论文部分内容阅读
针对任意复杂非线性系统，提出一种通用的RBF网络动态系统逆控制方案，并提出了一种通过对聚类半径进行“粗调”和“细调”的最近邻聚类学习算法，利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络动态逆控制与PID控制相结合的在线自学习控制策略。仿真研究证明，该控制策略不仅能使多种非线性对象跟踪多种参考信号，而且抗干扰能力和鲁棒性也很好。