刘文华
- 作品数：4 被引量：4H指数：1
- 供职机构：空军工程大学航空航天工程学院更多>>
- 相关领域：自动化与计算机技术理学自然科学总论更多>>
- 不确定非线性系统变结构控制器设计被引量：4
- 2000年
- 传统的控制方法大多需要知道被控对象的数学模型 ,而许多复杂的实际系统 ,其准确的数学模型往往不易得到 ,或者难以求解。采用自适应滑模变结构控制方法 ,对形如 x(n) =f( x,t) +g( x,t) u+d( t)的非线性系统进行跟踪控制 ,其中 f( x,t)和 g( x,t)为未知非线性函数 ,且其边界未知 ,d( t)为未知有界扰动 ,为减少对被控制对象信息的依赖性 ,没有利用专家知道 ,也没有利用被控对象的历史运行数据 ,通过利用基函数类神经网络动态逼近函数 f( x,t)和 g( x,t) ,对自适应调整控制系统输入 ,得出基于 RBF网络的滑模变结构自适应控制方案 ,经过理论分析 ,证明了控制方案的稳定性。
- 雷洪利张殿治刘文华
- 关键词：非线性系统滑模变结构控制
- 基于神经网络的非线性系统滑模变结构控制
- 为减少对被控对象信息的依赖性，该文利用滑模变结构控制的强鲁棒性及基函数类神经网络良好的逼近特性，提出了针对未知模型的非线性系统自适应滑模变结构控制方案，经过理论分析，证明了控制系统的全局稳定性，仿真结果表明了该方案的强鲁...
- 雷洪利张殿治刘文华
- 关键词：神经网络滑模变结构控制鲁棒性
- 文献传递
- 一种新的FART分类器
- 2002年
- 提出了一类基于贴近度理论的模糊ART神经网络模型 ,简称为CBFART(ClosenessBasedFuzzyART)模型。将模糊数学中的贴近度 (Closeness)和择近原则 (ClosestPrinciple)概念与自适应共振理论 (ART)相结合 ,形成了一种新的网络模型。该模型的学习以匹配—委托循环为特点 ,网络分类遵循择近原则。补码编码、匹配—委托和快速委托—慢速重编码方案相结合 ,保证了网络学习的收敛性和稳定性 ,并可以做到一次性学习 ,提高了学习速度。文中对高维样本进行分类仿真 ,给出了仿真结果 ,分析表明该模型具有良好的聚类特性 。
- 雷洪利张殿治刘文华严盛文
- 关键词：神经网络自适应共振理论贴近度
- 基于贴近度理论的模糊ART模型
- 该文提出了一类基于贴近度理论的模糊ART神经网络模型，简称为CBFART(Closeness Based Fuzzy ART)模型。它将模糊数学中的贴近度(Closeness)和择近原则(Closest Proncple...
- 张殿治刘文华雷洪利
- 关键词：神经网络自适应共振贴近度
- 文献传递
