• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Sciences: An International Journal >Indirect adaptive control of nonlinear dynamic systems using self recurrent wavelet neural networks via adaptive learning rates
【24h】

Indirect adaptive control of nonlinear dynamic systems using self recurrent wavelet neural networks via adaptive learning rates

机译：自递归小波神经网络通过自适应学习率间接控制非线性动力学系统

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes an indirect adaptive control method using self recurrent wavelet neural networks (SRWNNs) for dynamic systems. The architecture of the SRWNN is a modified model of the wavelet neural network (WNN). However, unlike the WNN, since a mother wavelet layer of the SRWNN is composed of self-feedback neurons, the SRWNN can store the past information of wavelets. In the proposed control architecture, two SRWNNs are used as both an identifier and a controller. The SRWNN identifier approximates dynamic systems and provides the SRWNN controller with information about the system sensitivity. The gradient -descent method using adaptive learning rates (ALRs) is applied to train all weights of the SRWNN. The ALRs are derived from discrete Lyapunov stability theorem, which are applied to guarantee the convergence of the proposed control system. Finally, we perform some simulations to verify the effectiveness of the proposed control scheme. (c) 2007 Elsevier Inc. All rights reserved.
机译：提出了一种基于自回归小波神经网络（SRWNN）的动态系统间接自适应控制方法。 SRWNN的体系结构是小波神经网络（WNN）的修改模型。但是，与WNN不同，由于SRWNN的母小波层由自反馈神经元组成，因此SRWNN可以存储小波的过去信息。在提出的控制体系结构中，两个SRWNN既用作标识符又用作控制器。 SRWNN标识符近似于动态系统，并为SRWNN控制器提供有关系统灵敏度的信息。使用自适应学习率（ALR）的梯度下降方法被应用于训练SRWNN的所有权重。 ALR是从离散Lyapunov稳定性定理推导出来的，这些定理用于保证所提出控制系统的收敛性。最后，我们进行一些仿真，以验证所提出的控制方案的有效性。 （c）2007 Elsevier Inc.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号