基于动态神经网络鲁棒自适应跟踪.pdf

第 27卷第 2期 信 息 与 控 制 v01．27．No．2 1998年4月 InformationandControl Apt．．1998 f08 基于动态神经网络的鲁棒 自适应跟踪 — 化 1000 一 (请单大掌自动化囊 84) 。 1 j ’) 摘 要 研究了一类基于两层动态神经同的仿射型鲁棒 自适应跟 ． 于 知的仿射非 出的 保护而引起的不连续的问题．从理论上证明了闭环系统的鲁棒稳定性．仿真结果验证了提 衣 图 白话 靠# 材 t 娑 者 撕 壮 1 一 … 统 目前，用动态神经网络的 自适应控制是一个非常活跃且具有挑战性的领域．K．S．Naren— dra等人 对单变量和 ·对多变蓄菲魂繇 统的自适应控制用动态BP算法进行了方法研究 并作了大量仿真．S~risU．Lcvin等人 基于控制理论提出了如何用神经网络设计可靠的控制 器-ChenchunLiu等人 和L．JIn等人 。分别研究了多层静态神经网络的直接 自适应控制收 敛性分析．在他们的研究中，用核度下降方法进行权的修正，以一个死区函数作为误差的收敛 区域．这一方法要求初始的参数误差足够小．戴琼海等人在文Ez2中研究了用动态神经网络的 间接 自适应控制和在文F2]中研究了动态神经网络的直接 自适应控制，并且证明了稳定性和收 敛性 ，在这两篇文章中，要求逼近误差是有界的．丰文基于Lyapunov理论对逼近误差提出了 新的鲁棒权学习算法，改进算法不要求理想权值的界．逼近误差是跟踪误差的多项式，亦即不 要求逼近误差是有界的．针对逼近误差用一鲁棒项加以修正．证明了闭环系统是鲁棒稳定的． 2 基于动态网的鲁捧自适应跟踪 在丰节中，我们研究的仿射动态系统的微分方程为 王= ，()+ g(x)u (1) 其中z∈ 是对象的状态，“∈ 输入，， )∈R 和 g()∈ 的元素为充分光滑的函数， 定义在 0c 的一个开集上． 假设 g()在紧集 ∈8c 上是非奇异的且具有有界的范数，日=span{g ” )． dim日= ．特 0有 p(g ()g())≥g 0， V ∈8C R 其中g一是最小的奇异值在紧集e上． 用两层动态网络(图1)描述对象的微分方程如下 = Ax+ BWS()+ BS (x)Vu (2) 其中 ∈R ·Ⅳ∈R 是一个 Xn权矩阵，V∈ 是一个 ×m权矩阵， 和B是× 对角 1 6-- 中99 置 自1鼎2--科0学4基t~耋l和高等学校博士学辩点专疆辩研基鱼资助疆目 信 息 与 控 27畚 矩阵，其元素 a，6i一1，2．．·，月，S(z) 是 Ⅳ一维向量并且 S )是一个 NX Ⅳ对角矩阵，其元素分别为 s(∞)， ()，它们是光滑、单调递增的函数，