一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法,如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感,故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦,能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构,然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出,对于文中所给出的非线性系统,这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。