Modeling and Control of Nonlinear Discrete-time Systems Based on Compound Neural Networks

为 nonliear 的一个适应反的控制器分离时间的系统在这篇论文被建议。一个复合神经网络被构造识别非线性的系统，它包括线性部分接近非线性的系统和一个周期性的神经网络到最小化线性模型和真实非线性的系统之间的差别。因为当前的控制输入没在周期性的神经网络(RNN ) 的输入向量被包括，反的控制法律能直接被计算。这个计划能被使用在即时非线性单个输入单个产量(SISO ) 并且有更少的计算工作的多输入多产量(MIMO ) 系统控制。模拟研究证明了这个计划简单并且影响好控制精确性和坚韧性。