目录
编辑编辑编辑编辑编辑编辑编辑编辑3. 仿真结果
一阶系统神经网络控制
1. 系统描述
考虑如下一阶被控对象：
x ̇=bu+f(x)+d(t)
其中u为控制输入，b≠0为已知常数。d(t)为干扰，满足|d(t)|≤D，其中D为已知常数。控制目的是使得x跟踪期望轨迹x_d，其中x_d和x ̇_d有界且已知
Barbalat引理：对于信号g（t），若：1)g（t） 有界；2) 
有界；3) 
存在且有界(
)，则有 
。
2. 滑模控制器设计(f(x)已知)
3. 自适应神经网络控制(f(x)未知)
如果f(x)为未知，可采用RBF网络对f(x)进行逼近。RBF网络算法为
其中ℎ=[ℎ_1,ℎ_2,⋯,ℎ_n]^T为基函数向量，W^∗为权值向量，ε(x)为逼近误差，满足|ε(x)|≤εN，εN为常数。
4. 仿真结果
仿真中，考虑所设计的神经网络控制器，取
二阶系统神经网络控制
1. 系统描述
2. 神经网络控制器
3. 仿真结果
输出受限系统的神经网络控制
1. 问题描述
2. 神经网络控制器
3. 仿真结果
输入受限系统的神经网络控制
1. 双曲函数
2. 输入受限系统的滑模控制
3. 输入受限系统的神经网络控制
资料仅供学习使用
如有错误欢迎留言交流
上理考研周导师的其他专栏：
光电融合集成电路技术 电路原理
C语言 复变函数与积分变换
单片机原理
模式识别原理
数字电子技术
自动控制原理 传感器技术
模拟电子技术
数据结构
概率论与数理统计
高等数学
传感器检测技术
智能控制
嵌入式系统
图像处理与机器视觉
热工与工程流体力学
数字信号处理
线性代数
工程测试技术
大学物理
上理考研周导师了解更多
