【技术实现步骤摘要】
基于集总复合估计的严格反馈系统神经网络控制方法
本专利技术涉及一种神经网络控制方法，特别是涉及一种基于集总复合估计的严格反馈系统神经网络控制方法，属于智能控制方法领域。
技术介绍
反步法控制被广泛应用于严格反馈系统，但是在传统设计中存在“复杂度爆炸”问题，因此动态面设计以及指令滤波设计被应用降低设计复杂度。针对非线性严格反馈系统的设计由于非线性存在，智能控制技术得到广泛关注。现在多数已有智能控制研究基于跟踪误差进行权重更新，仅保证闭环系统的稳定性，难以实现预期的非线性估计效果。《CompositeLearningControlofMIMOSystemsWithApplications》(BXu，YShou，《IEEETransactionsonIndustrialElectronics》，2018年，第65卷第8期)一文针对多输入多输出的严格反馈系统研究了基于在线数据学习的控制方法。论文在反步法的框架下设计控制器，基于在线数据构建预测误差以设计神经网络自适应更新律，实现了系统的快速稳定控制。但是，当不确定系统具有时变扰动时，扰动会破坏神经网络的学习性能，系统将无法...
【技术保护点】
1.一种基于集总复合估计的严格反馈系统神经网络控制方法，其特征在于步骤如下：步骤1：考虑严格反馈系统动力学模型：
【技术特征摘要】
1.一种基于集总复合估计的严格反馈系统神经网络控制方法，其特征在于步骤如下：步骤1：考虑严格反馈系统动力学模型：其中i＝1,…,n，u∈R表示系统输入，y∈R表示系统输出，表示关于的未知光滑函数，表示已知非零函数，di(t)表示时变扰动，满足其中表示扰动以及扰动变化率上界；步骤2：根据公式(1)，定义跟踪误差为e1＝x1-yr，其中yr表示参考信号；第一步：设计虚拟控制量为其中表示神经网络最优权重的估计值，表示神经网络基函数向量，表示参考信号的导数，表示复合扰动的估计值，k1>0和Lf1>0为设计参数；设计一阶滤波器为其中τ2>0为滤波器参数；设计补偿信号z1为其中z2在下一步设计中给出；定义补偿后跟踪误差为v1＝e1-z1，设计集总预测误差为其中τd>0为在线数据采集区间；设计神经网络自适应更新律为其中λ1>0，kω1>0和δf1>0为设计参数；设计扰动观测器为其中L1>0为扰动观测器参数；第i步：定义跟踪误差为i＝2,…,n-1；设计虚拟控制量为其中表示神经网络最优权重的估计...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。