基本信息
- 项目名称：
- 基于新的指数稳定性定理的一般Brunovsky系统神经网络学习控制
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 机械与控制
- 大类：
- 自然科学类学术论文
- 简介：
- 在本文中，基于确定学习控制理论，以一种普通的Brunovsky系统为参考，研究确定性学习过程。为了解决一类非线性系统的自适应控制参数的收敛问题，提出并证明了一种新的指数稳定性定理。 此指数稳定定理可进一步推广到多变量系统的学习控制中。
- 详细介绍：
- 人们在一个世纪以前就已经开始了对人脑学习能力的模拟研究，取得一定的成果，这些理论都借鉴了人脑处理实际问题时的一个特点：通过一段时间的学习训练，能够学到相关的知识，并可以用学到的知识来解决实际问题。如：统计学习可以用来对多个不同静态模式进行分类，通过学习的神经网络也可以用来进行静态模式的分类和未知函数的逼近，但他们存在一个共同的不足，即只能对知识进行空间描述，缺乏时间上的描述能力。...(查看更多)
作品专业信息
撰写目的和基本思路
- 写作目的：在现有结论的基础上，提炼出一种新的指数稳定性方法，并将其应用到未知系统的确定学习控制中。 基本思路：基于神经网络控制已有的结论，提出并证明了一种新的指数稳定性定理，继而将其应用到未知系统的稳定性分析中，并通过实例仿真，以较好的系统参数收敛效果验证该指数稳定定理的可行性。
科学性、先进性及独特之处
- 本作品是以最近提出的确定学习控制理论为基础的，相比神经网络自适应控制，确定学习理论实现了对未知系统的精确逼近，并将学习到的知识存储到固定权值的神经网络中，应用到实际的控制中。其亮点在于新的指数稳定定理的提出，该理论大大简化了系统参数收敛性的证明过程，且可以推广到相关问题的证明中。
应用价值和现实意义
- 本作品是确定学习控制的理论成果，较好的实例仿真效果表明该理论可以应用到实际非线性控制中，目前该理论已经在很多领域得到应用，并取得较好成果，比如：动态模式识别、机器人控制、故障诊断等，随着进一步研究，相信他会有更大的利用价值和空间。
学术论文摘要
- 在本文中，基于确定学习控制理论，以一种普通的Brunovsky系统为参考，研究确定性学习过程。为了解决一类非线性系统的自适应控制参数的收敛问题，提出并证明了一种新的指数稳定性定理。在此，首先考虑闭环标称系统的指数稳定性；然后，根据提出的指数稳定性定理，在相应的持续激励得到满足的条件下，研究了未知非线性系统的神经网络权值的指数收敛性。从而实现对未知动态的学习控制，神经网络在局部范围...(查看更多)
获奖情况
- 时间：2011年3月26—28日 地点：中国江苏省南京市 会议：信息科学与技术国际会议
鉴定结果
- 在信息科学与技术国际会议上发表 被EI收录
参考文献
- [1] K. S. Narendra and K. Parthasarathy, “Identification and control of dynamic systems using neural networks,” IEEE Trans. Neural Networks, vol. 1, no. 1, pp. 4-27, 1990. [2] R. M. Sanner an...(查看更多)
同类课题研究水平概述
- 人们在一个世纪以前就已经开始了对人脑学习能力的模拟研究，取得一定的成果，这些理论都借鉴了人脑处理实际问题时的一个特点：通过一段时间的学习训练，能够学到相关的知识，并可以用学到的知识来解决实际问题。但他们存在一个共同的不足，即只能对知识进行空间描述，缺乏时间上的描述能力。 上世纪八十年代以来，被视为对人脑模拟的人工神经网络得到快速发展，它的应用极其广泛，人工神经网络作为对人...(查看更多)
