公开(公告)号：CN117891165A

公开(公告)日：2024-04-16

申请号：CN202311737352.0

申请日：2023-12-15

Applicant: 上海大学

Inventor： 徐梁 ,  嵇逸舟 ,  钱家俊 ,  任肖强 ,  汪小帆 ,  彭艳

IPC: G05B13/04

Abstract: 本发明涉及一种基于改进的结构化神经网络的控制器设计方法和系统。设计方法包括：在数据收集模块中对被控制对象的初始状态进行采样，并作为采样数据存储于数据库中；提取数据库中的采样数据，并将其用于在数据训练模块中使用PyTorch和Adam优化器执行训练；提取数据训练模块中训练完成的数据，作为次深度神经网络控制器的输入；将所述次深度神经网络控制器的输出，作为主深度神经网络控制器的权重，并在控制器优化模块中执行控制器的优化。设计系统包括数据收集模块、数据训练模块、次深度神经网络控制器模块、主深度神经网络控制器模块及控制器优化模块。本发明提出的基于改进的结构化神经网络的控制器，提高了控制器的稳定性和适应性。

公开(公告)号：CN118226753A

公开(公告)日：2024-06-21

申请号：CN202410284150.3

申请日：2024-03-13

Applicant: 上海大学

Inventor： 徐梁 ,  钱家俊 ,  嵇逸舟 ,  任肖强 ,  柳春 ,  刘晗笑 ,  汪小帆 ,  彭艳

IPC: G05B13/04

Abstract: 本发明涉及一种针对轨迹跟踪控制问题的结构化神经网络控制器设计方法和系统。该方法包括以下步骤：根据运动物体的信息，构建所述运动物体的动态模型，分析所述运动物体的动力学特性；构建输入凸神经网络；构建拉格朗日神经网络；执行系统模型信息精确已知时的神经反步控制器设计；使用所述输入凸神经网络改善所述拉格朗日神经网络的结构，执行系统模型未知时的神经反步控制器设计。该系统包括以下模块：动力学特性分析模块，凸神经网络构建模块，拉格朗日神经网络构建模块，被配置为在其中构建拉格朗日神经网络，第一神经反步控制器设计模块，第二神经反步控制器设计模块。本发明提出的神经反步控制器具有稳定性保证和性能保证，针对任意可行的深度神经网络参数都是稳定的，且能够通过优化参数来提升性能，在系统存在扰动或模型不确定性的情况下，也能保证稳态跟踪误差是有界限的。