In this paper, an inverse control scheme based on the novel dynamic network (multi-dimensional Taylor network (MTN)) is proposed for the real-time tracking control of nonlinear time-varying systems with noise disturbances. Utilized in this scheme are the three MTNs: the adaptive model identifier for system modeling, the adaptive inverse controller for inverse modeling, and the adaptive nonlinear filter for eliminating the noise disturbances, whose weights are modified by the variable forgetting factor recursive least squares (VFF-RLS), back propagation through model (BPTM), normalized least mean square (NLMS) algorithms, respectively. To avoid “compromise”, this scheme is designed into a structure wherein controlling the object dynamic response and eliminating the noise disturbances are implemented in two relatively independent processes. Furthermore, the weight-elimination algorithm is introduced for choice of effective regression items to avoid the dimension explosion, thus overcoming the shortcoming that the number of middle nodes needs to be determined before using the traditional neural network. After a certain number of training, the more streamlined MTNs are observed to contribute to satisfying the real-time requirements of software implementation and engineering application. To ensure that MTN inverse control is strict in theory, the general conditions for the existence of single-input/single-output (SISO) nonlinear inverse systems are identified. Simulation of the MTN inverse control is conducted to confirm the effectiveness of the proposed method.

中文翻译：

---

多维泰勒网络对带噪声扰动的单输入/单输出非线性时变系统的逆控制

在本文中，提出了一种基于新型动态网络（多维泰勒网络（MTN））的逆控制方案，用于具有噪声干扰的非线性时变系统的实时跟踪控制。该方案中使用了三个 MTN：用于系统建模的自适应模型标识符、用于逆建模的自适应逆控制器和用于消除噪声干扰的自适应非线性滤波器，其权重由可变遗忘因子递归最小二乘法 (VFF) 修正。 -RLS)、反向传播模型 (BPTM)、归一化最小均方 (NLMS) 算法。为了避免“妥协”，该方案被设计成一种结构，其中控制对象动态响应和消除噪声干扰在两个相对独立的过程中实现。此外，引入去重算法来选择有效的回归项，避免维度爆炸，从而克服了使用传统神经网络之前需要确定中间节点数量的缺点。经过一定数量的培训，观察到更精简的 MTN 有助于满足软件实现和工程应用的实时要求。为了确保 MTN 逆控制在理论上是严格的，确定了单输入/单输出 (SISO) 非线性逆系统存在的一般条件。对MTN逆控制进行仿真以证实所提出方法的有效性。从而克服了使用传统神经网络之前需要确定中间节点数量的缺点。经过一定数量的培训，观察到更精简的 MTN 有助于满足软件实现和工程应用的实时要求。为确保 MTN 逆控制在理论上是严格的，确定了单输入/单输出 (SISO) 非线性逆系统存在的一般条件。对MTN逆控制进行仿真以证实所提出方法的有效性。从而克服了使用传统神经网络之前需要确定中间节点数量的缺点。经过一定数量的培训，观察到更精简的 MTN 有助于满足软件实现和工程应用的实时要求。为了确保 MTN 逆控制在理论上是严格的，确定了单输入/单输出 (SISO) 非线性逆系统存在的一般条件。对MTN逆控制进行仿真以证实所提出方法的有效性。观察到更精简的 MTN 有助于满足软件实现和工程应用的实时要求。为确保 MTN 逆控制在理论上是严格的，确定了单输入/单输出 (SISO) 非线性逆系统存在的一般条件。对MTN逆控制进行仿真以证实所提出方法的有效性。观察到更精简的 MTN 有助于满足软件实现和工程应用的实时要求。为确保 MTN 逆控制在理论上是严格的，确定了单输入/单输出 (SISO) 非线性逆系统存在的一般条件。对MTN逆控制进行仿真以证实所提出方法的有效性。