摘要：针对含模型参数不确定和环境干扰的水面船动力定位控制问题,本文提出了一种基于事件触发机制的神经自适应控制算法。结合径向基函数神经网络和最小学习参数算法设计自适应项补偿环境干扰和模型参数不确定。设计的自适应项仅有3个在线学习参数,减少了传统神经网络自适应技术的参数学习个数。再结合动态面控制技术和事件触发机制设计动力定位控制器,其中引入一种事件触发机制降低控制器到执行机构的信息传输负担,同时降低执行机构的动作次数。使用Lyapunov稳定性理论证明了闭环系统的稳定性。通过仿真试验和对比分析验证了提出控制律的有效性。

摘要：基于神经网络自适应控制方法,研究了变体跨介质航行器俯冲过程航迹角控制问题。针对航迹角动态方程中出现的纯反馈形式,采用微分滤波的方法克服"代数环"问题;采用最小学习参数方法减少神经网络参数在线更新个数,降低计算载荷;采用动态面方法克服反步法虚拟控制的"微分爆炸"问题。仿真结果表明,所设计的控制器能够实现航行器在俯冲过程中对目标航迹角的跟踪,跟踪误差小于2°。

摘要：针对受动态不确定性和外界未知干扰影响下欠驱动水面船舶的轨迹跟踪控制问题,设计一种有限时间轨迹跟踪控制方案。采用神经网络重构船舶的动态不确定性,通过引入最小学习参数降低计算复杂度,设计自适应律逼近由不确定项和外界干扰组合而成的复合扰动的上界,并基于此设计一种基于最小学习参数的欠驱动船舶自适应神经网络有限时间轨迹跟踪控制方案。通过严格的理论分析后得出,该有限时间轨迹跟踪控制方案能够使闭环系统的所有信号都趋于有界,欠驱动船舶的位姿误差和速度误差都在有限时间内收敛到一个集合。仿真和比较验证了本研究所提出的有限时间控制方案的有效性。本研究中的有限时间控制方案不仅提高了船舶的瞬态性能和稳态性能,且控制器结构简单,更容易应用在工程中。

摘要：针对含有未知路面输入的二自由度1/4车辆主动悬架系统高度控制问题,提出一种事件触发自适应神经渐近跟踪控制方案。利用径向基函数神经网络对未知模型动力学和虚拟控制律导数构成的综合不确定项进行逼近,采用最小学习参数化技术对神经网络权重进行压缩,设计单参数自适应律。在控制律和自适应律中构造积分有界函数,以保证跟踪误差的渐近收敛。设计控制器至执行器通道上的事件触发控制律,构造一种变量阈值的事件触发条件。通过Lyapunov直接法和Barbalat引理证明闭环系统的渐近稳定性。最后,通过仿真验证方案的优越性。