Adaptive Neural Network-Based Control for a Class of Nonlinear Pure-Feedback Systems With Time-Varying Full State Constraints

In this paper, an adaptive neural network(NN)control approach is proposed for nonlinear pure-feedback systems with time-varying full state constraints. The pure-feedback systems of this paper are assumed to possess nonlinear function uncertainties. By using the mean value theorem, pure-feedback systems can be transformed into strict feedback forms. For the newly generated systems, NNs are employed to approximate unknown items. Based on the adaptive control scheme and backstepping algorithm, an intelligent controller is designed. At the same time, time-varying Barrier Lyapunov functions(BLFs)with error variables are adopted to avoid violating full state constraints in every step of the backstepping design. All closedloop signals are uniformly ultimately bounded and the output tracking error converges to the neighborhood of zero, which can be verified by using the Lyapunov stability theorem. Two simulation examples reveal the performance of the adaptive NN control approach.

Robust adaptive fuzzy control for a class of perturbed pure-feedback nonlinear systems

A new design scheme of direct adaptive fuzzy controller for a class of perturbed pure-feedback nonlinear systems is proposed. The design is based on backstepping and the approximation capability of the first type fuzzy systems. A continuous robust term is adopted to minify the influence of modeling errors or disturbances. By introducing the modified integral-type Lyapunov function, the approach is able to avoid the requirement of the upper bound of the first time derivation of the high frequency control gain. Through theoretical analysis, the closed-loop control system is proven to be semi-globally uniformly ultimately bounded, with tracking error converging to a residual set.

Neural Network Based Adaptive Tracking Control for a Class of Pure Feedback Nonlinear Systems With Input Saturation

In this paper, an adaptive neural networks(NNs)tracking controller is proposed for a class of single-input/singleoutput(SISO) non-affine pure-feedback non-linear systems with input saturation. In the proposed approach, the original input saturated nonlinear system is augmented by a low pass filter.Then, new system states are introduced to implement states transformation of the augmented model. The resulting new model in affine Brunovsky form permits direct and simpler controller design by avoiding back-stepping technique and its complexity growing as done in existing methods in the literature.In controller design of the proposed approach, a state observer,based on the strictly positive real(SPR) theory, is introduced and designed to estimate the new system states, and only two neural networks are used to approximate the uncertain nonlinearities and compensate for the saturation nonlinearity of actuator. The proposed approach can not only provide a simple and effective way for construction of the controller in adaptive neural networks control of non-affine systems with input saturation, but also guarantee the tracking performance and the boundedness of all the signals in the closed-loop system. The stability of the control system is investigated by using the Lyapunov theory. Simulation examples are presented to show the effectiveness of the proposed controller.

纯反馈系统的自抗扰预设定有限时间量化控制

针对一类具有量化输入的非仿射纯反馈系统,将自抗扰控制和预设有限时间控制结合起来,提出一种自抗扰预设定有限时间量化控制策略.设计自抗扰预设定有限时间量化控制器.仿真实验结果表明:在外部扰动作用下,该文策略比神经网络策略有更好的控制性能.因此,该文策略具有优越性.

Adaptive NN Dynamic Surface Control for a Class of Uncertain Non-affine Pure-feedback Systems with Unknown Time-delay

Adaptive neural network （NN） dynamic surface control （DSC） is developed for a class of non-affine pure-feedback systems with unknown time-delay. The problems of ＂explosion of complexity＂ and circular construction of the practical controller in the traditional backstepping algorithm are avoided by using this controller design method. For removing the requirements on the sign of the derivative of function f~, Nussbaum control gain technique is used in control design procedure. The effects of unknown time-delays are eliminated by using appropriate Lyapunov-Krasovskii functionals. Proposed control scheme guarantees that all the signals in the closed-loop system are semi-globally uniformly ultimately bounded. Two simulation examples are presented to demonstrate the method.

Adaptive neural control for pure-feedback nonlinear time-delay systems with unknown dead-zone: a Lyapunov-Razumikhin method

This paper addresses the problem of adaptive neural control for a class of uncertain pure-feedback nonlinear systems with multiple unknown state time-varying delays and unknown dead-zone. Based on a novel combination of the Razumikhin functional method, the backstepping technique and the neural network parameterization, an adaptive neural control scheme is developed for such systems. All closed-loop signals are shown to be semiglobally uniformly ultimately bounded, and the tracking error remains in a small neighborhood of the origin. Finally, a simulation example is given to demonstrate the effectiveness of the proposed control schemes.

输入受限的非仿射纯反馈不确定系统自适应动态面容错控制

针对存在执行器故障和输入饱和受限的非仿射纯反馈不确定动态系统,提出了一种自适应动态面容错控制策略.在不损失模型精度和考虑系统输入饱和受限的前提下,基于中值定理将非仿射系统转化为具有线性结构的时变不确定系统,在此基础上,再利用参数自适应投影技术对有界不确定时变参数进行在线估计,参数估计误差和外界扰动采用非线性动态阻尼技术进行补偿,并利用双曲正切函数和Nussbaum函数处理系统输入饱和受限和控制增益函数方向未知的问题,同时将反演法和动态面法相结合设计鲁棒自适应控制器,消除了反演法的计算膨胀问题,并且在系统出现执行器失效故障的情况下可确保稳定跟踪.最后,根据解耦反推法,基于Lyapunov稳定性定理证明了闭环系统的半全局一致最终有界.仿真结果验证了所设计控制方案的可行性与有效性.

一类不确定非线性纯反馈系统的自适应鲁棒模糊控制

针对一类带有不确定性的非线性MIMO纯反馈系统,提出一种自适应鲁棒模糊控制方法.该方法放宽了已有文献对系统模型的限制条件,基于李雅普诺夫分析方法获得了控制输入和自适应律.在控制输入设计中,鲁棒控制项用于补偿逼近误差向量.通过选择适当的设计参数,提出的控制方法使得闭环系统的所有信号是一致有界的和跟踪误差向量的范数收敛到小的零邻域内.仿真结果表明了所提出方法的有效性.

非仿射纯反馈不确定系统预设性能鲁棒自适应控制

针对一类结构和参数及控制方向均未知的非仿射纯反馈非线性不确定系统,提出了一种保预设性能鲁棒自适应控制方案。首先引入性能函数和误差转换函数,通过误差转换将原始的输出误差存在性能约束的受限系统转换为等价的非受限系统;其次,基于中值定理将非仿射型系统转化为具有线性结构形式的时变系统,并同时利用自适应投影算法对有界时变参数进行辨识,参数辨识误差和外界干扰采用非线性阻技术项进行补偿;随后综合运用反演技术和Nussbaum函数设计控制器并进行稳定性分析。所设计的控制器不仅能够保证闭环系统所有信号有界且输出误差满足预设的瞬态及稳态性能要求;最后,仿真结果验证了所设计控制方案的可行性与有效性。

一类纯反馈非仿射非线性系统的自适应神经网络变结构控制

研究了一类非仿射的纯反馈单输入单输出非线性系统。针对此系统,在中值定理、神经网络参数化和解耦Backstepping的基础上,提出了一种自适应变结构神经网络控制策略,而且所给出的定理证明闭环系统的所有信号在平衡点上是半全局一致有界的。通过对一个非仿射CSTR对象的仿真验证了该方法的有效性。

一类纯反馈非线性系统的反推控制

研究了一类纯反馈非线性系统的输出跟踪问题.通过引入一个新的坐标变换,提出了一种基于反推设计的状态反馈控制算法.所得控制算法不仅保证了系统跟踪误差全局渐近稳定,同时使得闭环系统所有信号有界.最后,一个仿真实例验证了本文控制算法的有效性.

非仿射纯反馈非线性切换系统自适应控制

针对一类单输入单输出的非仿射纯反馈非线性切换系统,研究了一种在任意切换下的自适应控制策略.首先,引入中值定理处理系统的非仿射特性问题,并利用径向基函数神经网络逼近系统的未知非线性动态.然后,采用Nussbaum函数处理系统控制增益未知的问题,且在反演设计的每一步引入低通滤波器以解决"微分爆炸"问题.最后,基于共同Lyapunov函数设计状态反馈控制器,并分析闭环系统的稳定性.所设计的控制器避免了切换发生时控制参数跳变和调节参数过多的问题,减少了计算负荷,可以保证闭环系统所有信号半全局一致有界,且跟踪误差可收敛到原点的一个较小邻域.仿真结果验证了控制策略的有效性.

一种改进的非线性纯反馈系统的自适应动态面控制

研究了一类带有未知扰动的非线性纯反馈系统的控制问题.通过引入动态面技术,结合神经网络逼近方法,并利用积分型Lyapunov函数,提出了一种改进的自适应动态面控制方案.在传统后推设计方法的每一步中引入一阶滤波器进行设计,避免了对一些非线性函数,如虚拟控制,反复求导而造成的计算复杂性问题.与现有研究结果相比,该方案放宽了对于控制系统的要求,有效地减少了可调参数的数目,无需虚拟控制增益系数导数的信息.理论分析证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到一个小的邻域内.

一类纯反馈非线性系统的动态面控制

针对一类非仿射输入纯反馈非线性系统,提出了一种动态面控制算法.不同于运用中值定理,该算法通过引入一个辅助系统,将原系统转化为输入仿射系统,结合动态面控制与反推设计法,消除了反推法中"计算膨胀"问题.所设计控制器保证了闭环系统所有信号半全局一致最终有界,且通过选择合适的设计参数可使跟踪误差收敛到原点的一个小邻域内.一个仿真实例进一步验证了所提控制算法的有效性.

具有输出限制的纯反馈系统的神经网络控制

为了研究一类具有输出限制的不确定非线性纯反馈系统的自适应神经网络追踪控制问题,利用神经网络的非线性逼近能力与自适应控制的反推法给出该系统的自适应控制器;利用障碍Lyapunov函数与隐函数存在定理进行控制器的设计。结果表明,该控制方法保证了闭环系统所有信号的半全局一致最终有界性。

不确定纯反馈系统非线性比例反演控制

针对一类不确定非仿射纯反馈系统,结合反演法、Nussbaum函数和非线性比例控制器,提出了一种新的控制器设计方案。该方案基于双性能函数设计非线性函数以构建非线性比例控制器,同时在反演设计中的每一步引入Nussbaum函数以满足系统结构和参数未知、控制方向未知、初始状态未知及预设性能控制的需求。所设计的控制器结构极为简单,在线调整的参数个数极少。最后,基于Lyapunov稳定性定理证明了闭环系统所有信号一致有界。仿真结果验证了所设计控制方案的可行性与有效性。

输入饱和及输出受限的纯反馈非线性系统控制

针对具有输入饱和和输出受限的纯反馈非线性系统,设计了神经网络自适应控制器。首先利用隐函数定理和中值定理将非仿射形式的纯反馈非线性系统转换成有显式输入的非线性系统,基于李雅普诺夫第二方法以及反推法并采用障碍型李雅普诺夫函数进行控制器的设计,最后通过稳定性分析证明了闭环控制系统是半全局一致最终有界的,利用仿真例子验证了控制方案的有效性。

一类非线性系统的自适应模糊反推近似滑模控制

针对一类含有未知非线性函数项和外界干扰的不确定纯反馈非线性系统,提出了一种自适应模糊反推近似滑模变结构控制方法。采用中值定理和隐函数定理使未知非仿射输入函数拥有显式的控制输入,利用模糊系统逼近未知非线性函数,动态面控制技术解决了反推设计中出现的"微分爆炸"问题。所提出的自适应近似滑模控制方案削弱了传统滑模控制中的抖振现象。从理论上证明了所设计的控制器能够保证闭环系统所有信号半全局一致终结有界。仿真算例验证了算法的有效性。

一类纯反馈非线性系统的反推近似滑模控制

在非线性控制系统的优化过程中,针对一类含有未知函数项和外界干扰的不确定纯反馈非线性系统,提出了一种自适应反推近似滑模变结构控制方法。基于中值定理和隐函数定理将未知非仿射输入函数进行分解,使其含有显式的控制输入,利用神经网络逼近未知非线性函数,动态面控制技术解决了反推设计中对虚拟控制反复求导而导致的"微分爆炸"问题。提出的自适应近似滑模控制方案削弱了传统滑模控制中的抖振现象,取消了不确定干扰上界先验已知条件。最后,从理论上证明了所设计的控制器能够保证闭环系统所有信号半全局一致终结有界,为控制系统性能优化提供了有效方法。

非线性纯反馈时滞系统的自适应模糊跟踪控制

针对一类不确定非线性纯反馈时滞系统的自适应模糊跟踪控制问题,本文采用模糊逻辑系统来逼近系统中未知的非线性函数,利用自适应方法和Backstepping方法构造出一种自适应模糊控制器,并给出了非线性纯反馈时滞系统跟踪控制问题可解的充分条件。仿真结果表明,所设计的自适应模糊控制器,保证闭环系统的所有变量有界,并确保系统输出有效跟踪给定的参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,同时其他闭环信号保持有界。该控制方法可以有效地减少系统在线计算负担。