摘要:
为降低非线性观测器对模型精度的依赖性, 提出一种非传统的神经网络观测器设计方法。该神经网络为三层前馈网络, 采用带修正项的误差反传算法进行训练, 以保证控制的精度和权值有界, 利用神经网络识别系统的非线性部分, 并结合传统的龙伯格观测器重构系统状态; 利用Lyapunov 直接法保证基于权值误差的非观测器的稳定性, 并将该观测器应用于机器人轨迹跟踪控制中。仿真结果表明, 该方法解决了模型不确定系统状态观测问题, 适用于模型精度较低的非线性系统。
中图分类号:
姜寅令, 李艳辉, 王海星. 改进的神经网络观测器在非线性系统中的应用[J]. 吉林大学学报(信息科学版), 2015, 33(4): 471-.
JIANG Yinling, LI Yanhui, WANG Haixing. Improved Neural Network State Observer Designed for Nonlinear System[J]. Journal of Jilin University(Information Science Ed, 2015, 33(4): 471-.