基于RBF神经网络的Duffing混沌系统控制

基于RBF神经网络的Duffing混沌系统控制

周群利

(芜湖职业技术学院电气工程学院, 安徽芜湖241006)

摘要：采用基于RBF神经网络的控制方法对Duffing混沌系统进行控制，运用RBF神经网络对受控的Duffing系统动力学方程中的非线性项进行自适应逼近，在保证受控系统在原点处的平衡态是一致渐进稳定的前提下，设计了相应的控制律及自适应控制律，使系统的状态变量在很短时间内稳定地收敛于目标值，仿真结果证明了该方法的有效性。

关键词：混沌控制;Duffing系统;RBF神经网络;自适应;非线性

文章编号：1673-1549(2015)04-0041-04

DOI:10.11863/j.suse.2015.04.09

收稿日期:2015-05-18

作者简介:周群利(1978-)，女，陕西西安人，讲师，硕士，主要从事非线性控制方向的研究，(E-mail)zhouqunli2011@163．com

中图分类号：TP13

文献标志码：A

引言

Duffing方程是用来描述外力作用下非线性阻尼振荡系统，其方程特点之一是在其右端加上了强迫项，系统的本征频率与外加周期强迫项频率的相互作用，使得在该方程中蕴涵着极其丰富的内容：倍周期分叉、奇怪吸引子、吸引子与复杂的流形结构共存等[1]。这类系统引起了许多学者的研究兴趣[2-3]。当Duffing方程中的参数取一定值时，系统呈混沌状态。混沌是非线性动力学系统中一个非常有意义的现象，混沌现象表现出复杂性、类噪声性、不可预测性等行为[4]。针对Duffing方程混沌系统，众多学者已提出许多不同的控制方法[5-11]，其中，文献[5]研究了基于Lyapunov方法的稳定控制问题；文献[6]研究了基于状态观测器的混沌控制方法；文献[7-8]研究了外加激励的混沌控制方法；文献[9]研究了状态反馈混沌控制方法；……