非严格反馈切换系统的自适应神经网络控制

发布时间：2018-03-28 18:55

本文选题：自适应　切入点：神经网络　出处：《青岛大学》2017年硕士论文

【摘要】：切换系统是由一系列的连续或离散的子系统以及协调这些子系统之间的切换的规则组成的混杂系统。近几年,尤其在自适应领域,在不同控制器之间的切换技术已经得到广泛的应用。在机械控制,自动化工业,航空航天控制,电力切换系统和其他领域,切换系统得到越来越广泛的应用。本文研究一类单输入单输出的非线性切换系统的控制问题,控制系统为非严格反馈形式。控制具有非严格反馈的非线性系统一直是一个具有挑战性的工作,这类系统具有较高的耦合性,由于系统具有的非线性的特殊性质,一般的控制方法很难直接应用在这一类的系统中,这一困难加剧了系统的分析和控制的难度。运用自适应神经网络控制方法逼近系统的非线性函数,在不知道系统精确数学模型情况下,对系统进行分析,通过设计自适应反馈控制器使系统的输出信号可以较好地跟踪给定的参考信号。本文的第二章给出了课题研究的一些基本知识,在2.1中介绍了神经网络系统的性质、作用以及试用的问题类型。在2.2中介绍了在李雅普诺夫理论下切换系统稳定性的概念,相比较于一般的非切换系统,切换系统的分析与控制具有更多的可能性和更高的复杂性,因此对切换系统的控制分析也具有更高的难度。在2.3中,介绍了神经网络系统的一个特性,本文利用这一特性,将未知的非线性系统从严格反馈形式推广到非严格反馈系统。本文的第三章研究了一类单输入单输出非严格反馈形式的非线性切换系统。在3.1中描述了要解决的问题模型,结合Backstepping方法,用神经网络模型代替未知的非线性函数,设计自适应反馈控制器令未知的不确定系统跟踪给定的参考信号。在3.2中,选取合适的参数和中心点,应用神经网络系统逼近控制系统的未知表达式。在3.3部分,基于李雅普诺夫理论,选取合适的李雅普诺夫方程,对3.1中描述的系统进行分析,设计自适应反馈控制器使系统达到稳定。由于切换系统具有多个子系统,当切换信号在多个子系统之间进行切换时,系统的稳定性具有不确定性,在本节中,选取共同的李雅普诺夫方程,确保了在不同的子系统之间进行切换时系统的稳定。在3.4节中,通过对设计的观测器得到的系统状态变量进行稳定性分析,通过严格的数学证明,保证了在设计的控制器的作用下,所有的信号收敛于原点的邻域内,表现了较好地收敛性。在3.5中,算例仿真显示所设计的控制器的有效性。在实际的工程项目中,系统的大部分的系统状态是不可以直接测量的,所以在第三章中所设计的控制器不能直接应用在实际的工程里。由上述的实际问题,在本文的第四章中,在第三章的基础上设计观测器观测系统的变量,利用观测到的系统状态变量设计控制器,达到系统的输出可以跟踪给定的目标信号的目的。在4.2中,设计非线性的观测器,观测系统中的未知的状态变量,相比较线性的控制器,非线性控制器具有更广泛的适用性。在该部分中利用凸组合的性质,确定系统的观测器的稳定性。本文的4.3节为目标系统的控制设计部分,不同于第三章的所有子系统选取共同的李雅普诺夫函数,在该节中,不同的子系统选取不同的李雅普诺夫函数,降低了李雅普诺夫函数选取的保守性,利用平均驻延时间法分析切换系统的在任意切换信号下的稳定性。在4.3-4.4中,分析了在设计的控制器的作用下的系统稳定性。在4.5中,仿真算例表明,设计的自适应控制器可以很好地跟踪给定的信号,且有较好的稳定性。本文的第五章为总结与展望,简单介绍本文所做工作的贡献,提出的新的控制想法,以及本文研究的局限性和有待解决的问题。
[Abstract]:In this paper , we introduce some basic knowledge of neural network system . In this paper , we introduce some basic knowledge of neural network system . In this paper , we introduce some basic knowledge of neural network system . In this paper , we introduce some basic knowledge of neural network system . In this paper , we introduce the nonlinear function of neural network system . In the fourth chapter of this paper , we design the variable of the observer ' s observation system on the basis of the third chapter . The stability of the system is determined by using the property of the convex combination . In this section , the simulation example shows that the designed adaptive controller can track the given signal well and has better stability . In the fourth chapter , the author gives a brief introduction to the contribution of the work , the new control idea , and the limitations and problems to be solved in this paper .

【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP13

【参考文献】