不确定离散系统神经网络自适应控制方法的研究.docxVIP

不确定离散系统的神经网络自适应控制方法研究关键次：不确定，离散系统，神经网络，自适应控制1? 引言在调节控制器时,首先要由系统输出反向传递到系统可控输入,才能运用一般的参数调节方法,但未知系统特性不可能事先精确预知,所以自适应控制理论在这个方向进展遇到障碍。而神经网络具有高度非线性映射能力和强大的学习适应能力以及特殊的分层结构,它与直接自适应控制方法的相结合可使问题得到解决。近年来,神经网络的稳定性获得广泛的关注[1],对于未知非线性系统,以神经网络为基础的控制技术已被认为是非常有实际意义。许多神经网络自适应控制中的研究已经运用在不确定非线性连续系统[2-4]。然而,由于在离散系统中存在一些困难,例如在反推设计的非因果的问题,在离散邻域的工作远少于连续邻域[5-7]。对于一类严格反馈系统来说,已经提出用离散系统的自适应反推算法解决上述问题。随后,基于神经网络和模糊逻辑系统的带有未知函数的非线性离散系统在自适应控制器设计上取得了一些显著的进展。但这些方法的主要缺点是[8],有太多的自适应参数需要进行调整,从而高阶系统中的学习时间往往是令人无法接受,并且控制器落实不可避免的要消耗大量时间。本文利用反推控制技术和神经网络逼近性原理设计了一类离散非线性系统的自适应控制器,提出的控制方法只需考虑较少的自适应参数,减少了计算量,最后的仿真结果说明了本文方法的有效性。2? 系统描述和观测器设计2