].中国石油大学(北京).2016
论文知识图
