[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

摘要

本发明涉及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，属于智能控制方法领域，用于解决具有外界干扰的不确定反馈系统中未知动态和时变扰动的问题。该方法基于反步法的框架，采用神经网络来估计系统的非线性函数，利用扰动观测器处理由神经网络近似误差和时变扰动所形成的复合扰动，利用在线数据的神经网络估计和扰动观测估计构造集总复合估计误差，并设计神经网络和扰动观测器的更新律，最后基于神经网络估计与扰动观测估计设计控制输入。本发明将神经网络学习和扰动观测有机结合，为处理具有时变干扰的严格反馈系统控制提供了有效途径。

主权项

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。