摘要：针对一类仿射型多变量极值搜索系统的协同控制问题,提出了一种基于神经网络的自适应协同控制方法。该方法利用协同控制实现状态变量之间的协同收敛,并确保对系统内部参数扰动和外界干扰具有不变性;以系统的状态变量、输入量、搜寻变量以及已知模型参数作为输入量,分别设计两个3层神经网络来估计状态变量极值的动态变化过程及未知参数;并采用可调参数消除此神经网络的残余估计误差。详细的理论分析证明了闭环系统的所有误差信号均指数收敛至原点的有界可调邻域内。仿真结果也说明了理论分析方法的正确性和有效性。

摘要：针对一类控制增益未知的多变量极值搜索系统,提出了一种神经网络自适应协同控制方法.该方法利用协同控制实现状态变量之间的协同收敛,并确保对系统内部参数扰动和外界干扰具有不变性;以极值搜索控制方法得到的搜寻变量作为输入量,设计多层神经网络逼近状态变量的极值变化率和未知的变量与函数;采用Nussbaum函数解决系统控制增益未知的问题;同时运用自适应参数抵消神经网络逼近误差的影响.稳定性分析证明了系统的状态跟踪误差、输出量与其极值之间的误差、极值搜索变量的跟踪误差以及神经网络各参数的估计误差均指数收敛至原点的一个有界邻域.理论分析与仿真结果验证了该方法的有效性.