一类非严格反馈大系统的自适应神经网络控制

针对一类具有非严格反馈模块的非线性互联大系统,本文提出了一种输出反馈控制方案。首先使用神经网络来逼近未知系统函数,然后借助向量的范数性质处理非严格反馈模块。由于系统的状态不可测,所以建立观测器来估计未知状态。同时,结合自适应控制策略和Backstepping方法,设计出一种自适应神经网络分散输出反馈控制器,并利用Lyapunov稳定性理论进行稳定性分析。结果表明,在该控制策略作用下,闭环系统所有的信号保持半全局有界,且系统输出可以很好地跟踪给定的参考信号,通过仿真算例来验证本文设计控制策略的有效性。仿真结果表明,系统的输出能很好地跟踪给定的追踪信号;系统的控制信号和自适应参数保持在0的邻域内;设计的观测器能有效地观测原互联大系统的系统状态。说明本文设计的控制策略能够很好地运用在具有非严格反馈模块的互联大系统中。该研究更具有一般性和通用性。     

一类非线性非严格反馈系统的间接自适应神经网络控制

针对一类非严格反馈非线性系统,本文提出了间接自适应神经网络控制器的设计方案,并基于系统函数界函数的单调递增性质,提出了变量分离方法,同时利用间接自适应神经网络控制技术和Backstepping(反推)相结合的方法,构造出间接自适应神经网络状态反馈控制器,所构造的间接自适应控制器,保证了闭环系统的所有信号是半全局有界的,并且系统的所有状态收敛到原点充分小的邻域内,有效地解决了一类非线性非严格反馈系统的自适应神经网络控制问题,并采用数值例子进行仿真实验。仿真结果表明,在本文所提出的控制律的作用下,不但保证了闭环系统的稳定,而且保证所有信号在闭环系统有界。该控制器为一类非严格反馈非线性系统的稳定性控制提供了理论参考。     

非线性互联系统的自适应模糊分散控制

针对一类带有完全未知关联项的非线性严格反馈互联系统,本文提出一种自适应模糊输出反馈分散控制方案。在控制设计过程中,先设计状态观测器来估计系统中不可测的状态,将研究领域由状态反馈的系统扩展至状态未知的输出反馈系统,然后应用模糊逻辑系统逼近未知的光滑非线性函数,并结合Lyapunov方法和自适应Backstepping技术,设计出一个自适应控制方案,通过仿真算例验证所提控制方法的有效性。仿真结果表明,所设计的观测器较好地估计了未知的系统状态,确保在所提控制器的作用下,整个闭环系统具有良好性能。该方案保证了闭环系统的所有信号半全局一致终极有界。     

一类非严格反馈切换系统的自适应神经网络控制

针对具有非严格反馈的非线性系统的控制问题,本文主要研究非严格反馈形式的单输入单输出非线性切换系统的控制问题。运用自适应神经网络控制方法,逼近系统的组合非线性函数;同时,结合Backstepping方法设计神经网络控制方案,利用神经网络的结构性质简化设计过程,成功的将神经网络自适应Backstepping设计方法拓展到该类非严格反馈系统上,最后通过仿真例子验证本文所提控制方法的有效性。仿真结果表明,在任意切换信号及所给控制器的作用下,保证了良好的跟踪性能,并保证闭环系统所有状态是半全局一致最终有界的,跟踪误差收敛到原点的一个残差集内。该研究具有一定的实用价值。     

时滞非线性参数系统有限时间状态约束控制

研究了具有输入时滞、有界外部干扰以及全状态约束的严格反馈连续时间参数化非线性系统的自适应有限时间跟踪控制问题. 通过使用Barrier Lyapunov函数和自适应反步法,保证了系统所有状态都被约束. 针对输入时滞问题,采用pade近似法消除其带来的负面影响. 所设计的有限时间控制器使闭环系统内的所有信号都有界且所有状态都被约束在给定的范围内,同时输出信号能很好地追踪给定参考信号. 最后通过仿真实例验证了该控制方法的有效性.     

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。     

非线性纯反馈时滞系统的自适应模糊跟踪控制

针对一类不确定非线性纯反馈时滞系统的自适应模糊跟踪控制问题,本文采用模糊逻辑系统来逼近系统中未知的非线性函数,利用自适应方法和Backstepping方法构造出一种自适应模糊控制器,并给出了非线性纯反馈时滞系统跟踪控制问题可解的充分条件.仿真结果表明,所设计的自适应模糊控制器,保证闭环系统的所有变量有界,并确保系统输出有效跟踪给定的参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,同时其他闭环信号保持有界.该控制方法可以有效地减少系统在线计算负担.     

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。     

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的可行性.最后,给出一个例子验证了所提出策略的有效性.     

一类非仿射非线性大系统的结构在线扩展

研究一类非仿射非线性互联大系统的结构在线扩展问题。基于backstepping技术提出一种大系统在线结构扩展的自适应神经分散关联镇定控制方法。在原结构系统控制器保持不变的前提下,利用神经网络自适应技术设计新加入子系统的分散控制律和自适应律,将新加入子系统后原结构系统产生的互联部分放在新子系统的控制器中处理,从而获得新扩展子系统的自适应分散关联镇定控制器。该控制器可以保证新加入的闭环非仿射非线性子系统及整个扩展后的闭环大系统中所有信号是一致最终关联有界的。仿真结果验证了所提控制方法的有效性。     

一类纯反馈系统Backstepping控制设计

针对一类非线性纯反馈系统的自适应神经网络控制问题,本文提出基于径向基函数神经网络结构特征的控制设计方案。在控制设计过程中,首先设计状态观测器,估计系统中未知状态变量,通过神经网络近似未知非线性函数,结合自适应Backsteeping方法及神经网络基函数向量的范数性质,设计了一种自适应神经网络输出反馈控制方案,最后通过Lyapunov稳定性理论对系统进行分析,从而证实在所提出方案的作用下闭环系统的所有信号有界,跟踪误差收敛到原点的一个足够的小领域。数值仿真验证了本文方法的有效性。该研究解决了这类系统的状态控制问题,具有一定的实际应用价值。     

基于观测器的非线性时滞系统的自适应模糊控制

针对非线性严格反馈时滞系统的自适应模糊控制问题,给出了基于观测器的输出反馈模糊自适应控制方案,利用系统界函数的单调递增性质和模糊逻辑系统的性质,解决非线性严格反馈系统所产生的问题,并设计状态观测器估计系统中不可测的状态变量,用模糊逻辑系统逼近系统中未知的非线性函数,将自适应技术、Backstepping方法与模糊逻辑系统相结合构造自适应模糊控制器,并采用数值例子进行仿真验证。仿真结果表明,系统的所有状态都收敛到原点一个充分小的邻域内,而且在本文所提出的控制率的作用下,闭环系统是稳定的,保证所有信号在闭环系统有界。     

基于观测器的自适应神经网络Backstepping输出反馈控制

针对一类单输入单输出状态不可测非线性系统,提出一种自适应神经网络bakstepping输出反馈控制方法。首先,用神经网络逼近非线性函数,然后设计神经网络自适应观测器估计系统的状态。其次,在backstepping设计框架下,设计了自适应输出反馈控制器。最终,证明了所提出的自适应神经网络控制方法能够保证系统所有信号有界的同时,跟踪误差趋近于原点的一个小邻域内。仿真结果进一步验证了所提出方法的有效性。     

基于Razumikhin方法的非线性时滞系统的自适应模糊控制设计

【中文摘要】 为研究一类单输入单输出非线性时滞系统的自适应跟踪控制问题,基于Lyapunov Razumikhin泛函方法给出了一种新的自适应模糊控制器设计方法,利用模糊逻辑系统来估计系统中未知的非线性函数,用backstepping方法来设计跟踪控制器。所设计的自适应模糊控制器能确保所有的闭环信号有界,同时系统输出收敛到所期望轨线的一个小邻域中。仿真例子表明文中所提出的控制方案能够有效地跟踪给定的参考信号。     

CMAC神经网络用于一类不确定MIMO非线性系统的鲁棒自适应反馈线性化

在已知标称系统的基础上,将CMAC神经网络用于一类状态反馈可线性化的多输入多输出（MIMO）不稳定连续时间非线性系统的鲁棒自适应反馈线性化,使系统获得要求的跟踪性能。在很弱的假设条件下,应用李雅普诺夫稳定性理论证明了闭环系统内的所有信号为UUB（一致最终有界）。仿真算例进一步验证了算法的正确与有效。     

具有执行器故障的非线性系统指定性能控制

针对一类带有全状态约束和执行器故障的非线性系统，提出一种具有指定性能的自适应神经网络输出反馈容错控制方案。首先，建立状态观测器估计系统中的不可测状态，利用径向基神经网络(RBF NNs)逼近系统中的未知非线性函数。其次，引入非线性映射将状态约束系统转化为一个没有约束的新系统。然后，采用新的性能函数，不仅能使跟踪误差在预先设定的时间内收敛，还可以利用设计参数改变误差的收敛速度。最后证明，该控制方法能够保证闭环系统中所有信号都是半全局一致最终有界的，并通过一个数值仿真验证该方法的有效性。     

模糊CMAC神经网络用于SISO非线性系统的反馈线性化

将模糊ＣＭＡＣ（小脑模型关节控制器）神经网络用于一类单输入单输出（ＳＩＳＯ）连时间非线性系统的反馈线性化,控制吕布基于两个模糊ＣＭＡＣ神经网络的状态反馈线性部分和一个用于使控制幅度有界的鲁棒控制部分所组成,在很弱的假设条件下,应用李雅普诺夫稳定性理论严格地证明了闭环系统内的所有信号为ＵＵＢ（一致最终有界）。本方法特别适合于实时控制。     

具有输入死区的非线性纯反馈系统的Backstepping控制设计

针对一类具有未知死区的非线性纯反馈系统自适应神经网络控制问题,本文提出了基于径向基函数神经网络结构特征的控制设计方案。将未知输入死区表示成一个线性死区与一个有界非线性死区之和的形式,在控制设计过程中,通过神经网络系统逼近未知非线性函数,结合自适应Backsteeping方法及神经网络基函数向量的范数性质,设计了一种自适应神经网络状态控制器,并通过Lyapunov稳定性理论进行稳定性分析。分析结果表明,在该控制方案作用下,闭环系统的所有信号有界,跟踪误差收敛到原点一个足够小的领域,数值仿真验证了本文方法的有效性。该研究具有一定的实用价值。     

非线性时滞系统自适应backstepping输出反馈控制

针对一类参数化非线性时滞系统,采用时滞滤波器,结合backstepping的设计方法,提出了一种自适应输出反馈控制器的设计方案．放松了对非线性时滞项的要求,实现了对给定目标轨线的全局渐近跟踪,并保证闭环系统所有信号一致有界．基于Lyapunov-Krasoviskii泛函方法证明了整个闭环系统的稳定性．实例仿真说明了该方案的可行性．     

一类非仿射非线性系统的神经网络输出反馈方案设计

针对一类非仿射非线性系统,设计了一种基于神经网络的自适应输出反馈控制方案,使得输出信号能够跟踪给定信号。构造观测器估计系统中的未知状态变量,采用神经网络结构补偿系统中的非线性部分,并且设计了鲁棒控制项来抵消逼近误差,增加了抗干扰能力。系统稳定性得到严格证明。仿真结果充分证明了该方案的有效性和可行性。