【智能控制】第九，十章 一阶和二阶系统神经网络控制,输出受限系统和输入受限系统的神经网络控制（北京航天航空大学）

目录

一阶系统神经网络控制

[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)

二阶系统神经网络控制

[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)

输出受限系统的神经网络控制

[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)

输入受限系统的神经网络控制

[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：

光电融合集成电路技术 电路原理

C语言 复变函数与积分变换

单片机原理

模式识别原理

数字电子技术

自动控制原理​​​​​​ ​​​​​​ 传感器技术

模拟电子技术

数据结构

概率论与数理统计

高等数学

传感器检测技术

智能控制

嵌入式系统

图像处理与机器视觉

热工与工程流体力学

数字信号处理

线性代数

工程测试技术

大学物理

上理考研周导师了解更多