摘要
基于数据驱动机制的逆控制是一种非线性系统控制方法,关键问题在于局部逆控制模型的准确性,但尚无校验机制来保证其能否产生期望的输出.为此,提出一种k-VNN即时学习算法,提高了逆控制模型的建模精度.将该算法与性能指标优化策略相结合,在线修正逆控制模型预估的系统控制量,可得到系统的一步最优控制量,实现非线性系统的跟踪控制.为提高控制系统的泛化能力,提出一种数据库数据更新策略.仿真结果表明了所提出方法的有效性.
The key problem of data-based inverse control is that the accuracy of the inverse model, and no strategy can be adopted to verify expected output. The k -VNN lazy learning algorithm is introduced to improve the accuracy of the inverse control model. And combined with optimal strategy, the one-step ahead optimal output of inverse controller is obtained. In order to improve the generalization ability of inverse controller, a kind of updated strategy is also advanced, Simulated results show the validation of the algorithm.
出处
《控制与决策》
EI
CSCD
北大核心
2007年第1期25-29,共5页
Control and Decision
基金
国家自然科学基金项目(60474051
60534020)
上海市科委重点攻关项目(04DZ11008)
教育部新世纪优秀人才计划项目
关键词
即时学习
逆控制
非线性系统
k—VNN
留一误差交叉校验
Lazy learning Inverse control Nonlinear system k-vector nearest neighbors Leave-one-out cross validation
