任意切换下高能随机系统的神经网络预设控制

针对一类不确定高能随机非线性系统,开展自适应神经网络backstepping控制研究,并保证在任意切换信号下的预设跟踪性能.该高能系统假定系统动态和任意切换信号未知.首先,利用预设性能控制,保证跟踪控制性能;其次,RBF神经网络用来克服未知系统动态,仅用到单一自适应更新参数,从而克服过参数问题;最后,基于公共的Lyapunov稳定性理论提出自适应神经网络控制策略,并减少了学习参数.最终结果表明所设计的公共控制器能保证所有闭环信号半全局最终一致有界,并能在任意切换下保证预设的跟踪性能.仿真结果进一步表明所提出方法的有效性.     

随机时滞系统的神经网络输出反馈动态面控制

针对一类具有未知控制方向的随机时滞系统设计自适应神经输出反馈控制器.首先,利用状态观测器估计不可测量的系统状态;其次,选择合适的Lyapunov-Krasovskii函数消除未知延迟项对系统的影响,利用Nussbaum-type函数处理系统的未知控制方向问题,通过神经网络逼近未知的非线性函数,以及用动态表面控制(DSC)解决控制器设计中出现的复杂性问题;最后,通过Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,可以保证闭环系统中所有信号在二阶或四阶矩意义下一致最终有界,跟踪误差能收敛到零值小的领域内.仿真实例验证了所提出方法的有效性.     

全状态约束的时滞系统神经网络输出反馈控制

针对一类严格反馈形式的单输入单输出时滞系统,研究在全状态约束下的输出反馈控制.首先,设计状态观测器估计不可测量的状态;其次,利用RBF神经网络逼近未知的非线性函数,利用障碍Lyapunov函数确保全状态约束及Lyapunov-Krasovskii方法消除时滞对系统的影响;最后,设计输出反馈控制器,并且有更少的更新参数减少了计算负荷.所设计的控制器可以保证闭环系统中所有信号半全局一致最终有界,信号误差收敛到小的领域内.仿真例子进一步验证了所提出方法的有效性.     

输入饱和的一类切换系统神经网络跟踪控制

针对单输入单输出系统研究一种在任意切换下的跟踪控制问题,系统包含未知扰动和输入饱和特性.首先,利用高斯误差函数描述一个连续可导的非对称饱和模型.其次,利用径向基神经网络（Radial basis function neural network,RBF NN）逼近未知的系统动态.最后,基于公共的Lyapunov函数构造状态反馈控制器.设计的控制器避免过多参数调节从而减轻计算负荷.结果展示本文给出的状态反馈控制器可以保证闭环系统的所有信号是半全局一致有界的,并且跟踪误差可收敛到零值小的领域内.最后的仿真结果进一步验证提出方法的有效性.