随机非线性系统基于事件触发机制的自适应神经网络控制 .pdfVIP

随机非线性系统基于事件触发机制的自适应神经网络控制

王桐;邱剑彬;高会军

【摘要】Thispaperinvestigatestheevent-triggeredadaptiveoutput-

feedbackcontrolproblemforaclassofstrictfeedbackstochasticnonlinear

systems,andanovelevent-triggeredadaptiveneuralnetworkoutput-

feedbackcontrolstrategyisproposed.Theradialbasisfunctionneural

networksareutilizedtoapproximatetheunknownnonlinearfunctions.By

introducingNussbaumgainfunctionanddesigningfilterduringthe

backsteppingdesignprocedure,theeffectofunknowncontroldirectionis

compensated.Theboundnessoftheclosed-loopstochasticnonlinear

systemisguaranteedbydesigningarelativethresholdevent-triggered

mechanism.Finally,anumericalexampleisgiventoshowtheeffectiveness

oftheproposedcontrolstrategy.%针对一类具有严格反馈结构且控制方向未知

的随机非线性系统,提出了基于事件触发机制的自适应神经网络(Adaptiveneural

network,ANN)输出反馈控制方法.利用径向基神经网络逼近系统中未知的非线性

函数.通过引入Nussbaum增益函数并设计滤波器,解决了系统控制方向未知的问

题.通过设计具有相对阈值的事件触发机制,保证了闭环随机非线性系统的有界性.

最后给出数值仿真例子验证所提控制方法的有效性.

【期刊名称】《自动化学报》

【年(卷),期】2019(045)001

【总页数】8页(P226-233)

【关键词】随机非线性系统;事件触发;反步法;自适应神经网络;输出反馈

【作者】王桐;邱剑彬;高会军

【作者单位】哈尔滨工业大学智能控制与系统研究所,哈尔滨150001;哈尔滨工业

大学智能控制与系统研究所,哈尔滨150001;哈尔滨工业大学智能控制与系统研究

所,哈尔滨150001

【正文语种】中文

在过去的20多年中,针对具有严格反馈结构的非线性系统的自适应反步控制设计问

题得到了广泛的研究[1-4].反步法(Backstepping)由Kanellakopoulos等于1991

年在文献[3]中首先提出,是针对不确定性系统,将Lyapunov函数的选取与控制器的

设计相结合的一种回归设计方法,通过从系统的最低阶次微分方程开始,引入虚拟控

制的概念,一步一步设计满足要求的虚拟控制.上述文献[1-4]主要研究了具有严格反

馈结构非线性系统的自适应控制设计问题,降低了自适应参数的数量.然而,上述方法

并不能解决系统中存在未知的非线性项的情况.通过引入模糊逻辑系统或神经网络,

文献[5-8]研究了一类含有未知非线性函数系统的自适应模糊/神经网络控制设计方

法.针对一类最小相位非线性系统,文献[5]基于可线性化的神经网络结构提出了自适

应神经网络(Adaptiveneuralnetwork,ANN)反步设计方法.文献[6]通过结合二次

Lyapunov-Krasovskii函数,解决了多输入多输出非线性时滞系统的跟踪控制问题.

而针对具有严格反馈结构的单输入单输出非线性系统,文献[7]提出了基于动态面控

制技术的自适应神经网络控制方法,解决了反步法带来的“维数爆炸”问题,降低了

算法的计算复杂度.在此基础上,文献[8]将上述控制方法扩展到了一类具有纯反馈结

构的非线性时滞系统.同时,自适应反步法控制设计也被应用到了悬架控制[9]等实际

例子当中.

考虑到各种随机干扰和随机扰动对非线性系统的影响,随机非线性系统的控制问题

也得到了深入的研究[10-12].文献[10]解决了随机非线性系统的稳定性问题,文献

[11]将该