基于神经网络的一类非线性系统自适应反步控制 adaptive backstepping control for a class of nonlinear systems based on neural networks.pdfVIP

No．3 第15卷第3期 电路与系统学报 V01．15 2010年6月 JOURNAL0FCIRCUITSANDSYSTEMS June，2010 文章编号：1007—0249(2010)03—0068·07 基于神经网络的一类非线性系统自适应反步控制· 李珍辉 (湖南工程学院计算机与通信学院，湖南湘潭411104) 摘要。针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件，提出一种新的基于神经 网络的一类非线性系统自适应反步控制器设计方案。使用三层神经网络逼近系统的非线性特性，通过网络权系数自适 应调整来不断的在线估计未知的逼近误差上界，采用有盯修正项的自适应律以放松持续激励条件。给出了基于 Lyapunov意义上的闭环系统稳定性分析，证明跟踪误差收敛于原点的一个占领域内。仿真结果表明了所提反步控制器 的正确性。 关键词。非线性系统；自适应反步法；神经网络逼近 中图分类号tTP27l 文献标识码tA 1 引言 可转化为参数化严格反馈正则形式的一类非线性系统给出了详细的设计方案，所设计的虚拟控制量能 极小化状态与其期望值间的误差。但这类控制方案仅能处理线性参数条件或特殊的非线性参数扰动和 外部干扰，不适宜于非匹配情况，且分析与确定回归矩阵过程冗长。 神经网络(NN)控制被证明是处理具有未知函数高度不确定系统的有效方法，使用NN逼近未知 非线性函数的动态性，NN控制器能克服传统反步控制器的不足，是解决系统存在不匹配干扰的控制 方法。文献【2】给出将NN用于系统建模和补偿控制的设计方案，文献【3，4】对于输入函数未知的一类一 逼近器，提出一种自适应设计；文献【6]对非线性项未知的一类高阶系统，使用单隐层神经网络进行自 适应输出反馈控制，但该方法不能保证网络权值的有界性。 以上大多数结合NN与反步法的控制方案要求系统满足严格的匹配条件，且需假设网络逼近误差 上界是已知的，同时假设系统满足持续激励(PE)条件。文献【7，8】使用参数估计与带仃修正的变量项 来放松这些要求与假设，文献[9]所给出的网络权值自适应律只适用于二阶系统的隐层到输出层的权值 调整。本文将NN与反步法进一步结合，针对一类严格反馈单输入单输出非线性系统，使用线性参数 高阶系统的全网络参数调整的自适应律，提出一种稳定的自适应神经网络反步控制器设计方案。 2 问题描述 考虑如下单输入单输出(SISO)非线性系统 文=，(x)+g(x)“ (1) Y=^(工) 为如下的下三角形式： 毫=f『l(x1)+91(工1)工2 戈2=五(工l，工2)+92(工I，X2)X3 2010—03—18 ‘收藕日期t 修订日期：2010—05—10 基金项目·湖南省教育厅资助科研项目(09C271) 万方数据 第3期 李珍栏：基于神经网络的一类非线性系统自适应反步控制 ： 屯一l=兀-1(五，X2，…，矗一I)+g．-1(jcl，x2，…，工一)矗 南=Z(而，而，…，毛)=g。(一，屯，…，矗弦 Y=厅(五) (2) 本文的控制目标是跟踪给定轨迹，对式(1)求李导数，可得