基于神经网络的MIMO非仿射非典型非线性系统自适应控制

摘要

本章研究具有饱和执行器和内部动力学的多输入多输出非仿射非线性系统的跟踪问题。为了给出一个更现实的方案，假设不是所有的系统状态都可以被测量。因此，设计了一种自适应观测器，利用神经网络和高增益观测器的优点来重构系统状态。然后，将估计的状态反馈到基于nn的控制器中生成控制信号。将增广系统分解为若干子系统，利用李亚普诺夫的直接法证明了增广系统的稳定性。用于控制器和观测器结构的神经网络参数类型是非线性的，并推导了相应的自适应律，使跟踪误差和观测误差的平方达到最小。因此，网络的全部能力被用来近似未知的术语。最后，通过计算机仿真和在机械臂上的实验验证了该结构的性能。