模糊神经网络迭代学习

扰动抑制

针对复杂非线性系统的模型预测控制策略,通过模糊神经网络估计外部扰动,实现建模误差与跟踪误差的同步收敛。

韩红桂 · Chen-Yang, Wang · 孙浩源 · 杨宏燕 · 乔俊飞

IEEE Transactions on Fuzzy Systems 2023

技术优势

扰动被显式估计并补偿

利用模糊神经网络估计数据驱动模型中的未知扰动项,将系统不确定性纳入控制设计,从而主动消除扰动影响。

实现双误差同时收敛

理论证明所设计的控制器能使建模误差和跟踪误差均逐步减小,保证了闭环系统的稳定性,为高精度跟踪提供保障。

无需精确机理模型

采用动态线性化技术建立数据驱动模型,仅依赖输入输出数据,免去复杂非线性系统精确建模的负担。

应用场景