姜寅令 李艳辉

(东北石油大学电气信息工程学院,黑龙江 大庆 163318)

一种新型神经网络观测器的设计与应用

姜寅令 李艳辉

(东北石油大学电气信息工程学院,黑龙江 大庆 163318)

针对传统线性观测器只在操作点附近具有工作满意度区间和传统非线性观测器对模型准确度依赖较大的问题，提出一种非传统的神经网络观测器设计方法。该神经网络是一个三层前馈网络，采用带修正项的误差反传算法进行训练以保证控制的精度和权值的有界。为降低对系统模型精度的依赖度，采用神经网络去识别系统的非线性部分，再结合传统的龙伯格观测器去重构系统的状态。利用Lyapunov直接法保证基于权值误差的非传统观测器的稳定性。最后将该观测器应用于机器人轨迹跟踪控制中，仿真结果表明：该方法适用于模型精度较低的非线性系统，可以满足控制的要求。

神经网络观测器 非线性系统 Lyapunov

近几十年,传统的非线性观测器发展迅速[1～3]，例如鲁棒观测器[4，5]、高增益观测器[6]等。然而传统的非线性观测器建立起来较复杂且对系统模型的精确性要求较高。笔者在一些研究人员提出的非线性系统多层前馈神经网络观测器[7，8]的基础上进行改进，采用带线性滤波器的sigmoid活化函数，增强其抗干扰能力，并采用带修正项的误差反传算法进行训练以保证控制的精度和权值的有界。为保证状态观测器的稳定性，笔者参考文献[9，10]选择了合适的权值调整方法，减少了稳定的限制条件,使系统稳定的设计参数选择余地增大。……