[发明专利]一种基于误差重构权重更新的神经网络反步控制方法

说明书

一种基于误差重构权重更新的神经网络反步控制方法，属于非线性系统反步控制领域。本发明解决了目前神经网络反步控制不能准确估计系统未建模动态，导致系统跟踪误差较大的问题。本发明所述方法包括：建立考虑未建模动态的非线性二阶系统状态空间模型，给定系统目标信号；定义系统误差变量；利用误差变量设计李雅普诺夫函数；对李雅普诺夫函数对时间求一阶导数；根据李雅普诺夫函数对时间的一阶导数设计虚拟控制函数以及神经网络反步控制策略；根据神经网络反步控制策略，利用误差重构设计神经网络权重更新策略。本发明用于非线性系统的神经网络反步控制。

技术领域

本发明属于非线性系统反步控制方法领域，具体涉及一种基于误差重构权重更新的神经网络反步控制方法。

背景技术

神经网络反步控制方法是非线性系统控制中的一种方法，其基本思想是利用神经网络万能逼近性质去估计非线性系统中的未建模动态，然后通过反步法将神经网络所估计的未建模动态负反馈给非线性系统来达到降低未建模动态对系统影响的目的。目前的神经网络反步控制方法是通过σ调整方法设计神经网络权重更新策略，关于该更新策略，可以参考中国发明专利CN110687796A中的式(38)、中国发明专利CN110515302A中的式(7)以及中国发明专利CN107662208B中的式(12)与(13)，由于该策略的作用是减小李雅普诺夫函数而不是直接减小神经网络近似误差，导致所设计的神经网络无法准确地估计非线性系统中的未建模动态，这使得基于σ调整方法设计的神经网络权重更新策略并不能十分有效地降低未建模动态对系统的影响。因此，如何在神经网络反步控制方法框架下设计合适的神经网络权重更新策略来保证神经网络能准确有效地估计出系统未建模动态是一个关键问题。

发明内容

本发明的目的是为解决目前的神经网络反步控制不能准确估计系统未建模动态，导致系统跟踪误差较大的问题，而提出了一种基于误差重构权重更新的神经网络反步控制方法。

本发明为解决上述技术问题采取的技术方案是：一种基于误差重构权重更新的神经网络反步控制方法，该方法包括以下步骤：

步骤一、建立含有未建模动态的非线性二阶系统状态空间模型，该系统中两个状态变量分别用x₁和x₂表示，给定系统目标信号y_d；

步骤二、定义误差变量z₁＝x₁-y_d和z₂＝x₂-α₁(z₁)，其中，α₁(z₁)表示待设计的虚拟控制函数；

步骤三、利用步骤二中得到的误差变量z₁和z₂设计李雅普诺夫函数V；

步骤四、对步骤三中的李雅普诺夫函数V对时间求一阶导数得到

步骤五、根据步骤四中的设计虚拟控制函数α₁(z₁)以及神经网络反步控制策略；

步骤六、根据步骤五中的神经网络反步控制策略，利用误差重构设计神经网络权重更新策略。

本发明的有益效果是：本发明提出了一种基于误差重构权重更新的神经网络反步控制方法，本发明利用误差重构设计神经网络权重更新策略，其目的是直接减小神经网络近似误差，因此所设计的神经网络能更加准确有效地估计出系统未建模动态。本发明相较于传统自适应神经网络反步控制策略，由于在处理系统未建模动态上具有更好的效果，因此系统跟踪误差更小。

附图说明

图1为本发明方法流程图；

图2为本发明方法和传统方法下，系统输出响应曲线图；

图3为本发明方法和传统方法下，系统跟踪误差响应曲线图；