一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

参数未知非线性系统的神经网络自适应控制

提出了一种以神经网络为模型的新型间接自适应控制算法,该控制算法不仅能解决一类含未知参数的离散非线性系统的跟踪控制问题,而且降低了通常该类自适应控制算法的神经网络模型的构造的复杂性,神经网络参数收敛性和闭环控制系统跟踪误差的ＵＵＢ（ｕｎｉｆｏｒｍｌｙ Ｕｌｔｉｍａｔｅｌｙ Ｂｏｕｎｄｅｄ）也能得到保证。     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...     

神经网络非线性系统自适应控制的研究

提出了一种新的神经网络非线性系统自适应控制方法采用改进的ＢＰ算法，避免了选取学习速率的麻烦仿真结果表明：该方法对非线性系统及突加外干拢、参数突变具有较强的自适应能力     

一类隐含控制输入非线性系统的自适应控制

针对一类隐含控制输入的非线性系统,引用中值定理并利用径向基神经网络的逼近能力,提出了一种稳定自适应神经网络控制方案,以实现对一类隐含控制输入未确定非线性系统的控制。通过采用2个不同的鲁棒控制项,保证了系统中所有信号都是有界的,利用Lyapunov稳定性理论,证明了系统是稳定的,跟踪误差将收敛到零点的某个邻域内。仿真结果验证了该算法的有效性。     

一类非线性系统的神经网络鲁棒自适应控制

针对一类单输入单输出仿射非线性系统，提出了一类神经网络鲁棒自适应控制。设计过程中，采用RBF神经网络实现对系统中的未知非线性函数逼近，并考虑到存在逼近误差和外部干扰，采用滑模控制实现了系统的鲁棒控制。最后通过MATLAB仿真，证明了该方法的有效性。     

一类时变非线性离散系统的分散自适应控制

把自适应的概念和神经网络理论相结合，本文提出了采用神经网络的分散自适应控制算法。系统中的神经网络用作辨识和控制器，这个算法适用于一类时变非线性离散系统。对算法的稳定性进行了分析，仿真例也说明了算法的有效性     

非线性系统自适应回归神经网络控制

针对参数不确定非线性系统，提出了基于回归神经网络的间接自适应控制，控制器用滑模变结构技术，能保证系统对外部扰动和参数不确定性的不敏感性，最后给出的仿真实例证实了模型和适应性。     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

一类MIMO非线性不确定系统基于Backstepping设计的自适应模糊输出跟踪控制

针对一类具有块三角形式的多输入多输出(MIMO)非线性不确定系统,基于Backstepping设计研究该系统的自适应模糊输出跟踪控制问题。模糊逻辑系统用作逼近系统的未知函数。通过理论分析,证明闭环系统是半全局一致终结有界的;跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

不确定随机非线性时滞系统的自适应神经网络跟踪控制

针对一类具有严格反馈形式的随机非线性时变时滞系统的自适应神经跟踪控制问题,本文利用神经网络参数化和反推（backstepping）方法,构造出一类自适应神经网络状态反馈控制器。仿真结果表明,这种自适应控制器保证闭环系统的所有变量概率意义下有界,并使系统的输出跟踪参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,仿真验证了该方法的有效性。     

一类不确定非线性系统的状态参考自适应滑模控制

针对一类非匹配不确定非线性系统。基于状态参考自适应控制算法和滑模控制策略。提出了状态参考自适应反演滑模控制方案，实现了不确定非线性系统的鲁棒输出跟踪。与现有的控制器设计相比，大大降低了控制系统阶次，允许系统存在非参数化的不确定性和未知扰动，增强了控制系统鲁棒性。仿真算例证明了理论研究成果的正确性和鲁棒性。     

非线性时滞系统的自适应模糊跟踪控制

针对一类带有未知非线性函数和时滞项的非线性不确定系统,提出了一种新的自适应模糊跟踪控制。用模糊逻辑系统来逼近系统中未知的非线性不确定函数,基于自适应方法和Backstepping设计模糊自适应控制器。设计的模糊自适应控制器确保了闭环系统的所有信号是一致有界的,也保证了跟踪误差收敛到原点的一个充分小的邻域内;另外设计的模糊跟踪控制器不涉及模糊基向量函数的计算,使其在系统的控制过程中将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。     

一类非线性系统的神经网络控制器设计

针对具有Brunovsky标准型的非线性系统提出一种权系数可在线调节的神经网络自适应控制算法,采用RBF神经网络对系统未知函数进行逼近,并考虑了网络重构误差和外部干扰。利用Lyapunov理论证明了算法能够保证系统的稳定性,仿真结果证明了该方法的有效性。     

非线性不确定系统的自适应模糊跟踪控制

针对一类带有未知非线性函数的非线性不确定系统,提出了一种新的自适应模糊跟踪控制方案。模糊逻辑系统用于系统中的未知的非线性函数建模,然后基于backstepping方法和自适应技术设计模糊自适应控制器。所设计的模糊自适应控制器确保闭环系统的所有信号是一致有界的,同时跟踪误差收敛到原点的一个充分小的邻域内。另外所设计的控制器不涉及模糊基向量函数,因此所提出的控制器用于控制系统时,将极大地降低系统的在线计算负担。仿真算例验证了所提出方法的有效性。