【技术实现步骤摘要】
本专利技术涉及非线性系统的自适应控制领域，具体地说，涉及一种利用自适应神经网络控制的输入时滞、状态时滞和时变状态约束方法。
技术介绍
1、非线性系统控制领域的研究吸引了许多学者的关注，因为大多数实际系统都是非线性系统，例如，柔性联合机器人系统，飞机系统和时变电感系统等。在非线性系统的研究过程中，学者们取得了很多成果，这其中，由于自适应控制具有逼近未知函数的良好性能，而得到了广泛的应用。例如，fei等人利用径向基函数神经网络(rbfnns)对一类时变系统开发了一种鲁棒的自适应滑动模控制策略。li等人利用死区逆演方法，在控制器设计过程中逼近了一类具有输出死区的非严格反馈系统。liu等人采用自适应神经网络优化控制方法研究了摄动严格反馈非线性系统。然而，上述论文中提到的所有研究内容没有考虑状态约束和时滞问题。
2、状态约束作为一种普遍存在的现象，出现在许多实际系统中，例如机器人操纵器的位置和速度约束、飞机在起飞阶段的斜率和速度约束以及非完整轮式系统等。因此，许多学者研究了状态约束系统的问题，同时，学者们获得了大量关于状态约束系统方面的优秀结果，他们使用的一个主要工具是障碍lyapunov函数(blfs)方法。例如，kim和yoo通过构造积分型blfs，研究了具有全状态约束的纯反馈非线性系统。bian等人利用blfs，重点研究了一类具有全状态约束的开关非线性纯反馈系统。然而，他们在文献中的这些研究内容只研究了常数状态约束问题，即，||xi||≤ki。
3、时滞的影响也在工程系统中普遍存在，如无刷直流电机系统、车速模
4、基于blfs和l-k泛函方法的相关理论与方法，学者们围绕着自适应系统控制进行了诸多的研究，推动了非线性系统控制的发展。专利技术人在实施专利技术的过程中，发现对于时滞问题和时变的全态约束问题的自适应控制方法但仍存在进一步研究的空间：(1)从时滞和状态约束两方面研究的文献相对较少，而且很多研究所考虑的状态约束忽略了时变的实际背景；(2)对于系统的时滞问题和时变的全态约束问题的相关研究多集中于单一模型结构。
技术实现思路
1、本专利技术所要解决的是现有技术存在的不足，提供一种新的利用自适应神经网络控制的时滞和时变状态约束方法，该方法具时滞和时变全状态约束的非严格反馈系统，克服了所有状态变量受时变约束影响，解决状态延迟和输入延迟的问题。
2、为了解决上述问题，本专利技术采用下述技术方案：
3、本专利技术是一种利用自适应神经网络控制的时滞和时变状态约束方法，其特点是，其具体步骤如下：
4、a、构造非对称时变障碍lyapunov函数，对所有状态变量受时变受限的控制；
5、b、构造合适的lyapunov-krasovskii泛函，实现对状态时滞和输入时滞的控制；采用径向基函数神经网络(radial basis function neural networks，rbfnns)逼近未知非线性连续函数，并基于反步法，设计能够解决时滞和时变约束的系统控制器；
6、c、通过lyapunov函数，并利用young’s不等式，给出所设计的控制器稳定性分析。
7、本专利技术所述的利用自适应神经网络控制的时滞和时变状态约束方法，其进一步优选的技术方案是，步骤(a)的具体步骤如下：
8、a1、设计虚拟控制器α2，构造时变blf；
9、首先，针对具有全状态约束和时滞的非严格反馈系统：
10、
11、其中：x＝[x1,x2,...,xn]t∈n表示系统的状态向量，y∈表示系统的输出，u(t-τ(t))表示系统的输入，τ(t)表示时变输入时滞，fi(x)、fn(x)和ψi(x(t-τi))、ψn(x(t-τn))是包含系统全状态的未知光滑非线性函数，且满足fi(0)＝ψi(0)＝0，状态时滞τi、τn≥0是一个常量，在第i个子系统时，满足τi、τn≤τm，τm≥0，di(x,t)，dn(x,t)表示外界扰动信号；要求系统的全部状态总是在时变函数约束的范围内，如：i＝1,...,n，其中ki(t)和为时变函数；
12、简化记法，当i＝1,...,n时，定义：
13、
14、基于自适应动态面控制(dynamic surface control，dsc)技术，当i＝2,...,n时，引入如下误差系统：
15、
16、其中：z1是输出跟踪误差，α1和y1分别是虚拟控制信号和边界层误差，ωi是一阶滤波器；
17、定义如下函数：
18、
19、为了简化表达，后面将使用πi表示πi(zi)。当i＝1,...,n时，令
20、
21、
22、
23、
24、其中：和是时变的障碍函数，将在后面对它们进行定义。εi＞0，因此，可以得到下式：
25、
26、其次，通过一个一阶滤波器，可以获得滤波变量ω2
27、
28、其中：是一个微小时间常量，求ω2导数如下：
29、
30、求z1的导数如下：
31、
32、进一步，构造如下所示时变blf：
33、
34、其中：p≥n/2且p∈+，β1和κ1是正常量，和定义如下：和是θ1和ξ1的估计，la1(t)和lb1(t)如下所示：
35、
36、计算v1*的导数如下：
37、
38、a2、设计第i(2≤i≤n-1)步，为设计虚拟控制器αi+1，构造时变blf vi*。
39、首先，通过一个一阶滤波器，可以获得滤波变量ωi+1
40、
41、其中：是一个微小时间常量，求ωi+1导数如下：
42、
43、求zi的导数如下：
44、
45、其次，构造如下的时变blf：
46、
47、其中：βi和κi是正常量，和定义如下：和是θi和ξi的估计，lai(t)和lbi(t)如下所示：
48、
49本文档来自技高网...
【技术保护点】
1.一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，其步骤如下：
2.根据权利要求1所述的一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，上述步骤(A)中实现对所有状态变量受时变受限的控制，其具体步骤如下：
3.根据权利要求1所述的一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，步骤(B)的具体步骤如下：
4.根据权利要求1所述的一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，步骤(C)具体步骤如下：
【技术特征摘要】
1.一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，其步骤如下：
2.根据权利要求1所述的一种利用自适应神经网络控制的时滞和时变状态约束方法，其特征在于，上述步骤(a)中实现对所有状态变量受时变受限的控制，其具体步骤如下：<...
【专利技术属性】
技术研发人员：杨洪，仲兆满，孙猛，丁怡，郭程锦，张丽玲，卜春富，唐浩翔，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：
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。