基于复合学习的非线性切换系统自适应滑模控制方法

摘要

本发明涉及一种基于复合学习的非线性切换系统自适应滑模控制方法，用于解决现有非线性切换系统控制方法实用性差的技术问题。考虑非线性切换系统存在外界干扰和输入非线性，得到切换系统输入死区模型；使用神经网络和切换扰动观测器分别对系统未知非线性函数和复合干扰进行估计，基于平行估计模型构造表征学习性能好坏的预测误差，通过预测误差对神经网络权重更新律和扰动观测器进行调节；基于动态逆技术框架和复合学习策略设计自适应滑模切换控制器；利用预测误差构建滑模时变增益函数，减小了滑模切换抖振的幅度，提升了滑模控制的性能；本发明结合非线性切换系统控制特点，通过设计基于复合学习的自适应滑模控制器有效提升了控制性能。