基于动态递归神经网鲁棒观测器研究.pdfVIP

‘中疆控倒台议论文釉，B36-铀4 1998年9月16-22日，浙江宁渡 基于动态递归神经网的鲁棒观测器研究 戴琼海武宏伟王普李衍达 清年太学自动亿毒 100084 摘要： 拳文钟对一丧非线性的单输八单输出(SIS0)系坑·用动态逆归神经网烙(DRNN)研 究了一种构造非线性观测嚣的方法t这种现测嚣具有m下几个特点：1、神经网络 的权系数矩阵在践白适应学习，无需离践学习：2、无需精确了解非绒性函数，时 系统的未知参数不要求是线性的：3、对莱一类型的非线性系统具有普适性。本文 对所设计的神经网观测嚣培出了稳定性和参数有界性的证明·并培出了仿真实验及 简要分析。 关链-V-：动态递归神经网烙、非线一生系统、观测嚣 一、刚 置 大多数非线性控制器都假设系统的状态已知，而在实际应用中，由于种种 原因。人们通常无法直接获得所有状态。此时，就需要构造观测器以估计状态。 一般认为，状态观测器受其它动态系统(对象)的输出结果影响．输出量收敛 至对象的状态量。 皂龙贝格(Luenbergor)观测器起，人们一直致力于非线性观测器的研究。 早期的工作主要是通过各种线性化方法来实现，比如广义卡尔曼(Kalman) 滤波及伪线性化方法．这种方法通常耍求对被观测系统准确建模，这在实际应 用中报难做到。非线性观测器的第二个发展阶段是非线性自适应观测器。这种 方法倔定被观测系统的未知常参数线性，在满足一定的几何条件下，通过非线 性坐标变换．得到设计自适应观测器所需的标准型，自适应观测器对一类非线 性系统能够以任意的速度收敛。但是，这种方法所要求的参数线性及坐标变换 时需满足的条件，在实际应用中通常很难满足。 神经网络在多种领域都得到了充分的应埘，比如模式识别，联想记忆毗及 非线性系统的逼近等等。神经网络可任意逼近任何光滑函数的性质在控制理论 中得到了广泛的应用，比如系统辨识和基于辩识的间接控制等。近几年，利刚 神经网络设计非线性观测器也有了一定发展，神经网络非线性观测器通常有两 类，一类需要离线学习，如径向基函数神经网络观测器，以及Levin和Nerandra 针对一类非线性系统提出的状态估计方法：另一类就是在线学习的，以Y．H．Kim 和F．L．Lewis…提出的动态递归神经网观测器为代表。 本文综合动态神经网络及自适应方法的优点，针对仿射非线性系统提出了 设计观测器的方法。这种观测器包括两部分，一是线性部分，控制观测器的收敛速度，这 部分没计可以用龙贝格方法完成；另一部分是，茸前馈神经网络构造的非线性部分．获得估 计量的非线陛特性。在文章的以后部分，作者将证明：吠态估计误差和权重系数误差是有界 的。 二、准备知识 定义2．1单输出线性系统如以下微分方程描述： fl=Ax，x∈月” 1y：Crz，∥∈R 如果A，C分别具有以F形式，则称系统是观测规范型。 0 1 O O 1 O O l 0 O ● ： A= C= 0 0…Ol O 0 O O…O O 引理2．3给定标量y≥0，向量bC以及渐进稳定矩阵A，正定阵￡，如果 冬+c7+(，，一一)6是严格正实的，那么存在正定矩阵P，使得以下并式成立： m