一种自适应神经学习的全状态规定性能PMSM时延控制方法

摘要

本发明公开了一种自适应神经学习的全状态规定性能PMSM时延控制方法，采用对数型转换并嵌入新的规定性能函数的，将具有全状态规定性能约束的原始系统转换成无约束的系统。然后考虑无约束模型中的时间延迟，通过反步控制框架，构建了一个基于神经学习的自适应规定性能控制方法。其中，基于适当的Lyapunov‑Krasovskii函数和神经学习技术，时间延迟得到了解决以及未知的非线性函数得到了有效的逼近。同时，引入了一阶滤波器，以避免反步控制设计中产生"复杂性爆炸"。此外，稳定性分析证明了闭环系统中所有信号有界，跟踪误差被限制在原点周围的小范围内而不违反约束。