神经网络类机理建模下的持续自学习控制

• Published in: 控制理论与应用 Vol. 41; no. 5; pp. 885 - 894
• Main Authors: 谭天乐, 张万超, 何永宁, 周恒杰
• Format: Journal Article
• Language: Chinese
• Published: 上海航天控制技术研究所,上海 201109 01.05.2024; 上海市空间智能控制技术重点实验室,上海 201109%上海航天控制技术研究所,上海 201109
• Subjects: continuous self-learning control; 非机理建模; model prediction and inversion control; 时变系统; black box system; 神经网络建模; 机械臂控制; neural network modeling; manipulator control; 模型预测与反演控制; 持续自学习控制; 黑箱系统; 同构等价表达; non mechanism modeling; time varying system; isomorphic equivalent expression
• ISSN: 1000-8152
• DOI: 10.7641/CTA.2023.20771

针对未知、时变复杂动力学系统在基于模型的控制中的动态建模问题,本文采用前向全连接神经网络对动力学系统进行数据驱动下的非机理拟合建模.通过动态线性化和归一化/反归一化数据处理,基于前向传播算法,将神经网络的网络拓扑计算过程转化成动力学系统机理模型的同构等价表达形式.与基于模型的预测与反演控制相结合,提出了神经网络类机理建模下的持续自学习控制方法,探索了神经网络在动力学系统建模与控制中的可解释性问题.以机械臂为控制对象的仿真结果表明,神经网络类机理模型与机理模型在形式上同构,在参数上近似或等价,可用于控制系统控制品质的定性、定量分析.持续自学习控制对非线性未知、时变复杂系统具有较好的动态适应能力.