具有输入未建模动态和量化输入的纯反馈非线性系统自适应控制

目的:本文研究一类具有输入未建模动态和量化输入的纯反馈非线性系统跟踪控制问题。方法:在控制器设计中,引入M-滤波器来处理输入未建模动态,使用滞后量化器来处理量化输入,利用径向基函数神经网络(radial basis function neural networks,RBFNN)逼近未知非线性动态,选取障碍李雅普诺夫函数(barrier lyapunov function,BLF)处理输出约束,并使用Backstepping方法导出自适应控制律。结果:稳定性分析证明所得到的闭环系统全部信号均满足半全局一致终结有界(semi-globally uniformly utimately bounded,SGUUB),并且跟踪误差可以收敛到原点的一个小邻域,同时这种跟踪误差也满足输出约束。在仿真中,对于一个二阶非线性系统,可以看到当t≈0.17 s时,跟踪误差到达原点的小邻域。结论:本文提出的控制方案证明了所得到的闭环系统的所有信号都满足SGUUB。

具有未建模动态和输入饱和约束的纯反馈非线性系统自适应神经网络控制

目的:研究一类具有未建模动态和输入饱和约束的纯反馈非线性系统镇定问题。方法:在控制器设计过程中,引入动态信号处理未建模动态,用径向基函数神经网络逼近未知非线性函数,然后通过Backstepping方法导出自适应神经网络控制律。结果:通过稳定性分析,可得闭环系统所有信号半全局一致终结有界,并由仿真结果可知,系统状态、自适应参数以及未建模动态分别在t≈2 s,t≈4 s,t≈2.2 s时到达原点的小邻域内。结论:本文提出的控制方案证明闭环系统所有信号半全局一致终结有界。