一类不确定系统的神经网络L2--增益鲁棒控制

对于一类具有三角结构的单输入单输出的不确定非线性系统,用反步法(backstepping)和动态面控制方法(dynamicsurfacecontroltechnique)设计了一种使用神经网络补偿未知非线性的L2--增益鲁棒控制器.控制器设计中没有直接解HJI(Hamilton-Jacobi-Isaac)不等式.合理的选择了L2--增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量,并用Lyapunov定理和HJI不等式证明了使用提出的控制器后,这些状态变量具有小于等于事先规定的正实数γ的L2--增益.当系统的扰动信号为零向量时,提出的控制器在原点是大范围渐近稳定的.仿真研究结果表明所提出的控制器具有很好的跟踪性能和很强的鲁棒性.