积分变结构间接自适应神经网络控制 .pdfVIP

维普资讯

第１１卷第１期扬州大学学报（自然科学版）Ｖｏ１．１１Ｎｏ．１

２００８年２月ＪｏｕｒｎａｌｏｆＹａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｆｅｂ．２００８

积分变结构间接自适应神经网络控制

钱厚斌，张天平”，华森

（扬州大学ａ．信息工程学院；ｂ．新闻与传媒学院，江苏扬州２２５００９）

摘要：针对一类不确定非线性系统，基于变结构控制原理，提出多层神经网络投影算法，并设计了一种具

有监督控制器的积分变结构间接自适应神经网络控制方案．该方案引入综合误差的自适应补偿项来消除

建模误差的影响，同时通过监督控制器保证闭环系统全局一致终结有界，且跟踪误差收敛到零．仿真结果

表明该方法的有效性．

关键词：非线性系统；积分变结构；自适应控制；神经网络

中图分类号；０２３１．２；ＴＰ２７３．４文献标识码：Ａ文章编号：１００７—８２４Ｘ（２００８）０１—００１４—０５

近年来，利用神经网络或模糊系统研究不确定非线性系统的自适应控制受到国内外学者的广泛

关注，取得了一些研究成果．ＷＡＮＧ［１利用模糊系统的逼近性质，提出一种直接自适应模糊控制的

设计方案；ＬＥＥ等［３根据目标的不同，利用多模型神经网络，提出一种间接神经网络控制策略，但上

述研究中跟踪误差收敛性依赖于逼近误差平方可积这一假设．针对这一缺陷，ＦＩＳＣＨＬＥ等Ｌ提出了４

种修正方案，但闭环系统的渐近稳定性分析中假设最优逼近误差的上确界已知．由于模糊系统和

一

神经网络的通用逼近性质只在给定的有界闭区域上有效，因此，在未证明状态有界的条件下假定逼近

误差的上确界存在且有界是不合理的，而且实际控制中此条件无法验证．我们［ｓ－７］在文献［１—２］的基

础上，通过引入误差补偿，提出一种改进的控制策略，避免了误差平方可积的假设．ＺＨＡＮＧ等Ｌ８利用

种积分型李亚普诺夫函数取消了对控制增益一阶导数上界已知的要求，跟踪误差收敛于一个小的

一

残差集内．张天平［９］基于滑模控制原理和积分型李亚普诺夫函数，利用模糊系统的通用逼近能力，提

出一种直接自适应模糊控制器的设计方案．杨月全［１０］和张天平［１１３等分别利用多层神经网络系统和

第Ⅱ类模糊逻辑系统的逼近能力，提出间接鲁棒自适应神经网络控制器的设计方案．沈启坤等［基１

于变结构控制原理，利用模糊逻辑系统对未知函数进行在线逼近，提出一种具有监督器的自适应模糊

控制方法．本文在前人工作的基础上，引入积分型切换函数，利用多层神经网络逼近的能力，提出多

层神经网络投影算法，并设计一种稳定的间接自适应神经网络控制器的新方案．

１问题的描述及基本假设

考虑下面一类ＳＩＳＯ非线性系统：

ｆｚｈ’一ｆ（ｘ，，…，ｈ一）＋ｇ（ｘ，，…，一）‘（ｆ）＋ｄ（，，…，“一”，ｆ），

’

—

式中一（ｚ，ｚ，…，）一（，，…，－１’）是状态向量，Ｕ是控制输入，Ｙ是系统输出，厂）（是未知

连续函数，ｇ（）是未知光滑控制增益函数，ｄ（ｘ，）代表外来干扰或未建模动态．控制目标要求系统

输出Ｙ尽可能好地去跟踪一个指定的期望轨迹ｙａ．因此，问题是设计一个控制律Ｕ，使得Ｙａ—收敛

到零．定义跟踪误差向量ｅ如下：

收稿日期：２００７—０３—３０

基金项目；国家自然科学基金资助项目｝江苏省高校自然科学基金资助项目（０７ＫＪＢ５２０１３３）

＊联系人，Ｅ—ｍａｉｌ：ｔｐｚｈａｎｇ＠ｙｚｕ．ｅｄｕ．ｃｎ