一、混沌系统的神经网络控制（论文文献综述）
徐紫辉[1]（2021）在《基于RBF神经网络控制的分数阶混沌系统同步研究》文中研究说明随着通信技术领域的进步与混沌科学的研究影响深入到各个学科,再加上分数阶微积分理论解决了整数阶所不能解决的问题,分数阶混沌系统和分数阶控制方法已经得到很大的关注。分数阶混沌系统凭借其灵活性好、鲁棒性好、精度高等特点,被广泛应用在图像加密、生物工程、物理科学等领域并且取得了挑战性成果。在研究系统同步问题上,整数阶系统的同步占具大多数,但对分数阶系统同步来说就鲜有研究。传统的整数阶系统描述已不满足工程领域的高复杂性和易实现性等多重要求,因而分数阶混沌系统的同步控制越来越受到广泛外界关注,并且对传统控制方法具有极其重要的意义。针对分数阶混沌系统的同步,目前有很多方法,比如,滑模控制、柔性控制、模糊控制等。在众多方法中,RBF神经网络控制因其有很强的自抗干扰性而脱颖而出,使得系统具有很强的鲁棒性,并且可以很好的结合其它控制方法,使得基于RBF神经网络控制器拥有更好的灵活性、精确性、可实现性。本文从分数阶微积分理论、Lyapunov稳定性理论、有限时间控制理论、RBF神经网络参数、自抗干扰理论、状态观测器理论、滑模控制和永磁同步电机等理论知识出发。首先对带有时滞的分数阶超混沌系统进行了RBF自适应控制;然后对系统内部未知参数、外部扰动的超混沌系统实现了基于RBF控制的有限时间内同步;最后将RBF控制器应用于实际系统永磁同步电机当中,进行电机转子转速控制。主要内容如下:首先,介绍了分数阶混沌系统RBF同步控制的课题背景和意义,对分数阶混沌系统理论、分数阶同步控制及神经网络特别是RBF神经网络控制现阶段国内外研究状况进行了详细的介绍。为RBF神经网络控制应用到分数阶超混沌系统和永磁同步电机实际系统的同步控制中提供可靠的现实基础。紧接着,介绍了同步控制的理论依据分数阶微积分,具体包括微积分定义、性质、同步控制方法,重点介绍了滑模变结构、永磁同步电机、RBF神经网络控制的发展进程、基本原理与设计策略,给本文的研究提供了坚实的理论依据。其次,设计了一种自适应滑模控制方法,实现了简单分数阶模型的完全同步,在此基础上针对一类时变时滞且带有干扰的分数阶超混沌系统同步控制问题,设计了一种满足要求的RBF神经网络整数阶自适应率的控制器,解决了分数阶超混沌系统时滞和外界干扰问题,最终实现驱动系统和响应系统完全同步。运用MATLAB进行数值仿真,实现了分数阶超混沌系统Chen系统的同步,仿真结果表明,基于RBF神经网络的控制器比自适应滑模控制器具有更好的鲁棒性和快速性,可以有效抑制抖振。然后,针对两类不同分数阶系统的同步进行了基于RBF神经网络控制的设计,首先针对同结构分数阶系统,设计了一种有效的RBF神经网络控制器,实现了同结构分数阶系统的完全同步;其次针对异结构带有干扰的超混沌系统的有限时间同步控制问题,分别设计RBF神经网络控制策略和状态观测器策略来消除干扰中的内部不确定项和外界干扰,提出一种新型的自适应滑模面;基于有限时间稳定性理论与Lyapunov稳定性理论,提出具有强鲁棒性的有限时间滑模控制器。通过改变控制器中的参数和引入RBF神经网络控制使存在不确定项外界干扰的分数阶混沌系统最终实现有限时间分数阶超混沌系统滑模同步控制。通过MATLAB数值仿真的结果表明,所设计的控制器能够在有限时间内达到同步这一方案是有效且可行的。最后,对实际系统PMSM分别进行了滑模控制和RBF神经网络控制,首先通过对永磁同步电机的不确定性部分进行滑模动态补偿,验证了滑模控制对实际系统是有效可行的。接着将分数阶RBF控制器应用在永磁同步系统的转速控制当中,提高系统的鲁棒性降低抖振,通过MATLAB仿真数据结果验证了所设计控制器是实际可行的。
凌腾芳[2]（2021）在《基于电流控制型DC-DC变换器的混沌控制研究》文中指出随着社会和科技的发展,一些精密仪器对于电源的要求越来越高。传统的线性电源体积大、效率低下,而开关电源体积小,转换效率高、控制方法多样等优点使得开关电源的应用范围越来越广泛。DC-DC变换器作为开关电源的核心部分,含有大量分岔、混沌等现象,因此,将混沌动力学引入变换器是十分有必要的。一方面,利用混沌动力学能使得我们对DC-DC变换器的行为更加深入全面的了解,从而优化电源设计;另一面,从DC-DC变换器方向研究混沌、也能加快混沌动力学理论知识的发展。本文从以下三个方面对DC-DC变换器中的混沌现象进行了深入研究:（1）以电流控制型Buck变换器、电流控制型Boost变换器、电流控制型Buck-Boost为研究对象,研究了关于变换器的分岔和混沌理论。首先细致阐述了该变换器的工作原理,建立了该变换器的离散迭代模型,随后根据该模型编写MATLAB程序得到相轨图、分岔图、时序图,由仿真图形分析变换器的混沌产生机理。（2）针对传统参数共振微扰法的幅度值难以确定的问题,本文通过神经网络产生的输出作用于微扰控制器,微扰控制器对混沌系统参数进行微扰达到控制混沌的效果。并且利用遗传算法优化神经网络权值阈值,通过适应度函数来评判控制效果优劣。实验结果表明,该控制方法能迅速的将变换器的工作状态稳定在周期轨道内。（3）以STM32作为开关电源主控制器,分别设计控制电路、辅助电源电路、显示电路、采样电路和保护电路等,设计了一个实用的开关电源,需求如下:开关频率:72KHz,输入电压:5V-30V,输出电压:1V-30V,最大输出电流:3A,输出纹波:<100m V,输出电压误差:<0.2V。利用示波器对输出端相关参数测量显示,该电源的性能满足设计需求。
杨文贵[3]（2020）在《几类高阶和忆阻神经网络的稳定性和同步研究》文中进行了进一步梳理自20世纪80年代以来,人工神经网络便一直是人工智能领域的研究热点之一.它是对人脑神经元网络从信息处理的角度进行抽象,建立一个简单的数学模型,并根据不同的连接方式形成不同的网络.随着众多学者的不断深入研究,神经网络已经取得了很大的进展.它们在许多领域都表现出了良好的性能,例如自动控制、智能机器人、预测估计、智能计算、图像处理与模式识别等等.一方面,高阶神经网络比低阶神经网络在逼近性能、存储容量、收敛速度与容错能力方面存在巨大的优势,这些优势可以应用于并行计算、自适应模式识别、优化问题.另一方面,由于记忆电阻器具有高存储性能、小体积及非易失性的特点,基于忆阻器的神经网络引起了信号处理、可重构计算、可编程逻辑、基于脑机接口的控制系统等领域的广泛注意.神经网络的动力学行为近年来得到了深入研究,特别是稳定性和同步性问题.本文主要对两类高阶双向联想记忆神经网络的平衡点、周期解、概自守解的存在性和稳定性及两类忆阻神经网络的平衡点、周期解的稳定性和它们的驱动-响应系统的同步现象进行了研究.进一步,利用神经网络或模糊逻辑系统的逼近特性,对两类不确定分数阶非线性系统的自适应控制进行了研究,获得了一些有意义的成果.本文的主要贡献体现在以下几个方面:1)研究了带有连续分布式时滞的脉冲模糊高阶双向联想记忆神经网络平衡点和周期解的全局指数稳定性.应用不等式分析技巧、M-矩阵、同胚理论和Banach压缩原理,构造了一些合适的Lyapunov-Kravsovskii泛函,建立了所考虑系统的平衡点和周期解的存在唯一性和全局指数稳定的充分条件.并通过数值模拟展示了获得的理论结果的可行性和有效性.2)考虑了时间尺度上具有时变连接时滞的中立型高阶Hopfield双向联想记忆神经网络概自守解的存在性和全局指数稳定性.这里主要采用了时间尺度上指数型二分理论、Banach压缩原理和微分不等式分析技巧.系统不仅考虑了一阶中立项对神经网络的影响,而且研究了二阶中立项对神经网络的影响.进一步,研究了具有连续分布式连接时滞的高阶Hopfield双向联想记忆神经网络.对于时间尺度T=R或T=Z,获得的结果也是新的.并通过数值仿真说明了提出的主要理论结果的可行性.3)研究了一类同时具有时变时滞和连续分布式时滞的忆阻神经网络的稳定性和同步性问题.利用同胚理论、时滞微分积分不等式技巧和适当的Lyapunov-Kravsovskii泛函,在Filippov解的框架下,得到了一些新的忆阻神经网络平衡点的全局指数稳定和驱动-响应系统同步的充分条件.另一方面,研究了一类具有时变时滞和连续分布式时滞的Cohen-Grossberg型忆阻双向联想记忆神经网络周期解的稳定性.利用Banach压缩原理和脉冲时滞微分积分不等式,给出了周期解存在和全局指数稳定的充分条件.该方法也可用于研究具有时变时滞和有限分布时滞的脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络.在两类问题中可以利用求解不等式方法来估计出指数收敛率.另外,给出一些数值例子验证了所获得结果的实用性和1个获得的理论在伪随机数发生器中的应用.4)研究了具有混合时滞（异步时滞和连续分布式时滞）的脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络的稳定性和同步问题.应用不等式分析技巧、同胚理论和一些合适的Lyapunov-Kravsovskii泛函,建立了一些新的平衡点的存在唯一性和全局指数稳定的充分条件.在Filippov解、微分包含理论和控制理论的基础上,得到了系统全局指数滞后同步的几个充分准则.通过数值模拟,给出了3个例子说明所得结果的可行性和有效性.5)考虑了一类单输入单输出不确定非严格反馈分数阶非线性系统输出反馈控制问题.采用模糊逻辑系统逼近未知非线性函数,对不确定分数阶非线性系统进行建模.针对状态可测的情况,在返步法技术下,提出了一种自适应模糊状态反馈控制方案.针对状态不可测的情况,引入串并联估计模型,采用动态表面控制技术,提出了一种基于观测器的输出反馈控制设计方法.在参考信号的驱动下,利用Lyapunov函数理论,选择适当的设计参数,证明了所有信号的半全局一致最终有界性和对原点小邻域的跟踪误差.另外,给出2个数值模拟的例子来说明所提出的控制方法的有效性.6)研究了一类具有执行器故障和全状态约束的不确定非仿射非线性分数阶多输入单输出系统的自适应模糊容错跟踪控制问题.基于隐函数定理和中值定理,克服了非仿射非线性项的设计困难.然后,通过使用一些合适的模糊逻辑系统可以逼近未知的理想控制输入.通过构造障碍Lyapunov函数和估计复合扰动,提出了一种自适应模糊容错控制算法.此外,证明了在参考信号的驱动下,闭环系统中的所有信号都是半全局一致最终有界的,并且保证了非仿射非线性分数阶系统的所有状态都保持在预定的紧集内.并通过2个算例验证了所提出的自适应模糊容错控制方法的有效性.本文从理论上研究了几类高阶和忆阻神经网络的稳定性和同步问题及两类不确定分数阶非线性系统的自适应控制问题,所有获得的结果都经过了数值仿真的检验.最后,总结了本文的主要研究结果,并展望了未来的研究方向.
谷雅娟[4]（2020）在《基于忆阻器的分数阶神经网络的控制研究》文中研究说明神经网络是一门新兴交叉学科,始于20世纪40年代,是人工智能研究的重要组成部分,已成为脑科学、神经科学、认知科学、心理学、计算机科学、数学和物理学等共同关注的焦点.人工神经网络是模拟人脑神经系统,具有学习、联想、记忆和模式识别等智能信息处理功能的非线性系统.分数阶微积分作为整数阶微积分的推广,具有无穷记忆与遗传特性,有助于神经元高效的信息处理,并可以触发神经元的振荡频率的独立转变.分数阶微积分能很好的应用于神经网络的研究.此外,忆阻器作为第四种电路基本元件,具有时间记忆特性,这与生物大脑中神经突触的工作原理类似.因此,分数阶忆阻器神经网络具有更高的智能学习水平,具有重大的研究价值与应用潜力.另一方面,混沌同步的应用领域广泛,涉及物理学、力学、光学、电子学、化学、信息科学、生物学和动力系统保护等领域.尤其分数阶神经网络的混沌同步在保密通信、图像处理、模式识别等领域表现突出,具有广阔的应用前景.目前,有关分数阶神经网络的研究,大多基于Caputo分数阶微分定义,少数基于Riemann-Liouville（R-L）分数阶微分定义,这两种分数阶微分定义各有优势,两种分数阶系统的研究方法也并不相同.本文分别研究了Caputo型分数阶神经网络与R-L型分数阶神经网络的驱动-响应同步,研究模型包括忆阻器神经网络、竞争神经网络与惯性神经网络等.根据模型中参数已知、参数不确定和参数未知的情形,分别设计了有效的控制器,得到了实现同步的充分条件,并给出了数值模拟验证了理论结果的正确性与有效性.详细的工作介绍如下:1.有关Caputo型分数阶神经网络的研究,大多使用Lyapunov方法得到稳定性结果.但是该方法要求Lyapunov函数是连续可微的,仅适用于连续的分数阶系统.针对不连续的Caputo型分数阶神经网络,本文给出了连续不可微的Lyapunov函数的Caputo分数阶微分不等式,为分析不连续的Caputo分数阶系统提供了有力的理论工具.进一步地,通过该不等式,结合分数阶时滞系统比较定理与线性分数阶系统稳定性定理,得到了Caputo型分数阶忆阻器神经网络的同步条件.2.有关R-L型分数阶神经网络的研究结果和研究方法较少,本文研究了R-L型分数阶忆阻器神经网络的同步问题,给出了连续不可微的Lyapunov函数的R-L分数阶微分不等式,通过该不等式,构造包含R-L分数阶积分项的Lyapunov函数,根据R-L分数阶微积分的性质,通过Lyapunov直接方法得到R-L型分数阶忆阻器神经网络的同步条件.3.大量关于分数阶神经网络的研究,都假定神经网络的参数已知.而实际情况下,参数不可能确切知道,这些不确定因素将会破坏系统同步.针对参数未知的Caputo型分数阶神经网络与参数未知的R-L型分数阶忆阻器神经网络,分别设计了有效的自适应控制器及参数更新律,在实现驱动-响应同步的同时,也实现了对未知参数的准确估计.4.研究了带有不同时间尺度的R-L型分数阶竞争神经网络,考虑到短期记忆变量和长期记忆变量的不同特点,给出了分数阶阶数不同的竞争神经网络,分别给出了参数已知以及参数未知的不相容的分数阶竞争神经网络的同步条件,并将分数阶竞争神经网络的混沌同步应用于保密通信领域.5.首次将惯性项引入R-L型分数阶神经网络,给出了R-L型分数阶惯性神经网络模型,对应的动力学方程,包含系统状态的两个不同的分数阶导数项.进一步地,根据R-L分数阶微积分的性质,进行恰当的变量替换,将R-L型分数阶惯性神经网络转化成一般的分数阶神经网络,进而得到了R-L型分数阶惯性神经网络的稳定条件及同步条件.
张小青[5]（2020）在《计算智能GWO算法优化及其在运动控制中的应用》文中进行了进一步梳理工业生产和科学技术的发展与运动控制技术日益密不可分。永磁同步电动机性能优越,以其为被控对象的运动系统在各行各业中已占有举足轻重的地位。机器人功能强大,是人工劳动的优秀替代,已服务于众多行业中。无论是以单一的永磁同步电动机还是以复杂的机器人为被控对象的运动控制系统,都是一类非线性、强耦合多变量控制系统,传统优化方法已很难满足现代运动控制的高要求,而计算智能技术具备自适应能力及鲁棒性强的特点,为求解复杂的非线性运动控制系统的优化问题提供了新的途径。本文主要研究计算智能算法优化及其在运动控制系统中的应用,从算法改进与算法应用两方面展开研究。对苍狼优化算法及其改进进行研究。介绍与分析苍狼优化算法,证明算法具备全局收敛性。为增加搜索样本多样性及减小算法陷入局部最优的概率,提出了基于淘汰重组机制与变异算子的改进苍狼优化算法。引入衍生算法,得出淘汰重组机制与优秀搜索狼变异算子在功能上互相补充的结论。标准苍狼优化算法被称为静态苍狼优化算法,以减少搜索狼更新等待为目的,提出了两种动态苍狼优化算法。在动态苍狼优化算法中搜索狼的位置更新不需等待,及时更新,加快了算法的迭代收敛速度,使得算法具备了更强的竞争力。以动态苍狼优化算法的结构为基础,探讨其它改进苍狼优化算法的性能,通过实验进一步验证了动态苍狼优化算法改进的有效性。将苍狼优化算法等应用于永磁同步电动机的混沌控制与混沌同步控制中。针对不利的永磁同步电动机混沌,提出了一种以哈密顿理论与苍狼优化算法为基础的非线性扰动补偿与跟踪控制相结合的混沌控制器。通过分析永磁同步电动机严格耗散的广义约化模型中的扰动非线性项,提出了一种带可调增益的非线性扰动补偿器,证明了此补偿器能使系统在平衡点附近渐近稳定。以修正互联与阻尼控制为参考,依期望平衡点的不同而改变相应的哈密顿能量函数,提出了一种参数待定的跟踪控制器。然后以苍狼优化算法为手段对所设计的控制器中可调增益及待定参数进行有目的的优化,最后通过实验测试,系统的混沌得到了较好的抑制,系统具备了良好的跟随性能及抗负载扰动的能力。针对永磁同步电动机混沌的存在对系统有利的场合,鉴于混沌同步控制具有普遍意义,以径向基神经网络为基础,结合苍狼优化算法及其多种变体算法,提出了RBF-GWO混沌同步控制器。用苍狼优化算法以同步误差平方平均值最小为优化目标来优化径向基神经网络的中心矩阵、输出权重及宽度矢量,使得所设计的RBF-GWO网络在应用时性能最佳。从永磁同步电动机混沌同构同步与混沌异构同步两方面验证了所提出的混沌同步控制器的有效性,使系统能更合理的利用永磁同步电动机的混沌现象。对Par4并联机器人高速拾取路径进行了轨迹规划与跟踪控制。针对Par4并联机器人的高速拾取路径,提出了一种基于苍狼优化算法以Lamé曲线为圆滑过渡曲线、以五次及六次不对称多项式为运动规律的机械能耗最小的轨迹规划方法。在该方法中,采取苍狼优化算法,以机器人机械能耗最小为目的,对轨迹进行了优化研究,最终找出了基于Lamé曲线机械能耗最低的轨迹,验证了方法的有效性。通过实验还得知最优轨迹中的Lamé曲线的参数e最佳值可选为拾取跨度一半,而参数f的最佳值需依拾取坐标及拾取高度等具体情况进行寻优选择。以Par4并联机器人优化规划的电机角度为期望控制输入,设计了基于Type-2模糊预估补偿的PID控制器,把系统输入变量的变化率与跟踪误差的变化率之和作为Type-2模糊预估补偿的一个输入,提高了系统对输入的动态跟随性能,减少了驱动电机的角度跟踪误差。利用动态苍狼优化算法对Type-2模糊控制器进行了离线优化,使得系统性能更佳。最后通过实验验证了所提出的控制器的有效性,Par4并联机器人的四个驱动电机都能较好地跟踪期望的输入角度。
李杨[6]（2019）在《机械臂的自适应神经网络混沌反控制研究》文中提出混沌反控制又称为混沌化,是指通过某种方法在原本没有混沌行为的系统中创造人们需要的、全新的混沌。近年来,人们发现将混沌行为注入到机械臂中,可促进其在工业、农业与家用领域的应用。机械臂是一个多输入多输出、强耦合、高度非线性的复杂系统,因受到不确定性以及环境因素的影响,采用传统的控制算法实现精确的跟踪控制有一定的难度。本文以机械臂为研究对象,结合滑模控制、自适应神经网络、动态面等进行混沌反控制方法的研究。论文的主要研究内容如下:1、将滑模变结构控制与自适应神经网络（Neural Networks,NNs）相结合,针对参数未知且带有有界未知扰动的机械臂,设计了鲁棒混沌反控制算法。采用终端滑模抑制未知有界扰动,构建恰当的径向基神经网络（Radial Basis Function Neural Networks,RBF NNs）逼近系统未知非线性函数,并通过Lyapunov稳定性理论证明了闭环系统所有信号的最终一致有界（Ultimately Uniformly Bounded,UUB）。最后,使用仿真对比实验验证了算法的有效性,不仅成功观察到混沌吸引子,而且实现了精确的速度跟踪。2、针对参数未知且带有未知扰动的电驱动机械臂,设计了自适应神经网络动态面控制（Dynamic Surface Control,DSC）来实现其混沌反控制,不仅解决了建模时引入执行器所带来的高度非线性,而且避免了传统反步法产生的“微分爆炸”问题。该算法在反步法的第二与第三步,采用一阶低通滤波器估计虚拟控制变量的导数,同时采用RBF NNs逼近系统的未知非线性函数,选取合适的Lyapunov函数证明了系统的稳定性,并用仿真实验验证了算法的有效性。3、针对存在执行器饱和的不确定机械臂,设计了一种结合动态面控制的自适应神经网络控制器以实现其混沌反控制。该算法采用RBF NNs逼近系统的未知动态,构建合适的动态系统解决输入饱和的问题,并利用Lyapunov稳定性定理证明了闭环系统所有信号的UUB。然后,分别以两连杆、三连杆电驱动机械臂为例,通过仿真验证了所提方法的可行性与有效性。最后,对本文的研究内容进行了总结,对未来相关领域的研究进行了展望。
李安平[7]（2018）在《不确定分数阶系统的智能控制方法研究》文中提出近年来,分数阶微积分系统的研究越来越受到学者和工程技术人员的关注,主要原因不仅仅是由于发现很多实际系统本质上是分数阶系统,而且还在于当系统的控制器采用分数阶微积分形式时,与整数阶控制器比较发现,能使得系统获得更优异的控制性能。在实际系统中由于各种外在或内部因素的影响,系统常常不可避免地存在一些不确定性。在处理整数阶不确定系统的控制问题时,智能控制方法是一种十分重要且有效的方法,已经有很多重要的成果。但是因为分数阶微积分固有的复杂性,智能控制方法并不能简单而直接地推广到分数阶系统中来,有关分数阶不确定系统的智能控制的许多问题有待进一步进行理论探讨和研究。因此,本文对分数阶不确定系统的智能控制问题进行讨论,将分数阶系统相关理论与智能控制方法相结合,寻求对分数阶不确定系统进行控制的有效方法。主要讨论的内容如下:（1）讨论了一类分数阶多输入多输出（MIMO）有干扰系统（包括RiemannLiouville定义和Caputo定义）的跟踪控制问题。利用主导输入的概念及改进的自组织模糊神经网络,将MIMO系统分解为多个单输入单输出（SISO）系统,并对未知函数项进行逼近,对网络结构和参数实现在线调节,针对Riemann-Liouville定义和Caputo定义下的两种分数阶系统分别利用间接Lyapunov方法和分数阶系统稳定方法设计控制器,获得了两个系统稳定的充分条件,使得闭环系统相关变量有界,实现了系统的跟踪控制。该方法控制器设计简单,自组织模糊神经网络参数选取容易。（2）讨论了一类不同维不同阶的分数阶混沌系统（采用Caputo定义）基于神经网络的指定性能（Prescribed Performance）广义同步方法。利用转换函数将同步误差系统转换为转换系统,根据转换函数的性质,将指定性能控制问题转化为转换系统的变量有界的控制问题。用神经网络对未知函数进行逼近,并且引入鲁棒项及逼近误差的估计来进行补偿,利用李雅普诺夫方法设计了一种自适应同步控制器,实现系统达到指定性能广义同步,即使得系统能以指定的同步速度、最大超调量等指标进行同步,同时使得整个闭环系统所有变量有界。该方法利用分数阶微分的性质,将分数阶系统转化为整数阶系统来讨论,简化了控制器设计。（3）针对一类Caputo定义下的分数阶严反馈非线性系统的跟踪控制问题,讨论基于RBF神经网络和backstepping方法的控制方法。假设系统状态变量不可测,引入滤波器对状态变量进行估计,利用RBF神经网络来近似理想的虚拟输入,设计系统控制器,使得闭环系统所有变量有界,系统的跟踪误差能渐近收敛到零。在整个控制器设计过程中避免了复杂的分数阶微分的计算,而且神经网络的在线自适应参数只采用一个,降低了控制器的计算负担。（4）对正实不确定（positive real uncertainty）分数阶系统（采用RiemannLiouville定义）的控制问题进行了讨论。首先对一类分数阶线性正实不确定系统,利用间接Lapunov方法、线性矩阵不等式（LMI）方法及奇异值（SVD）分解方法设计了状态反馈控制器、输出反馈控制器、基于观测器的反馈控制器3种控制器,给出了基于LMI的系统稳定的充分条件。然后讨论一类分数阶线性时滞正实不确定系统,设计基于观测器的控制器,获得了系统鲁棒稳定的充分条件。最后对一类含正实不确定和非线性函数未知的分数阶非线性系统（包括非等阶noncommensurate系统和等阶commensurate系统）,利用RBF神经网络结合间接Lapunov方法设计出自适应控制器,实现了分数阶非线性系统的渐近稳定。
于海玉[8]（2013）在《时滞混沌神经网络的同步控制及应用》文中提出近些年来兴起了一个新的学科——混沌神经网络学。众所周知，人工神经网络是模拟人类大脑的一种智能控制算法，由于人类对大脑的认识非常有限，人工神经网络的发展依赖于对大脑神经学更深入的研究。随着研究的不断发展，人们发现大脑会产生混沌的行为，这种混沌现象可以很好的解释大脑中某些不规则的活动，混沌的加入使我们能够更加真实有效的了解和模拟大脑，由此，开创了学者们对混沌神经网络研究的新篇章，也使其成为广大学者研究的一个新课题。在神经网络的电路实现中，总会出现时滞的现象，而且时滞可以诱发混沌神经网络产生更复杂的不可预测的混沌时间序列。本文主要研究了时滞混沌神经网络模型的同步控制问题，进行了理论推导和仿真验证，并将实现同步的时滞混沌神经网络模型应用于保密通信中。首先，基于Lyapunov稳定性理论和线性矩阵不等式（LMI）等方法，研究了一类具有时变延迟和分布式延迟的混沌神经网络系统的同步问题。考虑系统的内部参数不确定性和外部干扰等因素，最后得到了能够使误差系统渐近稳定的控制律和充分条件，实现驱动系统和响应系统的同步。与其它方法相比，提高了系统误差精度及反应速率，通过仿真证实了所提方法是有效可行的。然后，考虑外界环境对系统参数的影响，研究了一类参数不确定的时滞混沌神经网络的同步控制问题。基于lyapunov稳定性理论，设计出一种新型控制器，当系统参数不确定性满足一定有界条件时，不需知道不确定参数变化过程，只要通过在控制器中加入相应的补偿器去补偿参数中的不确定性，即可实现两个具有相同结构但参数不确定的时滞混沌神经网络的同步控制和参数辨识。控制器具有一定鲁棒性，易于实现。仿真结果验证了方法的有效性。其次，为了得到快速保密通信，研究了结构不相同的时滞混沌神经网络的映射同步问题。通过引入积分滑模控制，建立一个合适的积分滑模面，基于Lyapunov稳定性理论，保证了误差系统全局稳定于此积分滑模面。然后通过线性矩阵不等式法，求出控制器中的增益矩阵，设计合适的积分滑模控制器，实现了两个结构不相同的时滞混沌神经网络的映射同步。通过仿真验证了此方法的是有效可行的。在混沌保密通信中实现混沌系统的同步控制是基础。最后，基于文章前几章节研究的时滞混沌神经网络系统的同步控制问题，利用混沌掩盖技术，实现了含有参数不确定的并带有外部随机扰动的时滞混沌神经网络的保密通信，通过仿真，验证了所提方案是有效可行的。通过本文的研究表明，时滞混沌神经网络不仅结构简单易构造，而且可以产生高度复杂的混沌时间序列，适合应用于保密通信中，具有很高的防御性和保密性。
孙海艳[9]（2013）在《一类混沌神经网络滞后同步控制研究》文中认为混沌系统是较为复杂的非线性运动系统，这种系统演变的非平衡过程对初始条件极其敏感，混沌现象决定了动力性能没有特定规律属性，而是一种随机的自然现象。在一定条件下，系统的非线性因素的存在以及对初始条件的敏感性，系统所表现出的一种运动形式，即混沌现象。随着人们对混沌现象的研究，科学领域出现了混沌学这门学科。本论文的主要研究成果如下：首先，论文对混沌基本理论及方法进行了全面研究和分析，重点针对混沌神经网络问题进行较为深入的研究，尤其针对混沌神经网络自适应滞后、带有脉冲的混沌神经网络的滞后问题进行了具体的研究和分析，建立了相应的数学模型，给出了混沌神经网络自适应滞后同步控制算法及脉冲混沌神经网络自适应同步滞后控制算法，构造了对应的Lyapunov函数，实现了对神经网络进行滞后同步控制。其次，研究并分析了混沌神经网络对一类（络仑滋系统、吕系统、陈系统）混沌系统同步控制问题，给出了混沌神经网络对该类非线性混沌系统滞后同步控制算法。应用Lyapunov稳定性理论对上述方法进行了理论证明，结果表明该方法的正确性，该方法可以推广到其他异构混沌系统的同步问题。最后，论文对上述所有的方法进行了数值仿真，验证了这些方法的有效性。
欧佳崎[10]（2013）在《基于RBF神经网络的混沌控制原理与永磁同步电机控制研究》文中研究说明近年来，随着微电子技术、电力电子技术、传感器技术、新型电机系统控制技术和永磁材料制造技术的迅速发展，永磁直线同步电机得到了广泛的研究及开发。永磁直线同步电机比起传统的电机来说拥有构造简洁、工作效率高、精确性高、可靠性优良等特点。所以它被广泛应用于航空航天、数控机床、材料加工和机器人研究等领域。永磁直线同步电机输入参数在一定范围内以及在外部输入作用下，将会产生混沌现象。由于永磁直线同步电机的混沌特性非常明显，因而对正常稳定运行带来严重的影响，应给予抑制。因此，本文的研究重点是对永磁直线同步电机中的混沌现象实施控制。考虑参数不确定的情况，针对难以确定输入参数的永磁直线同步电机，进行了混沌现象存在性的研究，并探讨了该类电机在混沌状况下的控制策略。在传统控制策略中，对永磁直线同步电机的混沌系统控制都会参照其数学模型。而永磁直线同步电机系统是一个多变量、强耦合的非线性时变系统，难以得出精确的数学模型。近年来，广大科技工作者所提出的智能控制策略，不依赖被控对象数学模型，在处理不确定性和不精确性系统中有较强鲁棒性的优点。本文主要工作如下：（1）首先简述了混沌学相关理论，介绍了国内外研究永磁电机控制理论的现状和发展趋势。并点明本文研究的背景和意义。（2）根据永磁直线同步电机的数学模型，用MATLAB/Simulink的内置功能模块，搭建了永磁直线同步电机模型，给出了永磁直线同步电机的混沌模型，而且利用该模型进行了数值仿真分析，证明永磁直线同步电机中存在混沌现象。（3）介绍了RBF神经网络算法原理，通过RBF神经网络辨识未知被控对象，并考虑模型误差的影响，构造了最优控制器，讨论了算法的稳定性。并给出了将RBF神经网络控制算法运用到永磁直线同步电机控制系统中的仿真结果。利用MATLAB软件仿真分析了RBF神经网络控制性能，得出仿真结果证明了本论文提出的RBF神经网络控制方法响应速度快、具有良好的鲁棒性以及良好的跟踪控制性能。这是传统方法所难以达到的。因此，基于RBF神经网络模型的永磁直线同步电机混沌系统的控制是有效的。
二、混沌系统的神经网络控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、混沌系统的神经网络控制（论文提纲范文）
（1）基于RBF神经网络控制的分数阶混沌系统同步研究（论文提纲范文）
| 符号说明 |
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状及发展 |
| 1.2.1 混沌系统理论的发展 |
| 1.2.2 分数阶混沌系统同步控制的发展 |
| 1.2.3 神经网络发展和RBF神经网络的优点 |
| 1.3 本文主要内容 |
| 第二章 基本理论及方法介绍 |
| 2.1 引言 |
| 2.2 分数阶混沌及同步基本原理 |
| 2.2.1 混沌的定义、特征、判据 |
| 2.2.2 分数阶微积分的定义、性质、等式求解、稳定性定理 |
| 2.3 滑模变结构概念及原理介绍 |
| 2.3.1 滑模变结构控制概念 |
| 2.3.2 滑模变结构原理 |
| 2.4 三相永磁同步电机矢量控制 |
| 2.4.1 Clark和Park变换 |
| 2.4.2 FOC控制原理 |
| 2.5 RBF神经网络控制 |
| 2.6 本章小结 |
| 第三章 一类分数阶超混沌系统的RBF神经网络自适应同步控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于滑模变结构的分数阶混沌系统完全同步 |
| 3.3.1 自适应终端滑模面和控制器的设计 |
| 3.3.2 数值仿真 |
| 3.4 改进的基于RBF神经网络分数阶超混沌系统的完全同步 |
| 3.4.1 RBF神经网络同步控制器设计 |
| 3.4.2 数值仿真 |
| 3.5 本章小结 |
| 第四章 基于RBF神经网络和干扰观测器的分数阶超混沌系统有限时间滑模同步控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于RBF神经网络的同结构分数阶混沌系统同步 |
| 4.3.1 控制器的设计 |
| 4.3.2 数值仿真 |
| 4.4 基于RBF神经网络的异结构超混沌系统有限时间同步 |
| 4.4.1 RBF神经网络和状态观测器的设计 |
| 4.4.2 自适应滑模控制器设计 |
| 4.4.3 数值仿真 |
| 4.5 本章小结 |
| 第五章 RBF神经网络在分数阶永磁同步电机中的自适应同步控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 控制器设计 |
| 5.3.1 滑模控制器设计 |
| 5.3.2 RBF神经网络控制器设计 |
| 5.4 数值仿真 |
| 5.4.1 滑模控制器仿真 |
| 5.4.2 RBF神经网络控制器仿真 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（2）基于电流控制型DC-DC变换器的混沌控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 国内外发展和研究现状 |
| 1.3 论文研究内容与结构安排 |
| 2 混沌动力学基础 |
| 2.1 引言 |
| 2.2 混沌的基本概念 |
| 2.2.1 Li-Yorke定义 |
| 2.2.2 Devaney的混沌定义 |
| 2.3 混沌的基本特征 |
| 2.4 分岔的分类 |
| 2.4.1 叉型分岔 |
| 2.4.2 Hopf分岔 |
| 2.4.3 鞍结分岔 |
| 2.5 通向混沌的道路 |
| 2.5.1 倍周期道路 |
| 2.5.2 准周期道路 |
| 2.5.3 阵发混沌道路 |
| 2.6 DC-DC变换器混沌辨识方法 |
| 2.6.1 直接观察法 |
| 2.6.2 分岔图 |
| 2.6.3 庞加莱截面 |
| 2.7 DC-DC变换器混沌控制方法 |
| 2.7.1 反馈控制法 |
| 2.7.2 自适应控制法 |
| 2.7.3 延迟反馈控制法 |
| 2.7.4 智能控制法 |
| 2.7.5 OGY控制法 |
| 2.7.6 参数共振微扰法 |
| 2.8 本章小结 |
| 3 电流控制型变换器建模与混沌分析 |
| 3.1 引言 |
| 3.2 DC-DC变换器建模方法 |
| 3.2.1 数字仿真法 |
| 3.2.2 解析法 |
| 3.3 电流控制型Buck变换器建模与混沌分析 |
| 3.3.1 电流控制型Buck变换器状态方程 |
| 3.3.2 电流控制型Buck变换器离散迭代模型 |
| 3.3.3 混沌分析 |
| 3.4 电流控制型Boost变换器建模与混沌分析 |
| 3.4.1 电流控制型Boost变换器状态方程 |
| 3.4.2 电流控制型Boost变换器离散迭代模型 |
| 3.4.3 混沌分析 |
| 3.5 电流控制型Buck-Boost变换器建模与混沌分析 |
| 3.5.1 电流控制型Buck-Boost变换器状态方程 |
| 3.5.2 电流控制型Buck-Boost离散迭代模型 |
| 3.5.3 混沌分析 |
| 3.6 本章小结 |
| 4 DC-DC变换器的混沌控制研究 |
| 4.1 引言 |
| 4.2 算法基本理论 |
| 4.2.1 神经网络算法基本理论 |
| 4.2.2 遗传算法基本理论 |
| 4.3 基于遗传算法优化的神经网络控制器设计 |
| 4.4 收敛性分析 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 5 基于STM32 的开关电源系统软硬件设计 |
| 5.1 引言 |
| 5.2 硬件设计 |
| 5.3 软件设计 |
| 5.4 PCB设计 |
| 5.5 实验结果 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（3）几类高阶和忆阻神经网络的稳定性和同步研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第2章 基础知识和引理 |
| 2.1 矩阵和算子 |
| 2.2 时间尺度 |
| 2.3 模糊逻辑系统 |
| 2.4 分数阶微积分 |
| 2.5 相关基本引理 |
| 第3章 脉冲模糊高阶双向联想记忆神经网络 |
| 3.1 引言 |
| 3.2 模型描述 |
| 3.3 平衡点的全局指数稳定性 |
| 3.4 周期解的全局指数稳定性 |
| 3.5 数值模拟 |
| 3.6 结论 |
| 3.7 注记 |
| 第4章 时间尺度上中立型连接时滞高阶双向联想记忆神经网络 |
| 4.1 引言 |
| 4.2 时间尺度上时变连接时滞系统(4.1)的概自守性 |
| 4.3 连续分布式连接时滞高阶Hopfield双向联想记忆神经网络 |
| 4.4 数值模拟 |
| 4.5 结论 |
| 4.6 注记 |
| 第5章 带有时变和连续分布式时滞的忆阻神经网络 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.3 平衡点的稳定性与驱动-响应系统的同步 |
| 5.4 脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络的周期解 |
| 5.5 数值模拟 |
| 5.6 结论 |
| 5.7 注记 |
| 第6章 脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络 |
| 6.1 引言 |
| 6.2 模型描述 |
| 6.3 平衡点的全局稳定性 |
| 6.4 驱动-响应系统的全局指数时滞同步 |
| 6.5 数值模拟 |
| 6.6 结论 |
| 6.7 注记 |
| 第7章 不确定分数阶非线性系统的自适应模糊追踪控制 |
| 7.1 引言 |
| 7.2 具有状态可测不确定分数阶非线性系统 |
| 7.2.1 问题描述 |
| 7.2.2 自适应状态反馈控制设计 |
| 7.3 具有状态不可测不确定分数阶非线性系统 |
| 7.3.1 模糊状态观测器设计 |
| 7.3.2 自适应模糊控制设计和稳定性分析 |
| 7.4 数值模拟 |
| 7.5 结论 |
| 7.6 注记 |
| 第8章 不确定非仿射分数阶非线性系统的自适应模糊容错控制 |
| 8.1 引言 |
| 8.2 问题描述 |
| 8.3 基于障碍Lyapunov函数的自适应模糊容错控制设计 |
| 8.4 数值模拟 |
| 8.5 结论 |
| 8.6 注记 |
| 第9章 总结与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 附录A 主要定理的证明 |
| A.1 定理3.1的证明 |
| A.2 定理3.3的证明 |
| A.3 定理4.1的证明 |
| A.4 定理4.2的证明 |
| A.5 定理5.1的证明 |
| A.6 定理5.6的证明 |
| A.7 定理6.1的证明 |
| A.8 定理6.2的证明 |
| A.9 定理6.4的证明 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果及相关经历 |
| 致谢 |
（4）基于忆阻器的分数阶神经网络的控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要符号 |
| 第一章 绪论 |
| 1.1 人工神经网络概述 |
| 1.2 分数阶微积分概述 |
| 1.3 分数阶神经网络控制的研究发展现状 |
| 1.4 本文的主要内容和工作 |
| 第二章 分数阶微积分的基础理论 |
| 2.1 分数阶微积分的定义与性质 |
| 2.2 分数阶微分方程的数值仿真方法 |
| 2.2.1 分数阶微分方程的预估-校正解法 |
| 2.2.2 时滞分数阶微分方程的预估-校正解法 |
| 2.3 分数阶微分方程的稳定性 |
| 2.4 分数阶神经网络的同步研究 |
| 2.4.1 分数阶神经网络的建模过程 |
| 2.4.2 分数阶神经网络的同步问题 |
| 第三章 基于忆阻器的分数阶神经网络的同步研究 |
| 3.1 基于忆阻器的分数阶神经网络的模型描述 |
| 3.2 连续不可微的Lyapunov函数的Caputo分数阶微分不等式 |
| 3.3 参数已知的Caputo型分数阶忆阻器神经网络的射影同步 |
| 3.4 参数不确定的Caputo型分数阶忆阻器神经网络的完全同步 |
| 3.5 本章小结 |
| 第四章 参数未知的分数阶神经网络的同步研究 |
| 4.1 参数未知的Caputo型分数阶神经网络的完全同步 |
| 4.2 连续不可微的Lyapunov函数的R-L分数阶微分不等式 |
| 4.3 参数未知的R-L型分数阶忆阻器神经网络的完全同步 |
| 4.4 本章小结 |
| 第五章 不相容的R-L型分数阶竞争神经网络的同步研究 |
| 5.1 参数已知的不相容的R-L型分数阶竞争神经网络的完全同步 |
| 5.2 参数未知的不相容的R-L型分数阶竞争神经网络的完全同步 |
| 5.3 分数阶竞争神经网络的混沌同步在安全通信领域中的应用 |
| 5.4 本章小结 |
| 第六章 R-L型分数阶惯性神经网络的稳定性及同步研究 |
| 6.1 R-L型分数阶时滞惯性神经网络的完全同步 |
| 6.2 一类R-L型分数阶时滞惯性神经网络的稳定性分析 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）计算智能GWO算法优化及其在运动控制中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究的内容 |
| 1.2 计算智能概述 |
| 1.2.1 计算智能的发展 |
| 1.2.2 苍狼优化算法发展现状 |
| 1.3 永磁同步电机混沌控制与混沌同步控制的研究现状 |
| 1.4 机器人轨迹规划与优化控制的研究现状 |
| 1.5 论文章节内容安排 |
| 第二章 标准苍狼优化算法 |
| 2.1 引言 |
| 2.2 标准的苍狼优化算法 |
| 2.2.1 算法的思路来源 |
| 2.2.2 标准苍狼优化算法各环节模拟与分析 |
| 2.2.3 标准苍狼优化算法 |
| 2.3 苍狼优化算法收敛性能分析 |
| 2.4 实验验证苍狼优化算法 |
| 2.5 小结 |
| 第三章 基于淘汰重组机制与变异算子的改进GWO算法 |
| 3.1 引言 |
| 3.2 MR-GWO算法 |
| 3.2.1 淘汰与重组机制 |
| 3.2.2 优秀搜索狼的变异算子 |
| 3.2.3 改进的苍狼优化算法(MR-GWO) |
| 3.2.4 MR-GWO算法讨论与分析 |
| 3.3 苍狼优化算法的其它变体 |
| 3.4 无约束连续函数寻优实验 |
| 3.4.1 实验结果分析 |
| 3.4.2 算法误差分析 |
| 3.4.3 参数影响分析 |
| 3.5 有约束函数寻优实验 |
| 3.6 小结 |
| 第四章 动态GWO算法 |
| 4.1 引言 |
| 4.2 动态GWO算法 |
| 4.2.1 第一种动态GWO算法 |
| 4.2.2 第二种动态GWO算法 |
| 4.3 实验测试 |
| 4.3.1 测试函数介绍 |
| 4.3.2 实验结果 |
| 4.3.3 分析与讨论 |
| 4.4 动态GWO算法与其它改进策略的结合 |
| 4.5 小结 |
| 第五章 GWO在PMSM混沌控制与混沌同步控制中的应用 |
| 5.1 引言 |
| 5.2 PMSM的数学模型 |
| 5.2.1 PMSM的混沌分析 |
| 5.2.2 PMSM的哈密顿模型 |
| 5.3 基于GWO的PMSM哈密顿模型的混沌控制 |
| 5.3.1 扰动补偿器的设计 |
| 5.3.2 跟踪控制器的设计 |
| 5.3.3 基于GWO的PMSM混沌优化控制器的设计 |
| 5.4 基于GWO的PMSM混沌优化控制仿真验证 |
| 5.5 基于RBF-GWO网络PMSM混沌同步控制 |
| 5.5.1 RBF神经网络 |
| 5.5.2 基于苍狼优化算法的RBF-GWO神经网络 |
| 5.6 实验验证 |
| 5.6.1 PMSM混沌同构同步实验 |
| 5.6.2 PMSM混沌异构同步实验 |
| 5.6.3 讨论与分析 |
| 5.7 小结 |
| 第六章 GWO能量优化的Par4并联机器人轨迹规划与跟踪控制 |
| 6.1 引言 |
| 6.2 Par4并联机器人运动学反解与动力学方程 |
| 6.3 Par4并联机器人轨迹规划 |
| 6.3.1 基于Lamé曲线的轨迹形状规划 |
| 6.3.2 空间路径坐标变换 |
| 6.3.3 运动规律规划 |
| 6.4 基于GWO算法的能量最小轨迹优化 |
| 6.4.1 Par4并联机器人机械能耗 |
| 6.4.2 基于GWO算法的轨迹优化 |
| 6.5 基于GWO优化的轨迹规划实验验证 |
| 6.5.1 基础实验 |
| 6.5.2 相同的拾取点,不同的拾取高度的实验 |
| 6.5.3 不同拾取点,相同的拾取高度与跨度的实验 |
| 6.5.4 不同的跨度与拾取点,相同的拾取高度实验 |
| 6.6 轨迹规划的比较与分析 |
| 6.6.1 与其它计算智能算法的比较 |
| 6.6.2 与其它曲线的比较 |
| 6.6.3 轨迹规划的总结 |
| 6.7 基于DMR-GWO2并联机器人Type-2 模糊轨迹跟踪控制 |
| 6.7.1 Type-2 模糊逻辑系统 |
| 6.7.2 Par4并联机器人轨迹跟踪控制系统结构 |
| 6.7.3 Type-2 模糊预估补偿PID控制器的设计 |
| 6.7.4 基于DMR-GWO2的Type-2 模糊逻辑控制器与优化 |
| 6.8 Par4并联机器人轨迹跟踪实验 |
| 6.9 小结 |
| 第七章 结论 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）机械臂的自适应神经网络混沌反控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 本文的研究背景与意义 |
| 1.2 相关领域国内外研究现状 |
| 1.2.1 机械臂控制技术研究现状 |
| 1.2.2 混沌反控制技术研究现状 |
| 1.2.3 机械臂混沌反控制研究现状 |
| 1.3 本文的研究内容与组织结构 |
| 第二章 相关知识与基础理论 |
| 2.1 混沌反控制相关知识 |
| 2.1.1 混沌系统 |
| 2.1.2 混沌反控制方法 |
| 2.2 自适应神经网络控制理论 |
| 2.2.1 常用神经网络 |
| 2.2.2 径向基神经网络 |
| 2.3 李雅普诺夫稳定性理论 |
| 2.4 本章小结 |
| 第三章 机械臂的鲁棒自适应混沌反控制设计 |
| 3.1 引言 |
| 3.2 问题描述与预备知识 |
| 3.2.1 滑模控制介绍 |
| 3.2.2 机械臂的动力学模型及性质 |
| 3.2.3 混沌系统 |
| 3.2.4 控制目标 |
| 3.3 算法设计及稳定性分析 |
| 3.3.1 控制器设计 |
| 3.3.2 闭环系统稳定性分析 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第四章 电驱动机械臂自适应混沌反控制设计 |
| 4.1 引言 |
| 4.2 问题描述与预备知识 |
| 4.2.1 动态面控制介绍 |
| 4.2.2 电驱动机械臂的动力学模型及性质 |
| 4.2.3 控制目标 |
| 4.3 算法设计及稳定性分析 |
| 4.3.1 控制器设计 |
| 4.3.2 闭环系统稳定性分析 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第五章 输入饱和电驱动机械臂自适应混沌反控制设计 |
| 5.1 引言 |
| 5.2 问题描述与预备知识 |
| 5.2.1 输入饱和的描述 |
| 5.2.2 控制目标 |
| 5.3 算法设计及稳定性分析 |
| 5.3.1 控制器设计 |
| 5.3.2 闭环系统稳定性分析 |
| 5.4 仿真验证 |
| 5.4.1 两连杆机械臂仿真 |
| 5.4.2 三连杆机械臂仿真 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）不确定分数阶系统的智能控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 分数阶系统发展概述 |
| 1.3 分数阶系统的稳定性研究概述 |
| 1.3.1 分数阶系统稳定性的研究 |
| 1.3.2 分数阶不确定系统稳定性的研究 |
| 1.3.3 基于智能控制方法的分数阶不确定系统稳定性研究 |
| 1.4 本文的主要研究内容 |
| 1.5 本文的组织 |
| 第2章 基本原理 |
| 2.1 分数阶微积分的定义与性质 |
| 2.1.1 定义 |
| 2.1.2 性质 |
| 2.2 分数阶系统稳定性 |
| 2.3 分数阶微分的数值计算 |
| 2.4 模糊系统 |
| 2.5 RBF神经网络 |
| 2.6 模糊神经网络 |
| 2.7 小结 |
| 第3章 基于自组织模糊神经网络的分数阶非线性MIMO系统的控制 |
| 3.1 引言 |
| 3.2 问题描述及基本假设 |
| 3.3 自组织模糊神经网络 |
| 3.4 基于自组织模糊神经网络的鲁棒控制器的设计 |
| 3.5 稳定性分析 |
| 3.5.1 分数阶微分采用RL定义 |
| 3.5.2 分数阶微分采用Caputo定义 |
| 3.6 数值仿真 |
| 3.7 小结 |
| 第4章 基于神经网络的不同维不同阶分数阶混沌系统的指定性能广义同步 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于神经网络的指定性能广义同步控制器的设计 |
| 4.4 稳定性分析 |
| 4.5 数值仿真 |
| 4.6 小结 |
| 第5章 基于BACKSTEPPING和神经网络的分数阶非线性系统跟踪控制 |
| 5.1 引言 |
| 5.2 基于神经网络的BACKSTEPPING鲁棒控制器的设计 |
| 5.3 稳定性分析 |
| 5.4 数值仿真 |
| 5.5 小结 |
| 第6章 分数阶正实不确定系统的智能控制 |
| 6.1 引言 |
| 6.2 一类分数阶线性正实不确定系统的稳定性和控制 |
| 6.2.1 问题描述 |
| 6.2.2 分数阶线性正实不确定系统控制器设计 |
| 6.2.3 数值仿真 |
| 6.3 基于观测器的一类分数阶线性时滞正实不确定系统的鲁棒控制 |
| 6.3.1 问题描述 |
| 6.3.2 分数阶线性时滞正实不确定系统基于观测器的控制器设计 |
| 6.3.3 数值仿真 |
| 6.4 一类分数阶非线性正实不确定系统的智能控制 |
| 6.4.1 问题描述 |
| 6.4.2 基于神经网络的控制器设计和稳定性分析 |
| 6.4.3 数值仿真 |
| 6.5 小结 |
| 第7章 总结与展望 |
| 7.1 研究成果总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A 攻读学位期间完成的学术论文目录 |
| 附录B 攻读学位期间参与的科研项目目录 |
| 致谢 |
（8）时滞混沌神经网络的同步控制及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 目录 |
| 前言 |
| 第一章 混沌与混沌神经网络概述 |
| 1.1 混沌动力系统概述 |
| 1.1.1 混沌理论的起源与发展 |
| 1.1.2 混沌的概念和特征 |
| 1.2 混沌神经网络概述 |
| 1.2.1 混沌神经网络的起源和发展 |
| 1.2.2 混沌神经网络类型 |
| 1.3 混沌神经网络在保密通信中的应用 |
| 1.4 本章小结 |
| 第二章 混沌同步控制的基本理论 |
| 2.1 混沌控制与同步 |
| 2.2 混沌同步概述 |
| 2.2.1 混沌同步定义 |
| 2.2.2 混沌同步原理 |
| 2.2.3 混沌同步类型 |
| 2.3 混沌同步方法 |
| 2.3.1 驱动—响应法 |
| 2.3.2 基于状态观测器法 |
| 2.3.3 变量反馈同步法 |
| 2.3.4 主动—被动同步法 |
| 2.4 本章小结 |
| 第三章 一类参数不确定的混合延迟混沌神经网络的同步 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 主要结果 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第四章 一类时滞混沌神经网络的同步控制及参数辨识 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 主要结果 |
| 4.4 仿真验证 |
| 4.5 本章小结 |
| 第五章 时滞混沌神经网络的异结构映射同步 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 滑模控制器设计 |
| 5.4 主要结果 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第六章 时滞混沌神经网络同步控制在保密通信中的应用 |
| 6.1 引言 |
| 6.2 混沌保密通信方法 |
| 6.2.1 混沌掩盖同步通信 |
| 6.2.2 混沌参数调制通信 |
| 6.2.3 混沌键控通信 |
| 6.2.4 混沌扩频通信 |
| 6.3 基于时滞混沌神经网络同步在保密通信中的应用 |
| 6.3.1 引言 |
| 6.3.2 原理及仿真结果 |
| 6.3.3 结果讨论 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
| 硕士研究生学位论文摘要 |
（9）一类混沌神经网络滞后同步控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景及意义 |
| 1.2 混沌同步 |
| 1.3 混沌应用举例 |
| 1.4 神经网络 |
| 1.5 论文组织结构 |
| 第2章 混沌神经网络自适应滞后同步 |
| 2.1 混沌神经网络 |
| 2.2 线性反馈同步 |
| 2.3 自适应同步 |
| 2.4 仿真实验 |
| 2.5 本章小结 |
| 第3章 混沌神经网络的脉冲滞后同步 |
| 3.1 脉冲神经网络 |
| 3.2 神经网络同步 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 混沌系统神经网络滞后同步 |
| 4.1 Lorenz 混沌系统 |
| 4.2 神经网络同步 |
| 4.3 仿真研究 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（10）基于RBF神经网络的混沌控制原理与永磁同步电机控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 混沌简介 |
| 1.1.1 混沌系统研究的历史与现状 |
| 1.1.2 混沌的定义 |
| 1.1.3 混沌系统的判断方法 |
| 1.1.4 混沌控制的常见方法 |
| 1.1.5 混沌在相关领域中的应用 |
| 1.2 永磁电机混沌控制理论国内外研究现状 |
| 1.2.1 永磁电机混沌控制理论 |
| 1.2.2 永磁电机混沌运动的特点 |
| 1.3 选题研究的背景及意义 |
| 1.4 论文的主要内容及章节安排 |
| 第二章 永磁直线同步电机的混沌数学模型及其建模 |
| 2.1 直线电机的分类 |
| 2.2 永磁直线同步电机数学模型分析 |
| 2.2.1 电压方程 |
| 2.2.2 总推力及机械运动方程 |
| 2.2.3 状态方程 |
| 2.3 永磁直线同步电机建模 |
| 2.3.1 永磁直线同步电机电压变换模型 |
| 2.3.2 永磁直线同步电机参数信息控制模型 |
| 2.3.3 永磁直线同步电机电流变换模型 |
| 2.4 永磁直线同步电机的混沌特性 |
| 2.5 永磁直线同步电机混沌特性仿真实验 |
| 2.6 本章小结 |
| 第三章 RBF 神经网络控制器研究 |
| 3.1 神经网络的控制原理 |
| 3.1.1 神经网络的原理 |
| 3.1.2 神经元模型 |
| 3.1.3 RBF 神经网络结构 |
| 3.1.4 神经网络加入控制的优点 |
| 3.1.5 不确定 PMLSM 混沌运动的非线性控制原理 |
| 3.1.6 神经网络算法研究分析 |
| 3.2 神经网络控制方法 |
| 3.3 神经网络算法系统稳定性分析 |
| 3.4 构造最优控制器 |
| 3.5 算法步骤 |
| 3.6 算例仿真 |
| 3.7 本章小结 |
| 第四章 RBF 神经网络方法在 PMLSM 混沌运动中的应用 |
| 4.1 矢量控制原理及控制思想 |
| 4.2 基于本文算法的调速系统应用仿真 |
| 4.2.1 PMLSM 控制原理 |
| 4.2.2 PMLSM 系统仿真与分析 |
| 4.3 本章小结 |
| 第五章 全文总结 |
| 5.1 总结 |
| 5.2 本文特色和创新 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 附录 A(攻读硕士学位期间参与项目) |
四、混沌系统的神经网络控制（论文参考文献）
- [1]基于RBF神经网络控制的分数阶混沌系统同步研究[D]. 徐紫辉. 东北石油大学, 2021
- [2]基于电流控制型DC-DC变换器的混沌控制研究[D]. 凌腾芳. 重庆理工大学, 2021(02)
- [3]几类高阶和忆阻神经网络的稳定性和同步研究[D]. 杨文贵. 东南大学, 2020(02)
- [4]基于忆阻器的分数阶神经网络的控制研究[D]. 谷雅娟. 北京交通大学, 2020(03)
- [5]计算智能GWO算法优化及其在运动控制中的应用[D]. 张小青. 西安电子科技大学, 2020(05)
- [6]机械臂的自适应神经网络混沌反控制研究[D]. 李杨. 华南理工大学, 2019(01)
- [7]不确定分数阶系统的智能控制方法研究[D]. 李安平. 湖南大学, 2018(06)
- [8]时滞混沌神经网络的同步控制及应用[D]. 于海玉. 东北石油大学, 2013(S2)
- [9]一类混沌神经网络滞后同步控制研究[D]. 孙海艳. 燕山大学, 2013(02)
- [10]基于RBF神经网络的混沌控制原理与永磁同步电机控制研究[D]. 欧佳崎. 长沙理工大学, 2013(S2)