基于神经网络自适应控制的磁滞类间隙补偿

利用连续时间动态微分方程描述磁滞非线性特性,采用两个神经网络函数分别逼近未知的非线性函数和磁滞模型的扰动误差,结合反步法提出一种自适应控制方案。仿真结果表明,系统具有良好的跟踪性能和全局稳定性。

具有磁滞类间隙系统的鲁棒自适应控制

针对具有未知磁滞类间隙的非线性系统,提出一种鲁棒自适应控制(ARC)算法。采用连续时间动态微分方程描述此非线性特性,利用投影算子对参数进行估计。鲁棒自适应控制律由3部分组成,即模型补偿项、鲁棒控制项和鲁棒反馈项。仿真结果验证了该方法的可行性。

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。