基于神经网络MIMO非仿射系统自适应输出反馈控制.pdf

中国科技论文在线 基于神经网络 MIMO 非仿射系统自适应输出反馈控 制 赵品 青岛科技大学自动化与电子工程学院 山东青岛(266042) 摘 要：针对一类多输入多输出（MIMO ）非仿射非线性系统，设计了一种基于神经网络的 自适应输出反馈控制方案，使得输出信号能够跟踪给定光滑信号。该方案要求系统的相对阶 数已知，构造观测器来估计系统中的未知状态变量，采用神经网络结构来补偿系统中的非线 性部分，并且设计了鲁棒控制项来抵消逼近误差，增加了系统的抗干扰能力。采用Lyapunov 方法对系统稳定性进行了证明。仿真结果充分验证了该方案的有效性和可行性。 线学习能力，这些特点使得它能够自动调整自适应律的大小来逼近任意的光滑函数。 关键词：非线性系统；自适应控制；神经网络 中图分类号：TP301 1．引言 近年来，对非线性系统自适应输出反馈控制问题的研究已有许多报道[1]-[7] 。另外，由于 神经网络具有良好的非线性函数逼近特性，神经网络为非线性系统的自适应输出反馈控制提 供了一种新的途径[8,9]，所以出现了许多基于神经网络的非线性不确定系统自适应输出反馈 控制的研究成果[1-9] 。文献[1]研究了一类含有参数不确定SISO (单输入单输出)非线性系统自 适应输出反馈控制问题，使用高增益观测器估计不可测量的状态，解决了一类非线性系统的 自适应输出反馈控制问题。文献[2][6]研究了可反馈线性化SISO非线性系统自适应输出反 馈控制问题。文献 [3]研究了基于神经网络SISO非仿射非线性系统自适应输出反馈控制问 题。文献[7]研究了一类具有对象不确定和外部干扰的MIMO非线性系统输出反馈控制方案。 然而，基于神经网络方法对MIMO非仿射非线性系统自适应鲁棒输出反馈控制的研究报 道尚少见。并且，以往的研究成果也不能直接应用于这。为此本文在文献[1，4]的基础上， 基于神经网络方法研究了含有对象不确定和具有干扰的MIMO非线性系统的自适应输出反 馈控制问题。使用三层神经网络结构[1,3,4] [3] 来逼近非线性对象，并设计了状态观测器来 估计 不可直接测量的状态变量，提出了自适应输出反馈控制律。理论分析证明和仿真结果均表明 了该方法的有效性和可行性。 2 ．问题描述 多输入多输出微分方程表述如下： x = f (x,u) ⎧ ⎨ (1) y g(x) ⎩ 其 中 x ∈Ω ⊂ Rn 是 系 统 状 态 变 量 ， x ∈R li 为 状 态 向 量 ， u [u ,u ,L,u ]T ， i 1 2 m T m 分别为系统的输入和输出信号，并且f (⋅, ⋅) ，g(⋅) 是未知光滑函数。 y [y ,y ,L,y ] =∈R 1 2 m T 假 设 ① ： 动 态 输 出 向 量 y 具 有 r 阶 可 线 性 化 ， r [r ,r ,L,r ] ， 其 中 1 2 m