一类非线性系统神经网络鲁棒控制方法.docxVIP

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 导出/参考文献关注 分享 收藏打印 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： 出线性系统;口适应控制; 神经网络;Lyapunov稳定性; 作者简介：涂庆伟(1978-)，男，河南郑县人，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(CDIIJZ1509003) 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。近年來发展起來的神 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 统的己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: Xi — x2 ■ X2 — X3 ? ? ? ■ x 抡—f (x) + g(x)u + d 这里,表示状态向量，d (t) 这里, 表示状态向量，d (t)为干扰，f, g为 充分光滑井线性函数。 对理想输出需要设计,U, 使W) T 跟踪并达到足够的精度, 定义期望轨迹。 兀= X/ ??? y^l)V 引入辅助误差 引入辅助误差 这里 ，并选取合适的M对r求导得: 尸=JM + ^(x)w +/ + (-x； + 乞兄尼.J 若 g (x)和 f (x)精确已 u 知二，g 则(1 控 x)制[-器 f: (x) -Kv r-Yd] g(x) [―/(刘一兀] 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。 1 八 丽7 这里飞(X)及八f (x)均为g (x)和f (x)的估计项，…KT为辅助控制项, 代入得： r = /(X)+ g(x)u + 打 + guc 一 guc + guc - 这里叫刊一叫，，。 G uRS 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 x 中有如下形式： f)二(x^X^)+^VxeQx 是理想常数权重,是逼近课羞。 是理想常数权重, 是逼近课羞。 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V是W 的估计值，权重误差则可以表示为。W (4) 不妨设计控制方案为： =wc =-l-f(x)-Kvr-Yd +wj g(x) =2卜沪eh) - K/-乙+ 〃」 g(x) 这里心＞°即为正定矩阵⑴为鲁棒控祸Z差方程 得：/?二一?/+/+?+〃 r = -Ky + W (p(x) + 〃+￡+? ( i) 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: 八 A 炉二尸炉⑴尸+防删叭=—(h + ^)sgn(r) 闭环系统渐近稳定的。 证明:定义Lyapunov函数: 乂*G）... .2? 二?二 二? △ ~ ~ 八 求导，并考虑到0一0=忆0=一0 把(1)和(2)代入: V -心（瓦）|卜『+卩|（為+以）-八Sgn（尸也+以）+列川（ 兰（-心dlk|| + k 11^1 yvB-k 1^11 ）|| II ~ II 11 丁丁厂 II ? 、「* 一 r ? I t ——■_k f —* — r- —zr— P P .、F.— 、—V J 络参数所调以节，有界疗当时，L〈0,从而闭坏系统渐近稳定的，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岀的方案的有效性。其动态模型如下： ?”（沪I；叫+ 叫片2Hw“co5 7： ?”（沪 +w“cos q： rMi￡+O rMi￡+O 为汨 ng； “和亦in$2 G（gr= /]（m + 血：庆C05g +/：m：COS（g l：々gcos（qy 尸（护[1绚+0?5妙（玄）1对2+0?％凹@）]〔 r（/）?[5sin St 5sm 5f]r, 给出如下参考模型: 几=人几+ ? 0 1 0 0 0 0 -10 -6.3 0 0 ,B“ = 10 0 0 0 0 1 0 0 0