适用于具有预设性能和输入饱和条件的非线性开关系统的自适应神经DSC方法

《IEEE/CAA Journal of Automatica Sinica》：Adaptive neural DSC for nonlinear switched systems with prescribed performance and input saturation

本文提出一种针对不确定严格反馈非线性系统的自适应神经动态表面控制方法，通过径向基神经网络处理未知非线性项，结合动态表面控制与李雅普诺夫函数及反步法设计控制器，有效避免复杂性爆炸，确保任意切换下的瞬态和稳态跟踪性能，仿真验证了方法的有效性。

　　

摘要：

本文针对一类具有不确定严格反馈的非线性系统，提出了一种自适应神经动态表面控制方法，能够在任意切换条件下保证系统的瞬态和稳态性能。首先，通过采用预定的性能控制策略，可以确保系统达到预定的跟踪控制性能，同时消除了对初始误差的要求。其次，利用径向基函数（RBF）神经网络（NNs）来处理未知的非线性函数，并采用高斯误差函数来描述连续可微的不对称饱和模型；动态表面控制（DSC）技术则用于克服控制设计中固有的“复杂性爆炸”问题。最后，通过结合常用的李雅普诺夫函数方法和反步技术，构建了一个通用的自适应神经控制器。该控制器有效地解决了过参数化问题，并进一步减轻了计算负担。在所提出的通用自适应控制器作用下，闭环系统中的所有信号均被限制在合理范围内，且在任意切换条件下都能保证系统的瞬态和稳态跟踪控制性能。仿真研究证明了该方法的有效性。