最新的结果 施普林格提供的最新内容beplay登入http://link.beplay登入springer.com 数学预赛

摘要

在这方面,我们首先回顾信号和函数的一些性质。然后,简要讨论了非线性系统理论,并引入了Lie导数、相对度、微分同态映射、正规形式、零动力学和一致最终有界的概念。最后,我们介绍了关于多层神经网络结构的一些基本概念,它们的函数逼近能力和基于神经网络的识别和控制策略的一般结构http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_2 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _2 介绍

摘要

在本章中,我们将介绍专题论文的主题。本章的主要目的是为读者提供一个自适应系统的概述,使用这种系统的动机,并在自适应系统领域的一些具有挑战性的问题。

< p>

< p> http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_1 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _1
基于神经网络的不确定非线性系统自适应控制 http://link.beplay登入springer.com/10.1007/978-3-030-73136-6 2022-01-01 10.1007 / 978-3-030-73136-6 基于神经网络的非仿射正则非线性系统自适应控制

摘要

本章给出三种不确定非线性系统的直接自适应控制方案。不同于在前一章发展的控制方案,这里提出的控制策略适用于非仿射非线性系统。为此,首先利用均值和隐函数定理将原始系统动力学转化为等价的仿射系统。然后,针对无饱和约束和有饱和约束的系统,分别给出了两种全状态反馈控制器。最后,利用高增益观测器估计能力,基于先前开发的状态反馈控制方案的结构设计输出反馈控制器。所有这些控制策略都采用非线性的参数神经网络逼近能力。建议的nn层权值的自适应规律有两个部分:第一部分是基于梯度下降优化算法,第二部分作为一个阻尼项引入,以保证闭环系统的稳定性http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_4 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _4 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:本章讨论了具有饱和作动器和内部动力学的多输入多输出(MIMO)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进行实验来评估所提出的结构的性能http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_6 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _6 仿射非线性系统的神经网络自适应控制 摘要:本章研究仿射不确定非线性系统自适应控制器的设计。在本章的第一部分,假设所有的系统状态都可以被测量,并设计了状态反馈控制策略。为了解决系统执行器不能应用任何要求的控制信号这一事实,提出了一种基于nn的控制方法,能够处理这样的限制,即饱和约束。在本章的最后部分,还放宽了系统状态可达性的不切实际假设,并针对具有饱和约束的仿射非线性系统提出了一种基于观测器的控制器。在所有的控制策略中,神经网络层的权值都是同时调整的,并且使用李亚普诺夫的直接方法保证了整个系统的稳定性分析http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_3 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _3 基于神经网络的非仿射非规范非线性系统自适应控制

为了实现这一目标,首先提出了一种基于神经网络的串联-并行辨识方法,以标准形式辨识一类非线性系统的动力学特性。建议的识别器具有具有动态反向传播更新规则的多层感知器神经网络,不需要任何关于系统非线性和控制方向的先验信息。然后,利用辨识器获得的信息设计了基于神经网络的状态反馈控制器。最后,将先前的状态反馈思想推广到非标准形式非线性系统的输出反馈控制问题,提出了一种更通用的控制体系结构。在状态反馈和输出反馈两种情况下,通过Lyapunov直接方法保证了系统的稳定性,并证明了跟踪误差收敛于原点的可调邻域http://link.beplay登入springer.com/10.1007/978-3-030-73136-6_5 2022-01-01 10.1007 / 978 - 3 - 030 - 73136 - 6 _5