RBF型神经网络预测控制在卫星姿态仿真系统中的应用技术研究与试验
随着航天技本的发展,对卫星姿态和轨道控制的可靠性和稳态精度的要求越来越高.针对该领域中被控对象结构复杂,非线性严重等特点,提出了神经网络和预测控制相结合的方法,对卫星姿态仿真系统进行了建模与控制.首先,根据过程实测的输入输出数据,将实际对象输出的过去值包含进RBF网络的输入层,从而得到一动态神经网络,作为控制中非线性系统的预测模型.并且提出了一种在线自适应跟踪辨识方法,既利用了系统的已知规律,提高了辨识的可靠性,又使得网络结构不必过于庞大,改善了实时性.进而,在这个动态神经网络的基础上,设计了基于神经网络的非线性预测控制方案.主要介绍神经网络内模控制,阐述了内模控制器的设计,并采用了对象-正模型-逆系统的实现方法,取得了很明显的效果. 最后,将上述的神经网络内模控制应用于气浮台仿真系统,实验证明该方法对于非线性时变系统切实可行、效果良好,具有较强的鲁棒性,对今后的应用具有一定的指导意义.
RBF网络;内模控制;k-means聚类法;Lyapunov稳定性;气浮台
北京化工大学
硕士
检测技术与自动化装置
韩建国
2003
中文
V474.2
66
2004-04-08（万方平台首次上网日期，不代表论文的发表时间）