基于平衡学习的CMAC神经网络非线性滑模容错控制
朱大奇1
孔敏2
1.上海海事大学,信息工程学院,上海,浦东,2001352.江南大学,智能控制研究所,江苏,无锡,214122
摘要：以一改进的信度分配CMAC(cerebellar model articulation controllers)神经网络为在线故障诊断的手段,将变结构滑模摔制技术引入容错控制器设计之中,提出一种动态非线性系统主动容错控制方法.在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据(权值)的可信程度.改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的-p次方成比例,从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构,实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性,仿真结果表明改进故障学习算法及容错控制的有效性.
关键词：信度分配平衡学习故障诊断容错控制
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(50775136)国家高技术研究发展计划（863计划）(2006AA092210)上海市教委项目(06FZ038)
论文发表日期：2008-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 81-86 )
英文信息