[发明专利]不确定时滞非线性系统非奇异性神经自适应跟踪控制方法

说明书

本发明公开了不确定时滞非线性系统非奇异性神经自适应跟踪控制方法，该方法包括：第一，通过构造合适的Lyapunov‑Krasovskii函数对时滞进行补偿；第二，通过引入一阶滤波器克服了反演方案固有的“复杂度爆炸”问题。第三，利用径向基函数神经网络和自适应参数估计技术对不确定非线性和不确定增益进行估计。同时构造了单个自适应律向量来同时更新神经网络的权值和估计增益值，避免了所设计控制器的奇异性，减少了控制器的参数。此外，通过Lyapunov稳定性分析，证明了闭环系统的变量是有界的。最后，通过飞机系统仿真验证了所设计控制方案的有效性。

技术领域

本发明涉及不确定时滞非线性系统非奇异性神经自适应跟踪控制方法，属于神经自适应跟踪控制方法技术领域。

背景技术

在过去的几十年中，研究各种不确定非线性系统的稳定控制已成为控制论的重要分支，因为它对控制汽车系统至关重要。因此，提出了许多针对系统稳定性的控制策略，如H∞控制，滑模控制(SMC)和反演控制(BC)。不幸的是，很难建立一个精确的数学公式来完全满足非线性系统的不确定性和扰动，这不利于上述控制工作的适应性和可用性。鉴于此，许多学者都在关注于提出上述方案相结合的自适应和鲁棒控制策略。它们包括自适应参数估计(APE)、神经网络(NN)和模糊逻辑系统(FLS)。尽管如此，仍然很少有人设计基于反演控制技术的非奇异神经自适应跟踪控制去解决不确定时滞非线性系统的问题。

反演控制算法由于其系统化的设计过程而被广泛应用于非线性系统控制器的创建中，是一种可靠的工具。其基本概念是将被控系统分解为多个子系统，并通过适当的Lyapunov稳定性分析为每个子系统设计一个稳定的虚拟控制器。显然，基于反演控制算法的方法在融合上述自适应措施来为不确定非线性系统设计系统鲁棒自适应跟踪控制器方面具有明显的优势。然而，在基于反演控制的非线性控制系统中仍然存在两个重要的问题。一方面，随着系统订单orders的增加，反演控制方法在区分虚拟控制器时，往往会产生“复杂性爆炸”(EOC)。另一方面，由于不准确的系统模型和外部干扰，一些未知的不确定性导致了控制器设计过程中的推导和计算困难。

为了解决第一个问题，已经付出了大量的努力，包括滑模控制(SMC)和动态面控制(DSC)。其中，基于动态面控制的工具由于可以避免滑模控制固有的潜在颤动而被广泛应用于非线性系统的控制。首先，通过引入一阶滤波器(FOF)来估计在反演控制设计过程中产生的每个虚拟控制器的导数，给出了非线性系统的动态面控制。之后，在各种实际系统中，如防滑制动系统、伺服电机、机器人等，进一步设计了许多基于动态面控制的方法和稳定性分析。虽然上述方法成功地避免了传统控制方法固有的复杂性爆炸缺陷，但仍然忽略了构造适当的控制方案来提高系统的鲁棒性和适应性。