不确定非线性分布参数系统模型降维与自适应神经网络控制

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61074057
项目类别：
面上项目
资助金额：
39.0万
负责人：
吴淮宁
依托单位：
北京航空航天大学
学科分类：
F0301.控制理论与技术
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
王岩；王俊伟；王金亮；罗彪；刘平岳；娄众志；张玉；郭超；李艳超；
关键词：
神经网络自适应控制非线性分布参数系统不确定模型降维

项目摘要

本项目将先进模型降维技术、神经网络(NN)逼近技术以及自适应控制技术有机结合，来研究具有低维主导动态行为的不确定非线性分布参数系统(DPS)的模型降维与自适应NN控制设计问题。主要研究不确定非线性偏微分方程(PDE)系统基于NN逼近的模型降维问题和能够容忍低维建模误差、NN逼近误差及控制/观测溢出的鲁棒自适应NN控制器设计问题。不仅解决域内控制问题，也解决边界控制问题。最后，还将理论结果应用于半导体封装过程中的温度分布控制以及飞行器翼型的主动流动控制中来研究其实用性问题。本项目的实施，不仅会为不确定非线性PDE系统的模型降维与控制设计提供一些新的、有效的方法和理论依据，同时也会推动分布参数控制系统理论与自适应NN控制技术的发展，这对提高不确定非线性PDE系统的控制品质、促进我国高新技术及产业化向更高水平发展具有深远意义。

结项摘要

本项目将先进模型降维技术、神经网络(NN)逼近技术以及自适应控制技术有机结合，研究了具有低维主导动态行为的不确定非线性分布参数系统(DPS)的模型降维与NN 控制设计问题。为这类系统提出了易于工程实现的低维NN控制方案，建立了严格的理论分析框架，解决了其非线性动态难于建模时的控制设计难题；并为这类系统提出了全新的基于神经网络与强化学习的低维近似最优控制设计方法，克服了复杂Hamilton-Jacobi类方程的求解困难。研究成果发表或接受待发表在IEEE Trans. Neural Netw.、IEEE Trans. Fuzzy Syst.、Automatica等国际知名学术期刊上。其中在IEEE汇刊上发表论文13篇(均为长文)，在自动化领域权威期刊Automatica上发表论文3篇，在化工领域权威期刊AIChE J.与Ind. Eng. Chem. Res.上发表论文2篇，另有25篇论文发表在J. Process Control、Int. J. Robust Nonlinear Control、IET Control Theory and Applications、International Journal of Control等自动化及相关领域国际知名SCI源期刊上。此外，还在中文核心期刊上发表论文2篇，在American Control Conference与Chinese Control Conference等国内外重要学术会议上发表论文8篇。总计55篇。所发表论文经SCI检索收录35篇，SCI待收录8篇，EI已收录48篇。项目的实施，不仅为复杂分布参数系统的控制设计提供一些新的、有效的方法和理论依据，同时也推动分布参数控制系统理论与智能控制技术的发展。这对提高复杂分布参数系统的控制品质、促进我国高新技术及产业化向更高水平发展具有重要意义。