摘要：针对一类具有非平滑的迟滞三明治系统,提出一种基于神经网络的自适应控制方法.首先利用神经网络做出了前端动态模块的逆系统实现前端动态模块的近似补偿,这样将迟滞三明治系统转化成一般的迟滞非线性系统.然后提出一个迟滞算子将迟滞的多映射转化成一一映射,基于这个迟滞算子设计了神经网络自适应控制器,通过Lyapunov方法证明了系统的稳定性并推导出神经网络的权值自适应调整律和控制律.最后通过仿真验证了该方案的有效性.

摘要：针对一类具有未知不确定性的非线性系统,提出一种参数直接自校正滑模控制方法.将系统的非线性、参数变化和外部干扰都视作系统不确定性,控制器的设计无需不确定项的上下界等信息;为改善跟踪性能与减小输入抖振,控制器设计中引入可调边界层厚度的双极性sigmoid函数与可变滑模切换增益,推导出控制增益和边界层厚度的直接自校正律,并基于Lyapunov判据给出了闭环系统稳定性证明.仿真实例证明了该方法的有效性和正确性.