非线性系统神经网络L_2增益控制

针对很难求解HJ偏微分不等式解析解的问题,采取一种新的思想,给出了利用神经网络构造HJ不等式解的一种方法,并利用遗传算法进行神经网络权值的优化,使得Lyapunov函数满足HJ不等式,避免了求解HJ偏微分不等式。并在此基础上,给出基于HJ不等式的仿射非线性系统神经网络L2增益抗干扰控制器设计方法,以神经网络的形式给出L2增益控制器的一般结构。仿真结果表明,提出的控制器设计方法是可行的,实现了闭环系统为从外界干扰到系统输出是有限增益L2稳定的。

具有不确定性的非线性系统自适应神经网络L_2增益控制

针对存在不确定性的非线性系统,提出了自适应神经网络L2增益控制器设计方法,将基于Hamilton-Jacobi-Issacs(HJI)不等式和自适应神经网络策略相结合,有效地克服了需要被控对象精确建模的局限性.神经网络对系统模型的偏差进行拟合;为了补偿拟合误差,引入补偿控制器和神经网络权值自适应调节律,通过在线自适应修正神经网络权值,来保证闭环系统满足相应的L2性能准则.仿真结果表明提出的控制器设计方法是有效的,克服了一般方法需要被控对象精确建模的局限性.