不确定随机非线性时滞系统的自适应神经网络跟踪控制

针对一类具有严格反馈形式的随机非线性时变时滞系统的自适应神经跟踪控制问题,本文利用神经网络参数化和反推（backstepping）方法,构造出一类自适应神经网络状态反馈控制器。仿真结果表明,这种自适应控制器保证闭环系统的所有变量概率意义下有界,并使系统的输出跟踪参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,仿真验证了该方法的有效性。     

基于T-S模糊系统的采样状态观测器反馈控制设计

针对T-S模糊系统中状态部分未知或者全部未知而导致系统难以进行控制的现状,本文讨论了基于样本值观测器反馈镇定问题。首先给出非线性系统采样数据观测器和反馈控制器设计方法,在采样值为一有界值,且考虑输入时滞存在的前提下,利用李雅普诺夫泛函方法,结合线性矩阵不等式技术得到相应矩阵不等式的方法,并通过仿真算例进行验证,仿真结果表明,该观测器能在短时间内达到稳定。     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。