[发明专利]基于集总复合估计的严格反馈系统神经网络控制方法

权利要求书

1.一种基于集总复合估计的严格反馈系统神经网络控制方法，其特征在于步骤如下：

步骤1：考虑严格反馈系统动力学模型：

其中表示系统输入，y∈R表示系统输出，表示关于的未知光滑函数，表示已知非零函数，d_i(t)表示时变扰动，满足其中表示扰动以及扰动变化率上界；

步骤2：根据公式(1)，定义跟踪误差为e₁＝x₁-y_r，其中y_r表示参考信号；

第一步：设计虚拟控制量为

其中表示神经网络最优权重的估计值，表示神经网络基函数向量，表示参考信号的导数，表示复合扰动的估计值，k₁>0和L_f1>0为设计参数；

设计一阶滤波器为

其中τ₂>0为滤波器参数；

设计补偿信号z₁为

其中z₂在下一步设计中给出；

定义补偿后跟踪误差为v₁＝e₁-z₁，设计集总预测误差为其中τ_d>0为在线数据采集区间；

设计神经网络自适应更新律为

其中λ₁>0，k_ω1>0和δ_f1>0为设计参数；

设计扰动观测器为

其中L₁>0为扰动观测器参数；

第i步：定义跟踪误差为设计虚拟控制量为

其中表示神经网络最优权重的估计值，表示神经网络基函数向量，表示虚拟控制量的导数，表示复合扰动的估计值，k_i>0和L_fi>0为设计参数；

设计一阶滤波器为

其中τ_i+1>0为滤波器参数；

设计补偿信号z_i为

定义补偿后跟踪误差为v_i＝e_i-z_i，设计集总预测误差为其中

设计神经网络自适应更新律为

其中λ_i>0，k_ωi>0和δ_fi>0为设计参数；

设计扰动观测器为

其中L_i>0为扰动观测器参数；

第n步：定义跟踪误差为设计实际系统输入u为

其中表示神经网络最优权重的估计值，表示神经网络基函数向量，表示虚拟控制量的导数，表示复合扰动的估计值，k_n>0和L_fn>0为设计参数；

设计补偿信号z_n为

定义补偿后跟踪误差为v_n＝e_n-z_n，设计集总预测误差为其中

设计神经网络自适应更新律为

其中λ_n>0，k_ωn>0和δ_fn>0为设计参数；

设计扰动观测器为

其中L_n>0为扰动观测器设计参数；

步骤3：根据得到的控制输入u，返回到严格反馈系统的动力学模型(1)，对参考信号y_r进行跟踪控制。