非線性隨機(jī)系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制.pdf

1、近年來，非線性隨機(jī)系統(tǒng)的研究受到了比較廣泛的關(guān)注，是非線性系統(tǒng)控制理論研究的熱點(diǎn)方向之一。本文針對幾類非線性隨機(jī)系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制問題進(jìn)行了研究，主要研究內(nèi)容包含以下幾個(gè)方面:
　　1.對一類隨機(jī)非線性嚴(yán)格反饋系統(tǒng)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)跟蹤控制問題進(jìn)行研究，提出了一種基于動態(tài)面控制技術(shù)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制方案。在控制設(shè)計(jì)過程中，應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)逼近組合的未知非線性函數(shù)，并用動態(tài)面控制技術(shù)對虛擬控制律進(jìn)行濾波處理，克服了控制器循環(huán)結(jié)

2、構(gòu)問題。所設(shè)計(jì)的自適應(yīng)律中只有一個(gè)自適應(yīng)參數(shù)，減少了在線求解方程的數(shù)量，降低了計(jì)算量，更便于工程實(shí)際應(yīng)用。所提出的控制方案保證了閉環(huán)系統(tǒng)所有信號依概率有界，且通過調(diào)整控制設(shè)計(jì)參數(shù)使得系統(tǒng)穩(wěn)定狀態(tài)跟蹤誤差任意小。數(shù)字仿真算例驗(yàn)證了所提方案的有效性。
　　2.研究了一類帶有未建模動態(tài)且狀態(tài)不可測隨機(jī)非線性系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)輸出反饋控制問題。在控制設(shè)計(jì)過程中，首先，針對系統(tǒng)的部分不可測狀態(tài)設(shè)計(jì)了降階觀測器，其次，僅使用一個(gè)RBF神經(jīng)網(wǎng)絡(luò)

3、在線逼近未知函數(shù)將系統(tǒng)的實(shí)際控制律實(shí)現(xiàn)，減少了計(jì)算負(fù)擔(dān)。為避免Backstepping設(shè)計(jì)方法中存在的“計(jì)算膨脹”問題，降低控制器設(shè)計(jì)的復(fù)雜性，引入了動態(tài)面控制技術(shù)。利用隨機(jī)小增益定理和隨機(jī)穩(wěn)定理論對閉環(huán)系統(tǒng)進(jìn)行了分析，結(jié)果表明閉環(huán)系統(tǒng)所有信號依概率有界，并且可以通過調(diào)整控制設(shè)計(jì)參數(shù)使得系統(tǒng)輸出收斂于原點(diǎn)附近一個(gè)局部小的鄰域內(nèi)。仿真研究說明了所提控制設(shè)計(jì)方案的有效性。
　　3.針對一類控制方向未知的隨機(jī)非線性時(shí)變時(shí)滯系統(tǒng)輸出反饋控

4、制問題進(jìn)行研究。在控制設(shè)計(jì)過程中，首先，利用線性狀態(tài)轉(zhuǎn)換方法對原系統(tǒng)進(jìn)行了變換，得到一個(gè)不含有未知控制方向的新系統(tǒng)，使得控制設(shè)計(jì)更加容易實(shí)現(xiàn)，其次，針對新系統(tǒng)不可測狀態(tài)設(shè)計(jì)了全階觀測器，并利用平均值理論處理時(shí)變時(shí)滯問題，最后，采用一個(gè)RBF神經(jīng)網(wǎng)絡(luò)逼近系統(tǒng)中逼近依賴于時(shí)滯的未知非線性函數(shù)項(xiàng)，且通過估計(jì)神經(jīng)網(wǎng)絡(luò)參數(shù)的最大值而不是參數(shù)本身，使得在線被估計(jì)的神經(jīng)網(wǎng)絡(luò)參數(shù)大大減少，減少了神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)的時(shí)間，大幅度的降低了計(jì)算負(fù)擔(dān)。在Back

5、stepping遞推控制設(shè)計(jì)中引入Nussbaum函數(shù)解決新系統(tǒng)中存在的由控制方向未知引起的未知參數(shù)。所提出的控制方案保證了閉環(huán)系統(tǒng)所有信號依概率有界，數(shù)字和應(yīng)用仿真研究驗(yàn)證了所提控制方案的有效性。
　　4.研究存在未知死區(qū)的隨機(jī)非線性時(shí)滯系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)跟蹤控制問題。在控制器設(shè)計(jì)過程中，首先，通過構(gòu)造適當(dāng)?shù)腖yapunov-Krasovskii泛函，結(jié)合雙曲正切函數(shù)的特點(diǎn)，補(bǔ)償系統(tǒng)中非線性時(shí)滯函數(shù);其次，在用RBF神經(jīng)網(wǎng)絡(luò)對系

6、統(tǒng)中存在的未知函數(shù)進(jìn)行在線逼近的過程中，通過估計(jì)神經(jīng)網(wǎng)絡(luò)參數(shù)的最大值而不是參數(shù)本身，避免了神經(jīng)網(wǎng)絡(luò)在線逼近可能導(dǎo)致的學(xué)習(xí)參數(shù)爆炸問題，降低了神經(jīng)網(wǎng)絡(luò)計(jì)算負(fù)擔(dān);最后，對系統(tǒng)中的未知輸入死區(qū)部分進(jìn)行補(bǔ)償。為避免Backstepping設(shè)計(jì)方法中存在的“計(jì)算膨脹”問題，降低控制器設(shè)計(jì)的復(fù)雜性，在控制器設(shè)計(jì)過程中引入了動態(tài)面控制技術(shù)。所提出的控制方案既不需要構(gòu)建死區(qū)的逆，也不需要知道死區(qū)參數(shù)界限，避免過參數(shù)化的問題，且保證了閉環(huán)系統(tǒng)所有信號概率

7、意義下有界，通過調(diào)整控制設(shè)計(jì)參數(shù)使得穩(wěn)定狀態(tài)跟蹤誤差任意小。數(shù)值仿真算例驗(yàn)證了所提控制方案的有效性。
　　5.針對帶有未知死區(qū)的隨機(jī)非線性時(shí)滯系統(tǒng)設(shè)計(jì)了單一神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器。采用該方法所提出的控制方案只有一個(gè)自適應(yīng)律和一個(gè)實(shí)際控制律，并且采用Backstepping控制設(shè)計(jì)方法所得到的虛擬控制律只是形式的給出，不必實(shí)際實(shí)現(xiàn)，顯著降低了控制器設(shè)計(jì)的復(fù)雜性，降低了系統(tǒng)的計(jì)算負(fù)擔(dān)。采用前述處理未知死區(qū)和時(shí)滯的方法對系統(tǒng)中的未知輸入死

8、區(qū)和時(shí)滯進(jìn)行了補(bǔ)償。所提出的控制方案不僅保證閉環(huán)系統(tǒng)所有信號概率意義下有界，而且可以通過調(diào)整控制設(shè)計(jì)參數(shù)使得穩(wěn)定狀態(tài)跟蹤誤差任意小，數(shù)字仿真算例驗(yàn)證了所提控制方案的有效性。
　　6.研究一類帶有多重時(shí)變時(shí)滯和未知死區(qū)的隨機(jī)非線性純反饋系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)跟蹤控制問題。首先，應(yīng)用中值定理將隨機(jī)非線性純反饋系統(tǒng)中的非仿射函數(shù)轉(zhuǎn)換成仿射形式，其次，對系統(tǒng)中未知死區(qū)和多重時(shí)滯進(jìn)行了補(bǔ)償。最后，在利用RBF神經(jīng)網(wǎng)絡(luò)逼近系統(tǒng)中的未知函數(shù)的過程中