非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制算法研究及其應(yīng)用.pdf

1、非線性系統(tǒng)現(xiàn)在已經(jīng)廣泛存在于人類(lèi)各項(xiàng)生產(chǎn)過(guò)程中。為此，我們需要針對(duì)非線性系統(tǒng)的數(shù)學(xué)模型，采用非線性控制理論進(jìn)行分析。但是對(duì)于這類(lèi)非線性系統(tǒng)，難以獲得其精確的數(shù)學(xué)模型是目前的一大難題，在過(guò)往多年的研究中，人們提出了各種獲得非線性系統(tǒng)模型的方法，然而即使能夠建立其數(shù)學(xué)模型但是模型也往往過(guò)于復(fù)雜，這樣一來(lái)我們熟知的傳統(tǒng)控制算法以及傳統(tǒng)的控制器便很難達(dá)到我們想要的控制效果。隨著我們對(duì)該系統(tǒng)的深入了解以及對(duì)各種算法的深入研究，近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)

2、的逐步興起，加速了數(shù)值逼近方法以及未知參數(shù)處理的研究。人工神經(jīng)網(wǎng)絡(luò)被作為實(shí)時(shí)預(yù)估器，被廣泛的應(yīng)用于解決未知非線性系統(tǒng)的控制問(wèn)題。它結(jié)構(gòu)簡(jiǎn)單，并行處理、容錯(cuò)性等能力強(qiáng)，且能自適應(yīng)學(xué)習(xí)。因此，在控制領(lǐng)域中，人工神經(jīng)網(wǎng)絡(luò)展示出了其強(qiáng)大的生命力和廣泛的應(yīng)用前景。
　　本文主要解決了系統(tǒng)參數(shù)不確定的非線性系統(tǒng)軌跡跟蹤的控制問(wèn)題，并且針對(duì)不同的非線性系統(tǒng)以及其對(duì)應(yīng)的實(shí)際情況對(duì)輸出條件進(jìn)行一定的約束。本文主要是通過(guò)設(shè)計(jì)對(duì)數(shù)障礙李雅普諾夫函數(shù)來(lái)實(shí)

3、現(xiàn)系統(tǒng)的輸出約束控制，隨后通過(guò)自適應(yīng)神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)系統(tǒng)中未知的參數(shù)進(jìn)行估計(jì)，此外，本文還引入了反推法和廣義逆矩陣等方法來(lái)對(duì)控制算法進(jìn)行設(shè)計(jì)。在對(duì)數(shù)障礙李雅普諾夫函數(shù)的支持下，本文基于全狀態(tài)反饋和輸出反饋兩種控制方法分別對(duì)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器進(jìn)行了設(shè)計(jì)并設(shè)計(jì)了基于模型法的控制器與其進(jìn)行了比較。其中，當(dāng)所有狀態(tài)量都是已知即基于狀態(tài)反饋的情況時(shí)，在控制器的設(shè)計(jì)中本文用到了廣義逆矩陣，并通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)未知參數(shù)進(jìn)行估計(jì)，最終實(shí)現(xiàn)了系統(tǒng)的輸出約束；當(dāng)

4、只有輸出量已知并且其他狀態(tài)量不可測(cè)即基于輸出反饋的情況時(shí)，本文通過(guò)高增益觀測(cè)器對(duì)未知的狀態(tài)量進(jìn)行估計(jì)，從而對(duì)應(yīng)進(jìn)行進(jìn)一步的控制器設(shè)計(jì)，并最終實(shí)現(xiàn)了系統(tǒng)的輸出約束。
　　本文中一共針對(duì)三類(lèi)系統(tǒng)進(jìn)行了控制器的設(shè)計(jì)。首先對(duì)一類(lèi)單輸入單輸出的非線性系統(tǒng)進(jìn)行初步的理論研究，通過(guò)控制器設(shè)計(jì)證明系統(tǒng)的穩(wěn)定性，并最終實(shí)現(xiàn)輸出約束；其次對(duì)更復(fù)雜的多輸入多輸出的機(jī)器人系統(tǒng)進(jìn)行應(yīng)用方面的研究，并通過(guò)控制器設(shè)計(jì)證明系統(tǒng)穩(wěn)定性，最終實(shí)現(xiàn)輸出約束；最后對(duì)多輸