基于自适应神经网络的非线性系统输出反馈研究

论文摘要

对于不确定性的非线性非最小相位系统,其输出反馈镇定问题已成为非线性研究的热点问题,具有一定的研究价值。神经网络具有很强的适应复杂环境和多目标控制要求的自学习能力,并能以任意精度逼近任意非线性连续函数;鲁棒控制对系统中存在的不确定性,通过设计鲁棒控制器,使闭环系统在保持稳定的同时,还可以保证一定的动态性能品质。本文融合神经网络和鲁棒控制,有效的解决非线性非最小相位系统的输出反馈控制问题。首先,本文对Back-stepping输出反馈控制方法进行了介绍和分析,通过实际仿真,指出该控制方法存在不足。结合神经网络和鲁棒控制的优点,提出一种新型的输出反馈控制器。先将系统进行泰勒级数展开,同时引入两个不确定项,即匹配不确定项和零动态建模误差;通过假设使零动态建模误差满足一致有界,再利用MLP神经网络的非线性映射能力,逼近匹配不确定项;设计观测器使得闭环系统的输出可测。文中对TORA系统进行控制,仿真结果表明,该控制算法是有效的,转角的收敛速度可以在短时间内达到稳定状态,位移的收敛速度得到明显改善。其次,为了弥补方法不足,文中对所提控制器加以改进,引入自适应鲁棒控制项,最大程度上减少了神经网络在逼近中产生的误差。仿真结果表明,改进后的控制器与原有Back-stepping输出反馈控制器相比,在转角的响应速度上略快,而在其它控制性能方面,比改进前的控制器控制效果更好。最后,文中对带有自适应神经网络输出反馈控制器的闭环系统进行了稳定性证明,并给出了结论。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 非线性系统控制概述
• 1.2 自适应神经网络发展概况
• 1.2.1 非线性系统的自适应神经网络概况
• 1.2.2 不确定问题描述
• 1.3 自适应鲁棒控制理论简介
• 1.4 输出反馈控制概况
• 1.5 课题来源及研究意义
• 1.6 主要研究内容
• 第2章 预备知识
• 2.1 数学工具
• 2.1.1 范数
• 2.1.2 紧集
• 2.1.3 Lipschitz 条件
• 2.2 李雅普诺夫函数稳定性理论
• 2.3 能控性与能观性理论
• 2.4 自适应神经网络基础知识
• 2.4.1 自适应神经网络
• 2.4.2 MLP 神经网络
• 2.5 鲁棒控制理论知识
• 2.6 本章小结
• 第3章 基于自适应神经网络的输出反馈控制
• 3.1 Back-stepping 输出反馈控制
• 3.1.1 降维观测器的设计
• 3.1.2 小增益条件
• 3.1.3 TORA 系统的Back-stepping 控制
• 3.2 基于自适应神经网络的输出反馈控制
• 3.2.1 模型拓展
• 3.2.2 线性控制器的设计
• 3.2.3 自适应神经网络控制器设计
• 3.2.4 观测器的设计
• 3.2.5 TORA 系统的自适应神经网络控制
• 3.3 本章小结
• 第4章 改进的自适应神经网络输出反馈控制
• 4.1 改进的输出反馈控制
• 4.2 稳定性分析
• 4.3 TORA 系统的改进输出反馈控制
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢