公开(公告)号：CN114326405A

公开(公告)日：2022-04-12

申请号：CN202111669359.4

申请日：2021-12-30

Applicant: 哈尔滨工业大学

Inventor： 高会军 ,  郑晓龙 ,  温克寒 ,  李湛 ,  杨学博

IPC: G05B13/04

Abstract: 一种基于误差训练的神经网络反步控制方法，解决了现有神经网络反步控制方法收敛速度慢以及神经网络不能准确估计未建模动态进而导致系统跟踪误差较大的问题，属于非线性系统的神经网络反步控制方法领域。本发明包括：S1、建立含有未建模动态的非线性n阶系统状态空间模型，状态变量为[x1，...，xn]T；S2、确定误差变量z1和zi，z1＝x1‑yd，zi＝xi‑αi‑1，其中，αi‑1表示虚拟控制函数；S3、建立误差zi的微分估计器，微分估计器的输入为zi，输出为为的估计；S4、利用S3得到的计算当前径向基神经网络的估计误差，基于估计误差对神经网络的权重进行梯度下降训练，得到S5、根据αn、计算非线性系统的控制输入信号。

公开(公告)号：CN114326405B

公开(公告)日：2023-04-07

申请号：CN202111669359.4

申请日：2021-12-30

Applicant: 哈尔滨工业大学

Inventor： 高会军 ,  郑晓龙 ,  温克寒 ,  李湛 ,  杨学博

IPC: G05B13/04

Abstract: 一种基于误差训练的神经网络反步控制方法，解决了现有神经网络反步控制方法收敛速度慢以及神经网络不能准确估计未建模动态进而导致系统跟踪误差较大的问题，属于非线性系统的神经网络反步控制方法领域。本发明包括：S1、建立含有未建模动态的非线性n阶系统状态空间模型，状态变量为[x1，...，xn]T；S2、确定误差变量z1和zi，z1＝x1‑yd，zi＝xi‑αi‑1，其中，αi‑1表示虚拟控制函数；S3、建立误差zi的微分估计器，微分估计器的输入为zi，输出为为的估计；S4、利用S3得到的计算当前径向基神经网络的估计误差，基于估计误差对神经网络的权重进行梯度下降训练，得到S5、根据αn、计算非线性系统的控制输入信号。