基于间接自适应的动态递归模糊神经网络控制设计 (2004年)

简介：
本文提出了一种基于间接自适应的动态递归模糊神经网络控制系统的设计方法。该系统能够有效应对非线性系统的复杂控制问题，通过不断学习和调整参数实现对未知或难以建模的动力学过程的有效控制。此创新控制策略在多个仿真场景中展现了优越性能。 针对仿射非线性系统提出了一种基于动态递归模糊神经网络（DRFNN）的间接自适应控制器。该控制器利用DRFNN在线估计系统的动态非线性映射，并根据李亚普诺夫稳定性理论推导出用于调整DRFNN参数的自适应算法，同时使用投影算法确保参数向量保持在约束集合内。当应用自适应DRFNN进行动态非线性映射的在线估计时，仅采用被控系统的单个状态变量作为输入，避免了增加输入数量导致网络结构膨胀的问题，并加快了收敛速度。仿真结果表明：由自适应DRFNN构成的控制器可以使系统具备满意的跟踪性能。