高级搜索

不确定混沌系统的径向基函数神经网络反馈补偿控制

downloadPDF

上一篇

下一篇

曾喆昭*. 2013: 不确定混沌系统的径向基函数神经网络反馈补偿控制, 物理学报, null(3): 60-65. doi: 10.7498/aps.62.030504
引用本文: 曾喆昭*. 2013: 不确定混沌系统的径向基函数神经网络反馈补偿控制, 物理学报, null(3): 60-65. doi: 10.7498/aps.62.030504
shu
2013: Feedback compensation control on chaotic system with uncertainty based on radial basis function neural network?, Acta Physica Sinica, null(3): 60-65. doi: 10.7498/aps.62.030504
Citation: 2013: Feedback compensation control on chaotic system with uncertainty based on radial basis function neural network?, Acta Physica Sinica, null(3): 60-65. doi: 10.7498/aps.62.030504
shu

不确定混沌系统的径向基函数神经网络反馈补偿控制

  • 长沙理工大学电气与信息工程学院,长沙 410076

    • 通讯作者: 曾喆昭*

Feedback compensation control on chaotic system with uncertainty based on radial basis function neural network?

    Corresponding author:

  • 摘要: 对不确定混沌系统控制问题,研究了一种基于径向基函数神经网络(radial basis function neural network, RBFNN)的反馈补偿控制方法.该方法首先用RBFNN对混沌系统的动力学特性进行学习,然后用训练好的RBFNN模型对混沌系统进行反馈补偿控制.该方法的特点是不需要被控混沌系统的数学模型,可以快速跟踪任意给定的参考信号.数值仿真试验表明了该控制方法不仅具有响应速度快、控制精度高,而且具有较强的抑制混沌系统参数摄动能力和抗干扰能力.
    Abstract: For the problem of controlling uncertain chaotic systems, a method of feedback compensation control based on the radial basis function neural network (RBFNN) is studied. In the proposed method, dynamic properties of chaotic system is first trained by RBFNN, and then feedback compensation control for chaotic system is implemented using trained good RBFNN model. The characteristics of this method is that this method can quickly track any given reference signal with on requirement for any mathematic model of controlled chaos system. The numerical simulation results show that the proposed control method not only has the fast response speed, high control accuracy, but also has a stronger ability to suppress parameter perturbation and to resist interference to chaos system.
  • 加载中
  • 加载中
计量
  • 文章访问数:  349
  • HTML全文浏览数:  113
  • PDF下载数:  14
  • 施引文献:  0
出版历程
  • 刊出日期:  2013-02-15

不确定混沌系统的径向基函数神经网络反馈补偿控制

    通讯作者: 曾喆昭*
  • 长沙理工大学电气与信息工程学院,长沙 410076

摘要: 对不确定混沌系统控制问题,研究了一种基于径向基函数神经网络(radial basis function neural network, RBFNN)的反馈补偿控制方法.该方法首先用RBFNN对混沌系统的动力学特性进行学习,然后用训练好的RBFNN模型对混沌系统进行反馈补偿控制.该方法的特点是不需要被控混沌系统的数学模型,可以快速跟踪任意给定的参考信号.数值仿真试验表明了该控制方法不仅具有响应速度快、控制精度高,而且具有较强的抑制混沌系统参数摄动能力和抗干扰能力.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回