伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.

伴随型非线性系统自适应模糊补偿控制

为了补偿不确定性因素对伴随型非线性系统产生的影响，利用模糊逻辑系统可以对未知函数逼近的原理，设计自适应模糊控制器，构造自适应模糊系统逼近由于不确定性因素导致的系统未知项。所设计的自适应模糊控制器抵消了系统的非线性项，使原系统在跟踪参考输入时得到了一个线性系统，模糊控制器使跟踪误差及其各阶导数按指数形式收敛于零。将控制器应用于起重机吊重摆角子系统，控制吊重摆角在期望摆动范围内，仿真结果表明：吊重摆角约2．5S时跟踪参考输入，同时模糊系统实现了对未知函数的逼近。