导　　师： 胡跃明

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 切换系统是由一族有限个子系统和切换信号构成的特殊混杂系统,有着广泛实际应用背景。众所周知,实际系统本质是非线性的,且普遍具有不确定性和时滞特性,因此,难以建立实际系统的精确数学模型。传统的控制方法难以解决对具有高度非线性、不确定性和时滞的切换系统的高性能控制问题。随着现代工业对控制的精度、响应速度、容错性、自适应和自学习能力等要求日益提高,智能控制方法已经成为解决不确定切换系统高性能控制问题的新手段。本文根据当前国内外切换系统的研究现状,在深入理解切换系统理论以及自适应神经网络控制和迭代学习控制等方法的基础上,针对切换系统的智能控制问题及切换策略的设计方法展开深入研究,并取得了如下成果:1.对一类单输入单输出严格反馈不确定非线性切换系统,结合后推法、共同Lyapunov函数法和动态面技术提出了一种任意切换信号下的自适应神经网络动态面跟踪控制方案。该方案在后推过程的每一步中,使用Young’s不等式构造了系统中未知部分的未知光滑上界函数,消除了切换信号的影响,然后使用一个径向基(RBF)神经网络来逼近该光滑上界函数,同时使用动态面技术避免了对共同虚拟控制反复求导,克服了“计算膨胀”问题,并将滤波器输出的导数取代传统中间变量作为神经网络的输入,从而降低了网络输入维度,利用Young’s不等式技术保证神经网络只有一个可调参数。理论证明了所提控制方案保证闭环系统在任意切换信号下半全局一致终结有界,通过调节控制器参数使跟踪误差收敛到零的任意小邻域内。通过仿真实验证实了所提方案的有效性、鲁棒性。2.对一类单输入单输出纯反馈不确定非线性切换系统,提出了一种任意切换信号下预设性能的自适应神经网络动态面跟踪控制方案。首先利用中

关 键 词： 神经网络控制 切换系统 预设性能 迭代学习控制 单调收敛 支持向量机

领　　域： [] []