基于LSTM的参数自适应高阶滑模跟踪微分器研究

摘要

针对TD-2018高阶滑模跟踪微分器存在的跟踪性能和滤波性能失衡的问题,提出了一种基于长短期记忆神经网络(LSTM)的参数自适应高阶滑模跟踪微分器(TD-LSTM).首先,TD-LSTM利用LSTM的序列建模能力,在离线训练过程中建立信号特征与最优参数L的映射关系;其次,TD-LSTM在在线应用过程中根据实时信号序列来预测最优L值,从而实现参数的自适应调整.仿真结果表明,TD-LSTM在处理强动态、含噪声的信号时,其跟踪精度和对随机噪声的抑制能力显著优于TD-2018;因此,TD-LSTM在机器人轨迹跟踪、飞行器姿态控制等领域具有良好的应用价值.

关键词

高阶滑模控制 / 长短期记忆网络 / 自适应参数调节 / 鲁棒控制 / 抗噪性能