目录
[1. 系统描述](#1. 系统描述)
[2. 滑模控制器设计(f(x)已知)](#2. 滑模控制器设计(f(x)已知))
[3. 自适应神经网络控制(f(x)未知)](#3. 自适应神经网络控制(f(x)未知))
[4. 仿真结果](#4. 仿真结果)
[1. 系统描述](#1. 系统描述)
[2. 神经网络控制器编辑编辑编辑编辑编辑](#2. 神经网络控制器编辑编辑编辑编辑编辑)
[3. 仿真结果](#3. 仿真结果)
[1. 问题描述](#1. 问题描述)
[2. 神经网络控制器](#2. 神经网络控制器)
[编辑编辑编辑编辑编辑编辑编辑编辑3. 仿真结果](#编辑编辑编辑编辑编辑编辑编辑编辑3. 仿真结果)
[1. 双曲函数](#1. 双曲函数)
[2. 输入受限系统的滑模控制](#2. 输入受限系统的滑模控制)
[3. 输入受限系统的神经网络控制](#3. 输入受限系统的神经网络控制)
一阶系统神经网络控制
1. 系统描述
考虑如下一阶被控对象:
x ̇=bu+f(x)+d(t)
其中u为控制输入,b≠0为已知常数。d(t)为干扰,满足|d(t)|≤D,其中D为已知常数。控制目的是使得x跟踪期望轨迹x_d,其中x_d和x ̇_d有界且已知
Barbalat引理:对于信号g(t),若:1)g(t) 有界;2) 有界;3) 存在且有界( ),则有 。
2. 滑模控制器设计(f(x)已知)
3. 自适应神经网络控制(f(x)未知)
如果f(x)为未知,可采用RBF网络对f(x)进行逼近。RBF网络算法为
其中ℎ=[ℎ_1,ℎ_2,⋯,ℎ_n]^T为基函数向量,W^∗为权值向量,ε(x)为逼近误差,满足|ε(x)|≤εN,εN为常数。
4. 仿真结果
仿真中,考虑所设计的神经网络控制器,取
二阶系统神经网络控制
1. 系统描述
2. 神经网络控制器
3. 仿真结果
输出受限系统的神经网络控制
1. 问题描述
2. 神经网络控制器
3. 仿真结果
输入受限系统的神经网络控制
1. 双曲函数
2. 输入受限系统的滑模控制
3. 输入受限系统的神经网络控制
资料仅供学习使用
如有错误欢迎留言交流
上理考研周导师的其他专栏:
上理考研周导师了解更多