论文部分内容阅读
在了解混沌非线性动力系统特征的基础上,本文就混沌非线性系统的智能控制方法进行了研究。 首先采用网络结构及其算法直观、简单,研究和应用较为成熟的BP及其改进算法的神经网络,以OGY混沌控制策略为基础,分别用线性和非线性函数训练网络,产生混沌稳定所需的时间序列小扰动控制信号,并用所设计的方法对二维Henon混沌非线性映射进行了有效的控制。 其次,利用一种学习过程收敛速度快、拟合能力强的RBF神经网络,以OGY法为依据,训练网络成为混沌控制器,仍以Henon映射作为混沌控制对象,对其混沌行为实施了成功控制。然后针对大多数混沌非线性系统由线性函数和非线性函数两部分构成的特点,用RBF网络补偿系统非线性部分,使原系统变成近似线性系统,再结合线性状态反馈控制技术,对Lorenz方程和Duffing振子进行了非线性补偿控制。 再次,提出一种基于不确定混沌系统输入输出的智能模糊建模及其自适应控制混沌运动策略。利用高斯模糊隶属函数和最小二乘法,在无需求解系统不动点的情况下,可将混沌运动镇定到任意指定目标位置。仿真结果表明采用所提出的方法建模精度高,控制响应速度快,且具有良好的鲁棒性。 最后,设计了一种新型混合神经模糊逻辑推理系统,该系统仅从输入输出样本数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便很容易修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。为证实所设计系统的性能,用Mackey-Glass混沌时间序列作模拟试验,结果表明了该系统的有效性。