摘要：研究一类具有未知动力学的二阶异构非线性多智能体系统二分拟一致性问题.针对二阶多智能体系统中未知的非线性动态,基于神经网络逼近理论设计一类自适应控制协议,以保证所有智能体最终收敛到有界区域内.借助Lyapunov稳定性理论和不等式技巧得到异构多智能体系统实现领导-跟随二分拟一致性的充分性条件,并给出一致性误差的上界.最后通过数值仿真验证了理论结果的有效性.

摘要：针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数(RBF)神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。

摘要：针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件,提出一种新的基于神经网络的一类非线性系统自适应反步控制器设计方案。使用三层神经网络逼近系统的非线性特性,通过网络权系数自适应调整来不断的在线估计未知的逼近误差上界,采用有σ修正项的自适应律以放松持续激励条件。给出了基于Lyapunov意义上的闭环系统稳定性分析,证明跟踪误差收敛于原点的一个ε领域内。仿真结果表明了所提反步控制器的正确性。