两类MIMO非线性系统的自适应神经网络控制算法研究

摘要

控制系统中往往会呈现出非线性、时变、时滞、耦合等特点，由于这些原因的影响，实际系统控制变得非常复杂而又富有挑战性；然而现阶段大多数研究集中在单输入单输出（singleinputsingleoutput，SISO）的非线性系统，而多输入多输出（multiinputsmultioutputs，MIMO）的研究工作开展的相对较少。因此，本文对两类特定结构的非线性系统，以自适应控制技术、神经网络逼近原则、backstepping方法、动态面技术为主要工具，以Lyapunov稳定性理论为基础，研究了两类非线性系统的自适应跟踪控制的神经网络控制器设计问题。主要开展以下两项工作：
　　第一，针对一类MIMO耦合非线性系统，本文提出了一种间接自适应神经网络控制方案。首先构造了一个有反馈结构的动态神经网络（dynamicneuralnetworks，DNNs），并基于此网络对原有耦合非线性时变系统进行逼近；同时基于无耦合的神经网络逼近模型设计自适应控制器，并利用Lyapunov稳定性理论证明系统稳定性。本文所设计的控制器不仅能够保证系统的稳定性和信号的有界性，而且能够取得良好的跟踪效果。
　　第二，针对一类MIMO非仿射时滞纯反馈系统，本文提出了一种基于RBF神经网络的动态面控制（dynamicsurfacecontrol，DSC）方案。首先，结合均值定理和隐函数定理将非仿射系统转换为仿射系统；然后基于变量分离技术，将含有多个状态时滞的未知函数分解为一系列含有每个状态时滞的未知函数，同时采用Lyapunov-Krasovskii函数对未知时滞函数进行补偿；此外，基于DSC的backstepping方法避免了传统backstepping方法中由于对虚拟控制连续求导而造成的复杂性问题和代数环问题。最后采用Lyapunov稳定性方法证明得到系统的所有信号是半全局一直有界的。
　　本文提出的两种自适应算法较好的解决了以上两类MIMO非线性系统的跟踪控制问题，各自的仿真结果验证了本文算法的有效性。

目录

封面

中文摘要

英文摘要

目录

1 绪论

1.1研究背景和意义

1.2两类MIMO非线性系统控制研究现状

1.3主要研究内容

2 预备知识

2.1 数学知识

2.2 稳定性理论

2.3 神经网络描述

2.4 总结

3 基于动态神经网络的MIMO耦合系统辨识与自适应控制算法研究

3.1 问题描述

3.2 基于动态神经网络的系统辨识

3.3 基于动态神经网络的间接自适应控制器设计

3.4 算法实施步骤

3.5 仿真验证

3.6 总结

4 基于DSC的非线性系统的自适应NN跟踪控制算法研究

4.1 问题提出

4.2 控制器设计

4.3 算法实施步骤

4.4 仿真

4.5 总结

5 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

附录 A. 作者在攻读学位期间发表的论文目录