基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法.控制器由等效控制器和H∞控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H∞控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

基于神经网络的一类非线性系统自适应H∞控制

基于神经网络提出一种自适应Ｈ∞控制方法。控制器由等效控制器和Ｈ∞控制器两部分组成,用神经网络逼近未知非线性函数,Ｈ∞控制器用于减弱外部及神经网络逼近误差对跟踪误差的影响。所设计的控制器不仅保证了闭环控制系统的稳定性,而且使外部干扰及神经网络逼近误差对跟踪误差的影响减小到预定的性能指标。     

一类不确定非线性MIMO系统的神经网络输出反馈跟踪控制

针对一类具有外部干扰的不确定仿射非线性MIMO系统提出了一种神经网络输出反馈跟踪控制方法. 在仅输出可测的情况下, 控制律和神经网络权值更新律中仅用到输出误差, 无需设计状态观测器或加入低通滤波器使得估计误差动态满足严格正实条件. 为抑制外部干扰和子系统间的交叉耦合及神经网络逼近误差, 在控制律中加入鲁棒控制项. 基于Lyapunov稳定性定理证明了系统的稳定性及信号的有界性. 仿真例子证实了所提方法的可行性.     

具有零动态的SISO仿射非线性系统的神经网络自适应跟踪控制

针对具有零动态的SISO仿射非线性系统提出了一种神经网络直接自适应跟踪控制方法.采用梯度下降算法最小化未知理想控制器与神经网络控制器的误差代价函数以获得参数自适应律,控制器中无需另加鲁棒控制项.基于Lyapunov稳定性定理证明了在该控制器的作用下能保证输出跟踪误差及相应闭环系统的所有状态最终一致有界及神经网络参数的收敛性.仿真结果验证了该文方法的有效性.     

基于耗散理论的机器人神经网络鲁棒控制

为了更好地解决机器人系统中存在的参数不确定和外部干扰的鲁棒控制问题,提出一种基于耗散性理论的神经网络自适应鲁棒控制器,首先应用无源性理论对名义模型设计镇定控制器,然后利用RBF神经网络自适应学习系统的不确定部分,将神经网络逼近误差作为外部干扰,基于H∞控制理论使干扰对系统输出的影响抑制到所要求的最小程度,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒控制器,证明了系统的全局稳定性.仿真结果表明,这种控制器对机器人系统可能受到的干扰具有较好的抑制能力,提高了系统的鲁棒性,实现了系统轨迹的快速准确跟踪,又能很好地消除控制器的抖振,进而提高机器人工作性能.     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

基于状态观测器的非仿射非线性系统鲁棒自适应H∞跟踪控制

针对一类非仿射非线性系统，提出了基于状态观测器的鲁棒自适应H∞跟踪控制结构．文中利用高斯径向基神经网络（RBF神经网络）在线抵消非线性模型误差，利用高增益观测器估计不能直接测量的输出导数．利用李亚普若夫稳定理论导出了系统的控制律，包括固定结构的控制律和自适应控制律两个部分，并给出了详细的理论分析和证明：在系统没有扰动时，确保跟踪误差渐近趋于零且系统的所有信号有界；存在扰动时，取得了预期的H∞跟踪性能．     

基于RBF神经网络的一类不确定非线性系统自适应H控制

基于RBF神经网络提出了一种H_∞ 自适应控制方法.控制器由等效控制器和H_∞ 控制器两部分组成.用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能.H_∞ 控制器用于减弱外部干扰及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出的算例验证了该方法的有效性.     

一类函数完全未知的随机非线性系统自适应H∞跟踪控制

针对一类函数完全未知的严格反馈随机非线性系统,提出了一种基于backstepping技术的鲁棒H_∞自适应神经跟踪控制器设计的新方法.该方法可在随机非线性系统是依概率一致最终有界的情况下,保证随机非线性系统H_∞性能指标,且H_∞踪踪控制器容易获得.同时该方法去除了一些文献中神经网络逼近误差需要平方可积的假设.文中使用径向基函数(radial basis function, RBF)神经网络逼近打包的未知非线性函数.所设计的控制器能够保证闭环系统跟踪误差及其它所有信号都是依概率有界的,且对外界干扰具有鲁棒H∞抑制作用.最后,仿真结果验证了所提方法的有效性和正确性.     

基于干扰观测器的一类不确定非线性系统鲁棒H∞控制

为了降低控制器对干扰的要求,基于干扰观测器提出一类多输入多输出不确定非线性系统的鲁棒H∞控制方法．将系统的内部不确定性和外部干扰组成复合干扰,设计基于小波神经网络的复合干扰观测器,并提出干扰观测器的参数调节方案使观测器能以高精度逼近复合干扰．同时在控制器中引入鲁棒控制项用来抑制观测器误差给系统带来的影响,所设计的控制器能使系统的跟踪误差小于一个给定的性能指标．最后给出一个仿真算例验证了本控制方案的有效性．