基于RBF神经网络的水面船舶轨迹跟踪控制

针对速度矢量不可测、动态参数不确定以及具有未知扰动和磁滞特性的水面船舶系统,提出一种基于径向基函数神经网络的自适应反馈轨迹跟踪控制方案。根据船舶的状态矢量,利用高增益观测器估计水面船舶系统的不可测速度矢量,并通过一个函数描述间隙类磁滞对系统的影响。利用径向基函数神经网络的逼近能力和反步法设计控制器,基于李雅普诺夫稳定性理论,验证所设计控制器的稳定性,证明系统所有的闭环信号都是半全局一致有界的。通过仿真验证了控制器的有效性。

随机互联非线性系统的神经网络约束控制

针对具有输出约束的不确定高阶随机互联非线性系统,提出一种分散自适应神经网络反步控制方案。通过构造障碍李雅普诺夫函数,处理输出约束问题;采用径向基函数神经网络方法处理完全未知系统和随机扰动问题,在每个递归步骤中,仅更新一个自适应参数解决过参数化问题;根据李雅普诺夫稳定性理论,提出了基于神经网络逼近的分散自适应控制方案,减少了学习参数。通过稳定性分析,证明了所设计的控制器可以保证闭环信号均为半全局一致的最终有界(SGUUB),并且使每个子系统的跟踪误差收敛到零值附近,利用Matlab仿真证明了所提出方案的有效性。