《RBF神经网络辅助的非严格反馈系统有限时间跟踪控制研究》7200字.doc

PAGE1

RBF神经网络辅助的非严格反馈系统有限时间跟踪控制研究

内容提要本文旨在学习一类非严格反馈系统的自适应有限时间跟踪控制器的设计方法，并在Matlab中的实现仿真。首先，基于一种不确定的非严格反馈非线性系统，学习采用RBF神经网络近似逼近未知非线性函数，采用有限时间性能约束条件对跟踪误差的稳定时间和误差精度进行约束，采用李雅普诺夫稳定性定理、反步法设计控制器和自适应律，同时证明了闭环系统的稳定性。本文学习的控制策略具有以下优点（1）控制系统可以在有限的时间内跟踪上期望信号；（2）误差稳定时间可以设为任意值；（3）系统的跟踪误差可以在有限时间内收敛到接近于0的邻域内。接着，本文利用Matlab/simulink工具，分别搭建了一个数例仿真模型和一个实例仿真模型，对所学习设计的控制器进行模拟。仿真得到的结果表明，各系统信号的动态性能良好，跟踪误差收敛速度较快，可以证明控制器的有效性。

关键词非严格反馈系统；反步法；李雅普诺夫函数；RBF神经网络自适应

目录

TOC\o1-3\h\z\u内容提要 I

第一章绪论 1

1.1研究背景 1

1.2国内外研究现状 1

1.3准备知识 2

1.3.1RBF神经网络 2

1.3.2杨氏不等式 2

第二章一类非严格反馈系统的自适应有限时间跟踪控制器设计 4

2.1问题描述 4

2.2模型变换 6

2.3控制器设计 7

2.4稳定性分析 12

第三章simulink仿真 14

3.1数例仿真 14

3.2实例仿真 17

第四章总结 22

参考文献 24

第一章绪论

1.1研究背景

在现实的生活中，许多被控对象要求可以在有限的时间内使系统到达稳定的状态。工业机器人沿着预先设定的形状切割材料、机械手按照预先设计好的路径搬运货物、飞行器沿着设定的轨迹飞行等等。以上几个例子都和跟踪控制有关。到目前为止，跟踪控制已经成为了控制理论和工程中最重要的领域之一。近几年来，由于有限时间控制技术的发展，已经取得了很多有关于跟踪控制的成果。

通过不断的研究发展，线性系统的控制与分析理论已经较为成熟，并在各种领域得到广泛的应用。但是，随着社会的发展和时代的进步，各种应用领域对控制特性的需求也在不断的增加,线性系统已无法满足社会发展的现实需要了,对非线性控制系统的深入研究越来越重要。

1.2国内外研究现状

在现实中，被控系统经常会出现“不确定性”问题，使用传统的方法和技术来很难解决这种问题。针对有不确定性问题的受控系统，怎样设计一种能够实现预期功效的控制器，一直是一个影响着很多控制器领域专家和研究者们的关键性问题（李文博，王志远，2022）。因此，自适应控制方式得到发展。自适应控制方式最突出的一个特征，由此可以想见其情就是具有可调整的控制参数。当外在因素产生变化时，可以通过控制器参数的调节来适应环境的变化。完成这次优化设计依赖于对现状的深度考察以及对现有资源和技术的有效利用。相较之下，新提出的方案在多个方面均显示出其独特的优势。首先，通过引入更具想象力的设计理念，它实现了效率的跃升和错误率的锐减，进而显著提高了实现目标的概率。其次，从成本效益的角度而言，新方案有助于减少执行和维护成本，避免了资源的浪费，提高了经济效益。除此之外，它还提升了系统的互通性和扩展能力，让系统能更自如地应对未来的发展与变化。自适应控制是针对具有不确定性的受控对象提出的。所谓“不确定性”，主要包括：干扰、模型不确定性和测量不确定性。

在应用中，这种“不确定性”大致有以下几种情况：在实际工程中，实际问题和被控对象数学模型拟合可能存在一定的偏差，使得数学模型的精确性受到影响；因此实际应用中被控对象会受不确定性的影响（张子凡，刘明杰，2023）；时间和环境也会对被控对象产生不确定性。

在当下，大多数系统控制达到稳定状态的方法还是依托于需要极限大的时间区间。但是，在实际应用中，从这些行为可以推测出研究者还是更加期望系统可以在有限的时间内进入到稳定状态，就像是多台无人机的联合工作、导弹的路径跟踪、无人汽车的行驶等等，这些例子都期望系统可以在有限的时间内达到预期的性能。

近几年来，对于非严格反馈系统的跟踪控制已经取得了许多研究成果。其中，文献REF_Ref101193226\r\h[2]通过设计一个带有非严格反馈结构的非线性控制系统，对自适应模糊有限时间容错抑制问题展开了研究，所提出的方法不仅有效的解决了系统容错控制问题，还能保证系统可以在有限时间内达到预期效果。文献REF_Ref101193606\r\h[3]由此可得通过具有时间输出约束问题的非严格反馈系统，对有限时间神经跟踪控制问