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。
科研之友
微信
新浪微博
Facebook
分享链接
