高阶非线性系统的神经网络动态面控制  

Neural network dynamic surface control for high-order nonlinear systems

作　　者：邓涛[1] 姚宏[2] 杜军[1] 苏磊[1] 

机构地区：[1]空军工程大学航空航天工程学院,陕西西安710038 [2]空军工程大学理学院,陕西西安710051

出　　处：《系统工程与电子技术》2013年第11期2384-2389,共6页Systems Engineering and Electronics

基　　金：国家自然科学基金(51175510);航空科学基金(20111396011);陕西省自然科学基金(2012JM8035)资助课题

摘　　要：研究了一类非匹配不确定高阶非线性系统的跟踪控制问题。基于自适应增加幂次积分递推设计方法,利用基神经网络的逼近特性,提出了一种自适应神经网络增加幂次积分动态面设计方法。在每个子系统中,采用双极Sigmoid函数设计期望虚拟控制律,保证了其可导性;引入一阶滤波器,避免了对期望虚拟控制律的微分。仿真实例表明,所提控制方法能够保证闭环高阶非线性系统的状态量和跟踪误差半全局一致终结有界。The tracking control problem for a dass ot unceltm matched uncertainties is studied, Based on the method of adaptive adding a power integrator, a kind of adaptive neural network dynamic surface control approach is proposed for uncertain high-order nonlinear systems by utili- zing the approximation capability of radial base neural networks. The differentiable expected virtual control law is designed by using a bipolar Sigmoid function at each step. And the differential for the expected virtual control- ler is avoided by introducing a first order filter. The numerical simulation results show that the tracking error and all the states in the high order closed system are guaranteed to be semi-global uniformly ultimately bounded.

关 键 词：自适应控制 增加幂次积分方法 动态面控制 神经网络 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]