全状态约束下非线性纯反馈系统的预定时间自适应神经跟踪控制

《Mathematics》：Pure Feedback Control for Nonlinear Systems Based on Predefined-Time Performance Function

　　本文研究了一类具有全状态约束的非线性纯反馈系统的预定时间自适应神经跟踪控制问题。构建了一种将障碍Lyapunov函数（BLF）与预定时间性能函数（PTPF）相结合的新方法，以确保跟踪误差在用户指定的时间内收敛到预设的残差集，同时在整个运行过程中严格满足状态约束。为克服传统反步设计中固有的"复杂性爆炸"问题，提出了一种预定时间动态面滤波器，其收敛时间可独立于初始条件任意预设。采用径向基函数神经网络（RBF NN）来逼近未知的非线性动态，并推导自适应律在线更新权重估计。通过构造复合Lyapunov函数，证明了所有闭环信号均为预定时间有界，且跟踪误差满足预设的性能指标。基于Brusselator振荡器模型的仿真结果验证了所提方案的有效性和优越性，表现出快速收敛、严格满足约束条件以及对外部扰动的良好鲁棒性。