双耦合电机自适应神经网络的反演控制及其仿真.docx

摘要：双耦合电机控制系统是特殊机械手的一种结构形式，现在广泛应用于现代工业中。众多的事实已经证明了神经网络的适应能力极其强大，而且任意连续有界非线性函数的逼近程度能力较强，对于那些高度非线性和系统严重不确定性的控制方面，他呈现了他独特的优越长处。而在神经网络中的RBF神经网络拥有简单的拓扑结构，它的收敛速度相较于其他神经网络更快，适应的能力更强；因而被科学家们证明了RBF网络能够在任意的精度下，逼近任意的连续函数。本文就是采用自适应控制和神经网络相结合来设计一种基于RBF神经网络反演算法的双耦合电机的自适应控制方案。首先，对控制对象进行数学建模，之后进行了精确模型下的反演控制器的设计和稳定性分析，证明所要设计的控制律稳定；然后，又在未知模型下进行自适应RBF神经网络反演控制器的设计，通过Lyapunov稳定性证明得到所设计的系统稳定可靠，最后，在未知模型下的自适应RBF神经网络反演控制器为例子，在MATLAB/Simulink下进行了仿真分析。

关键词：RBF神经网络、反演算法、自适应控制、非线性、Lyapunov函数

目录

摘要

Abstract

一、绪论1

1.1电机的分类及应用1

1.2电机控制的简介2

1.3自适应控制简介3

1.4自适应控制系统分类4

二、神经网络控制方式4

2.1自适应神经网络的研究背景4

2.2神经网络控制发展的简介5

2.3现代自适应神经网络控制系统的研究现状8

2.4 RBF神经网络简介9

2.4（1）RBF神经网络的特点.10

2.4（2）RBF神经网络与BP神经网络的比较.10

2.4.1李雅普诺夫稳定性理论11

2.5 本文的主要研究目标.12

三、双耦合电机的数学建模和控制13

3.1对系统数学建模13

3.2精确对象的反演控制15

3.3无需模型信息的神经网络反演控制17

四、在Simulink中建模和仿真21

4.1Simulink的介绍21

4.2Simulink的S-函数21

4.2.1系统在Simulink中建模22

4.3控制器S函数23

4.4被控对象S函数23

4.5仿真结果26

4.6仿真分析27

结束语30

文献31

致谢32

附录1.33