LM-Smith神经网络泛函稳定性控制设计

摘要：

传统的Smith神经网络控制器具有抗干扰性差和时滞性较强的弱点，泛函稳定性较差，基于最小信息熵原理，对传统的Smith神经网络控制器进行改进，提出一种基于最小信息熵的LM-Smith神经网络泛函稳定性控制模型，在传统的Smith控制中的神经元模型采用最小信息熵进行泛函加权，实时对被控对象进行辨识，使用二阶泰勒级数展开，提高神经网络泛函收敛速度和稳定性。仿真和算例证明了控制系统的稳定性，收敛精度和收敛速度都有大幅提高。

关键词：最小信息熵、神经网络量、泛函、控制

分类号：TP13(自动化基础理论)

资助基金：河南省2011年科技发展计划项目112102210368。

在线出版日期：2014-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：179-181