非线性多变量零阶接近有界系统的多模型自适应控制

针对一类多变量非线性离散时间系统,提出一种新的基于神经网络的多模型自适应控制方法.为了将非线性系统的高阶非线性项的限制条件放宽到零阶接近有界,该方法引入了一种新的非线性模型.该模型在传统线性回归模型基础上增加了非线性补偿项,使模型的估计误差有界.一个神经网络模型与非线性模型同时被用来对系统进行辨识.基于性能指标的切换机构选择性能较好的模型对应的控制器对系统进行控制.理论分析证明了零阶接近有界多模型自适应控制系统的有界输入和有界输出稳定性.仿真实验说明了提出的多模型自适应控制方法的有效性.

非线性零阶接近有界多模型神经网络自适应控制器

针对一类单变量非线性离散时间系统,提出一种零阶接近有界的多模型神经网络自适应控制器.该控制器包含一个非线性鲁棒自适应控制器和一个非线性神经网络自适应控制器.当系统非线性项放宽到零阶接近有界时,这两个控制器分别用于保证系统的稳定性和提高系统的性能,系统的控制输入由切换机构在两个控制器之间进行切换产生.最后给出了稳定性和收敛性证明,并通过仿真实验验证了该控制器的有效性.