一类非线性系统神经网络鲁棒控制方法.docVIP

一类非线性系统神经网络鲁棒控制方法 涂庆伟 常州大学怀德学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 基于Lyapunov稳定性理论, 采用神经网络直接自适应控制的思想设计控制器, 针对一类具有Brunovsky canonical form的非线性系统, 提出了一种基于神经网络的鲁棒控制方法, 计算机数值模拟进一步验证了所提出方法的有效性。 关键词： 非线性系统; 自适应控制; 神经网络; Lyapunov稳定性; 作者简介：涂庆伟 (1978-) , 男, 河南郏县人, 硕士, 讲师, 主要从事数学教学和智能控制研究。 基金：常州大学怀德学院产学研基金资助 (CDHJZ1509003) 1 引言 许多工业系统因其固有的不确定性和非线性特性, 难以建立确切的数学模型, 使传统控制理论在应用于实践时遇到了前所未有的困难.另一方面, 由于各种干扰的存在, 系统的结构乃至参数都可能发生变化, 因此即使依靠过程先验信息离线辨识得到了系统的模型, 也难免存在模型失配的问题。近年来发展起来的神经网络技术为解决复杂非线性系统的控制开辟了一条新路。本文针对一类非线性不确定系统, 提出了一种新的基于神经网络补偿的自适应鲁棒控制方案。通过系统的已知动态特性设计一个稳定的反馈控制器, 利用神经网络逼近非线性因素, 从而消除系统不确定性的影响。权重自适应修正规则是基于Lyapunov理论实现, 从而能够保证系统的稳定性。 2 不确定非线性系统神经网络控制方案 考察具有如下形式 (Brunorsky canonical form) 的状态方程: 这里, 表示状态向量, d (t) 为干扰, f, g为充分光滑非线性函数。 对理想输出yd, 需要设计tu, 使跟踪yd, 并达到足够的精度, 定义期望轨迹。 引入辅助误差 这里, 并选取合适的iλ对r求导得: 若g (x) 和f (x) 精确已u知=, g则 (1控x) 制[-器f: (x) -Kv r-Yd] 而实际上, g (x) 和f (x) 均存在建模误差, 而扰动d也是不能避免的, 所以实际控制。 这里?g (x) 及?f (x) 均为g (x) 和f (x) 的估计项, 为辅助控制项, 代入得: 这里, , 。 径向基函数神经网络能以任意的精度逼近连续函数, 即在紧集中有如下形式: f) = (x 是理想常数权重, ε是逼近误差。 一般情况下, 理想权重W是未知的, 在控制器设计中必须进行估算。令?W是W的估计值, 权重误差则可以表示为。W (4) =W-W? 不妨设计控制方案为: 这里即为正定矩阵, ur为鲁棒控制项代入误差方程得: 结论1:若对误差闭环系统 (1) , 神经网络权重调节法则和鲁棒控制项: 闭环系统渐近稳定的。 证明:定义Lyapunov函数: 求导, 并考虑到 把 (1) 和 (2) 代入: 络参数所调以节, 有界。当时, L0, 从而闭环系统渐近稳定的, 同时网 3 仿真实例 由于机器人的变化是高度非线性的, 可能包含不确定因素, 如摩擦。我们可以用两个刚性连接机器人来验证提出的方案的有效性。其动态模型如下: 给出如下参考模型: 自适应增加是和控 制参数是。权重的初始值 是0.隐蔽层中子数量N=50。初始状态值是和。仿真结果如图1、2所示。 4 结论 本文提出了一类具有未知的不确定性MIMO非线性系统神经网络直接自适应控制方法。神经网络模拟近似不确定性及未知非线性函数, 使用鲁棒控制词来补偿逼近误差。以Lyapunov函数为基础设计, 自适应规则保证闭环系统稳定和轨迹误差为零。设计算法确保选择各种参数控制, 以保证稳态轨迹误差收敛到零。 图1 制输入 ??下载原图 图2 轨迹误差 ??下载原图 参考文献 [1]Isidori A.Nonlinear Control System.2nd Ed.Berlin, Germany:Springer-Verlag, 1989. [2]Sastry S S, Isidori A.Adaptive control of linearizable systems.IEEE Trans.Automat.Contr., 1989 (34) :1123-1131. [3]杨盐生.不确定系统的鲁棒控制及其应用[M].北京:科学出版社, 2004:1-7.