Нейронные сети и нейроконтроллеры. Бураков М.В. - 124 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

124
лаемая траектория y
r
, предыстория управления {u(k – 1), ..., u(k –
m + 1)}, а также предшествующие и текущее значения выхода {y(k),
…, y(k – n + 1)}:
1 11 1
1 11 1
()
( ) [ ( ), ( ),..., ( ), ( ),..., ( )]
.
[ ( ), ( ),..., ( ), ( ),..., ( )]
r
uk
y k d fyk yk yk n uk uk m
gyk yk yk n uk uk m
=
+ - - -+ - - +
=
- -+ - - +
В этом уравнении u(k) зависит от текущего значения y(k), поэто-
му непосредственное его использование затруднительно. Однако
уравнение можно модифицировать следующим образом:
1
1 11 1
1 11 1
()
( ) [ ( ), ( ),..., ( ), ( ),..., ( )]
,
[ ( ), ( ),..., ( ), ( ),..., ( )]
r
uk
y k d fyk yk yk n uk uk m
gyk yk yk n uk uk m
+=
+ - - -+ - - +
=
- -+ - - +
где параметр предсказания d должен удовлетворять условию d ≥ 2.
Общая структура системы с регулятором NARMA–L2 имеет вид,
приведенный на рис. 4.32.
На рис. 4.33 показана реализация регулятора NARMA–L2 в
MatLab.
Рис. 4.32. Структура регулятора на основе авторегрессии
Эталонная
модель
r
+
Объект
–
y
y
r
u
f
g
–
∆
∆
Регулятор
e
/
+
∑

Страницы