Direct adaptive neural control of nonlinear systems with extreme learning machine
Direct adaptive neural control of nonlinear systems with extreme learning machine
复制标题
极限学习机非线性系统直接自适应神经控制
DOI：
10.1007/s00521-011-0805-1
复制
发表时间：
2012-01
期刊：
影响因子：
--
通讯作者：
Guang-She Zhao
中科院分区：
文献类型：
--
作者：
Hai-Jun Rong;Guang-She Zhao
针对一类非线性系统，提出了一种直接自适应神经控制方案。所提出的控制方案结合了神经控制器和滑模控制器。该神经控制器是基于单隐层前馈网络（SLFN）的逼近能力构建的。建立了滑模控制器来补偿SLFN的建模误差和系统的不确定性。在设计的神经控制器中，隐节点参数使用最近提出的极限学习机（ELM）神经算法进行修改，并赋予其随机值。但与原始ELM算法不同的是，基于Lyapunov综合方法更新输出权值，保证了整个控制系统的稳定性。最后将所提出的自适应神经控制器应用于具有两种不同参考轨迹的倒立摆系统的控制。仿真结果表明，该控制方案具有良好的跟踪性能。
A direct adaptive neural control scheme for a class of nonlinear systems is presented in the paper. The proposed control scheme incorporates a neural controller and a sliding mode controller. The neural controller is constructed based on the approximation capability of the single-hidden layer feedforward network (SLFN). The sliding mode controller is built to compensate for the modeling error of SLFN and system uncertainties. In the designed neural controller, its hidden node parameters are modified using the recently proposed neural algorithm named extreme learning machine (ELM), where they are assigned random values. However, different from the original ELM algorithm, the output weight is updated based on the Lyapunov synthesis approach to guarantee the stability of the overall control system. The proposed adaptive neural controller is finally applied to control the inverted pendulum system with two different reference trajectories. The simulation results demonstrate good tracking performance of the proposed control scheme.
登录
查看更多内容
DOI：
10.1016/j.engappai.2010.06.009
发表时间：
2010-10-01
影响因子：
8
作者：
Suresh, S.;Saraswathi, S.;Sundararajan, N.
通讯作者：
Sundararajan, N.
影响因子：
2.6
作者：
Yan Li;N. Sundararajan;P. Saratchandran
通讯作者：
Yan Li;N. Sundararajan;P. Saratchandran
影响因子：
6
作者：
Huang, Guang-Bin;Zhu, Qin-Yu;Siew, Chee-Kheong
通讯作者：
Siew, Chee-Kheong
DOI：
10.1109/icarcv.2004.1468985
发表时间：
2004-12
期刊：
ICARCV 2004 8th Control, Automation, Robotics and Vision Conference, 2004.
影响因子：
--
作者：
G. Huang;C. Siew
通讯作者：
G. Huang;C. Siew
DOI：
10.1109/cdc.2010.5717709
发表时间：
2010-12
期刊：
49th IEEE Conference on Decision and Control (CDC)
影响因子：
--
作者：
H. Sira-Ramírez;R. Castro‐Linares
通讯作者：
H. Sira-Ramírez;R. Castro‐Linares