改进的神经网络观测器在非线性系统中的应用

摘要

为降低非线性观测器对模型精度的依赖性,提出一种非传统的神经网络观测器设计方法.该神经网络为三层前馈网络,采用带修正项的误差反传算法进行训练,以保证控制的精度和权值有界,利用神经网络识别系统的非线性部分,并结合传统的龙伯格观测器重构系统状态;利用Lyapunov直接法保证基于权值误差的非观测器的稳定性,并将该观测器应用于机器人轨迹跟踪控制中.仿真结果表明,该方法解决了模型不确定系统状态观测问题,适用于模型精度较低的非线性系统.