不确定非线性系统神经网络自适应跟踪控制

摘要

系统的输出跟踪问题是控制理论综合问题中的一个重要研究课题,实际系统的非线性特性以及不可避免的不确定性因素的存在对系统的输出跟踪有很大的影响。因此研究不确定非线性系统的输出跟踪问题具有非常重要的理论意义和应用价值。神经网络固有非线性逼近能力、自适应和泛化能力以及联想记忆能力是解决不确定非线性系统控制问题的一种有效的方法,也使其成为贯穿本文各个研究部分的关键技术。鉴于此,在深入理解非线性系统理论和智能控制理论的基础上,本文系统化地研究了几类不确定非线性系统的自适应神经网络跟踪控制方法。本文的主要工作如下:
　　 (1)基于Lyapunov函数和梯度下降算法研究了一类具有零动念的不确定仿射非线性SISO系统自适应跟踪控制问题。提出了无需鲁棒控制项的神经网络自适应控制器,直接使用神经网络控制器对理想控制器的控制逼近误差,采用梯度下降算法获得参数更新律,最终参数更新律为输出偏差的非线性函数。所提出的控制律保证了闭环系统的稳定性并使得系统所有状态最终一致有界。
　　 (2)针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的一种鲁棒跟踪控制方法以降低控制器对干扰的要求;应用“主导输入”的概念,将外部干扰、内部不确定性和子系统的交叉耦合组成复合干扰,设计基于神经网络的干扰观测器,以逼近复合干扰。该方法将神经网络控制、H∞控制和自适应控制结合到一起,确保了闭环系统的稳定性及系统中所有信号的最终一致有界性,系统输出跟踪参考输入信号,复合干扰对系统跟踪误差的影响衰减到一个指定的水平。
　　 (3)针对一类具有外部干扰的不确定仿射非线性MIMO系统提出了一种神经网络输出反馈跟踪控制方法。该方法应用“主导输入”的概念,将一个MIMO系统分解成多个SISO系统进行设计,并且控制律和参数更新律中仅用到输出误差,无需设计状态观测器或加入低通滤波器使得估计误差动态满足严格正实条件,从而大大简化了系统的设计,具有重要的理论和应用价值。基于Lyapunov稳定性定理证明了系统的稳定性及信号的有界性。
　　 (4)针对一类带有外部干扰、状态不可测的非仿射非线性系统,提出了基于观测器的自适应神经网络H∞跟踪控制方法。控制器由等效控制器和H∞控制器组成,H∞控制器用于减弱外部干扰及神经网络逼近误差对跟踪性能的影响。总体控制方案及基于Lyapunov稳定性理论的权值更新律保证了系统的稳定性及跟踪误差渐近收敛于零,并使干扰对系统的影响衰减到指定的性能指标。
　　 (5)应用本文的理论研究成果,提出了两种两连杆机器人的自适应神经网络跟踪控制方案。使机器人实现了跟踪控制。
　　 论文最后总结了全文的主要研究成果,对下一步研究工作进行了展望。

目录

文摘

英文文摘

第1章 绪论

1.1 课题研究背景及意义

1.2 非线性系统控制研究概况

1.3 论文的主要研究内容和结构安排

1.4 小结

第2章 基本理论和预备知识

2.1 基本概念

2.2 反馈线性化基本理论

2.3 稳定性理论

2.4 人工神经网络

2.4.1 人工神经元模型

2.4.2 RBF神经网络

2.5 小结

第3章 一类不确定仿射非线性SISO系统的神经网络直接自适应跟踪控制

3.1 引言

3.2 问题描述与基本假设

3.3 控制器设计

3.4 性能分析

3.4.1 RBF神经网络权值收敛性分析

3.4.2 控制系统稳定性分析

3.5 仿真研究

3.6 小结

第4章 基于神经网络干扰观测器的一类不确定仿射非线性MIMO系统鲁棒H∞跟踪控制

4.1 引言

4.2 问题描述

4.3 RBF神经网络干扰观测器与H∞控制器设计

4.4 系统稳定性分析

4.5 仿真研究

4.6 小结

第5章 一类不确定仿射非线性MIMO系统的神经网络输出反馈跟踪控制

5.1 引言

5.2 问题描述

5.3 神经网络输出反馈控制器设计

5.4 系统稳定性分析

5.5 仿真研究

5.6 小结

第6章 一类非仿射非线性系统神经网络自适应H∞跟踪控制

6.1 引言

6.2 问题描述

6.3 观测器与控制器设计

6.4 系统稳定性及鲁棒性分析

6.5 仿真研究

6.6 小结

第7章 神经网络自适应跟踪控制的仿真研究

7.1 引言

7.2 在线自适应神经网络跟踪控制技术在机器人控制中的研究

7.2.1 机器人自适应神经网络控制系统

7.2.2 控制系统收敛性和稳定性分析

7.2.3 仿真研究

7.3 基于神经网络干扰观测器的自适应跟踪控制技术在机器人控制中的应用研究

7.3.1 自适应跟踪控制系统设计

7.3.2 仿真研究

7.4 小结

结论

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 攻读学位期间主持或参与的科研项目