.png){kind=icon}
返回
Control-Oriented Neural Network for Systems with Nonlinear Elements
.png){kind=icon}
PRE
AI
DOI：10.1002/tee.70306.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新颖的神经网络（NN）架构，用于典型非线性控制元件（包括死区、输入饱和和滞回）的统一表示。所提出的架构采用由整流线性单元组成的紧凑结构，与传统的通用循环神经网络相比，能够提高学习效率并降低计算复杂度。进一步证明，这些非线性元件的反向模型可以以封闭形式表达式构造且无需近似，从而便于在数据驱动控制框架中实现精确的非线性补偿。通过多个数值示例验证了所提出神经网络的有效性。
Keyword:
nonlinear element
neural network
rectified linear unit
data-driven control
期刊
IF:
1.1
论文数:
251
被引数:
1.8K
机构
引用论文
暂无论文信息