基于Lyapunov的自适应Neural-Network控制器对非线性扰动系统的稳定性分析

《AppliedMath》：Lyapunov-Based Stability Analysis of Adaptive Neural-Network Controllers for Nonlinear Perturbed Systems

　　

提出了一种基于Lyapunov的框架，用于一类具有有界外部扰动和未建模动力学的不确定二阶非线性系统（SNS）的自适应神经网络（NN）控制器的稳定性分析与综合。采用在线学习，利用径向基函数（RBF）网络重构被控对象非线性，其权重通过从单个复合Lyapunov函数推导出的直接自适应律进行更新。所提出的控制器将权重更新与持续的鲁棒化作用相结合，而闭环稳定性在整个学习瞬态过程中得到保证，这与那些在学习收敛后才保证稳定性的方案形成对比。利用滤波跟踪误差和权重估计误差中的复合Lyapunov函数，研究人员证明所有闭环信号都是均匀最终有界（UUB）的，并且跟踪误差收敛到一个明确表征的残差集，其半径由网络重构精度、扰动界和设计增益决定。σ修正确保了参数有界性，无需持续激励，并且一个鲁棒性定理表明，被控对象的有界参数扰动保留了稳定性，并仅逐渐增大最终界（一种优雅退化，而非丧失保证）。开环被控对象（一个受迫双阱Duffing振荡器）通过平衡点和雅可比分析进行了表征。给出了分岔图和最大Lyapunov指数，显示了一个混沌区域（具有⁺）。数值实验表明，所提出的控制器能够以较小的最终界值抑制混沌运动，并保持平滑的参考运动，具有小而恒定的均方根误差，约为10^?3，比经过调谐的固定增益基准获得的均方根误差小约26倍，并且通过灵敏度扫描证实了最终界对扰动和设计增益的理论依赖性。

本文针对一类不确定二阶非线性系统，特别是可能呈现混沌特性的受迫双阱Duffing振荡器，提出了一种基于Lyapunov的自适应径向基函数（RBF）网络控制器，并进行了完整的稳定性分析。研究背景在于，传统控制方法难以处理未知非线性与有界扰动，而神经网络（NN）作为通用函数逼近器，虽能在线学习，但面临参数漂移和稳定性保证不足的问题，例如经典自适应控制中需持续激励（PE）条件。现有方案通常在学习收敛后才保证稳定性，忽视了瞬态行为。为此，研究人员旨在设计一种在学习过程中同时保证稳定性的控制器，并通过鲁棒化项应对重构误差和扰动。论文发表在《AppliedMath》。

主要技术方法包括：采用RBF网络（径向基函数网络）逼近未知非线性，其权重通过从复合Lyapunov函数推导的直接自适应律更新，并加入σ修正（σ-modification）防止参数漂移；控制律结合了反馈项、前馈项和基于双曲正切（tanh）的连续鲁棒项，以主导残差；开环动力学通过平衡点、雅可比矩阵、最大Lyapunov指数（使用Benettin算法）和分岔图进行表征；数值仿真采用固定步长四阶Runge-Kutta积分，在Duffing振荡器参数（阻尼δ=0.3，频率ω=1.0，扰动幅值F=0.5）下进行。

研究结果如下：
6. 灵敏度分析（Sensitivity Analysis）：通过理论公式（Corollary 1）和参数扫描，验证了稳态均方根（RMS）误差随扰动界D增大而近似线性增长、随自适应增益Γ增大而减小并饱和、随反馈增益k增大而微弱减小，所有预测与数值结果一致。
7.1. 设置（Setup）：设定了仿真参数，包括RBF网络在区域[-2,2]×[-2,2]上布置11×11网格中心，宽度σ_RBF=0.3，控制参数k=10，Γ=50，σ=0.1，ι=0.01，λ=1，并采用固定步长0.001 s积分。
7.2. 跟踪性能与混沌抑制（Tracking Performance and Chaos Suppression）：数值实验表明，控制器能在0.5秒内使输出锁定参考轨迹^r(t)=sin(1.5t)，将混沌运动正则化；稳态RMS误差约为0.0017，远小于固定增益PD基线（约0.044），性能提升约26倍，且闭环最大Lyapunov指数为负（Λ_max≈-0.35），证实混沌被抑制。
7.3. Lyapunov证书行为（Lyapunov Certificate Behavior）：复合Lyapunov函数V单调递减，其导数V?在瞬态期间显著为负，进入残差集后接近零并波动；控制输入短暂尖峰后保持平滑；NN权重范数‖W?‖在学习过程中有界，无漂移。

讨论部分总结了框架的三大支柱：稳定性理论（Lyapunov函数）、逼近理论（RBF网络）和控制设计（滤波误差与鲁棒项），强调了开环表征（如正Lyapunov指数）对控制器设计的必要性，并指出理论界与观测误差之间的保守性差距。局限性包括：假设控制增益已知且归一化、系统相对阶为二、匹配条件成立；未来方向包括扩展至严格反馈系统（通过自适应反步法）、未知控制增益（通过Nussbaum函数）、多输入系统及事件触发实现。

研究结论翻译如下：研究人员提出了一种基于Lyapunov的自适应径向基函数控制器，用于一类不确定、受扰动且可能混沌的二阶非线性系统，并附有完整的稳定性分析。单个复合Lyapunov函数给出了所有闭环信号的均匀最终有界性（定理1）和显式最终界公式（推论1），揭示了重构精度、扰动水平和设计增益之间的权衡；一个伴随的鲁棒性定理（定理2）展示了在参数扰动下的优雅退化。开环被控对象通过其平衡点和雅可比谱（命题1）、其最大Lyapunov指数（Λ_max≈0.12，混沌）及其分岔图进行了表征，并且控制器在理论和仿真中均被证明能抑制混沌运动并跟踪平滑参考，稳态误差约为10^?3，比经过调谐的固定增益基线小约26倍。一个三向灵敏度研究确认了界的每一个定性预测。该框架从而在基于学习的控制和经典Lyapunov稳定性理论之间实现了一座数学上严谨且可实现的桥梁，符合决策、稳定性和控制的现代趋势。