非线性时滞系统自适应神经网络BACKSTEPPING控制

针对一类未知非线性时滞系统,提出了一种自适应神经网络控制设计方案,将BACKSTEP- PING、占有方法以及自适应界化技术结合起来构造了一个鲁棒自适应神经网络跟踪控制器,采用神经网络逼近未知时滞函数,放松了对非线性时滞函数的要求。通过构建一个恰当的LYAPUNOV- KRASOVISKII泛函证明了闭环系统所有信号半全局一致最终有界,调节设计参数可以实现任意输出跟踪精确度。实例仿真说明了该方案的可行性。

控制方向未知的非线性系统的自适应评价设计

针对一类具有未知控制方向的非仿射非线性系统,提出一种新型的基于模糊小波神经网络的鲁棒自适应评价设计.利用中值定理和Nussbaum函数处理非线性函数隐含控制输入及控制方向未知问题.采用2个具有相同模糊基函数的模糊小波神经网络(fuzzy wavelet networks,FWNs)分别实现控制单元和评价单元,FWNs的权值、扩张参数及平移参数均在线调节.为了抑制FWNs近似误差,利用自适应界化技术设计一个鲁棒项.该设计不需要控制方向及不确定项上界的先验知识.通过Lyapunov理论严格证明闭环系统的半全局一致最终有界稳定性.仿真结果验证所提出设计的有效性.

不确定关联时滞大系统的自适应分散镇定控制

针对时变的满足一定匹配条件的不确定关联时滞大系统,利用自适应界化技术,给出了设计分散镇定控制器的自适应的方法.其特点是在假设中系统不确定项是有界的,但界是未知的,且在关联项存在时变时滞的情况下证明了闭环自适应系统的渐近稳定性.最后举例说明了该方法的有效性.