具有Preisach类型磁滞输入的不确定非线性系统自适应神经网络控制

摘要

本文针对一类执行器受Preisach磁滞约束的不确定非线性系统,提出一种基于神经网络的直接自适应控制方案,旨在解决系统的预定精度轨迹跟踪问题.由于Preisach算子与系统动态发生耦合,导致算子输出信号不可测量,给磁滞的逆补偿造成了困难.为解决此问题,本文首先将Preisach模型进行分解,以提取出控制命令信号用于Backstepping递归设计,并在此基础上融合一类降阶光滑函数与直接自适应神经网络控制策略,形成对磁滞非线性和被控对象非线性的强鲁棒性能,且所设计方案仅包含一个需要在线更新的自适应参数,同时可保证Lyapunov函数时间导数的半负定性.通过严格数学分析,已证明该方案不仅保证闭环系统所有信号均有界,而且输出跟踪误差随时间渐近收敛到用户预定区间.基于压电定位平台的半物理仿真实验进一步验证了所提出控制方案的有效性.