[发明专利]状态不可测的非线性系统自适应神经网络观测器控制方法

说明书

本发明涉及非线性系统控制技术领域，具体公开了一种状态不可测的非线性系统自适应神经网络观测器控制方法，为了消除不可测状态在控制设计中的影响，首先利用神经网络，设计一种新的自适应状态观测器，该观测器方法不要求观测器增益参数满足Hurwitz方程，因此比现有的观测器方法更容易应用和扩展到非线性系统控制中，然后将观测器的动态特性与反步法相结合，设计控制器，实现严格反馈系统的自适应跟踪控制，最后，通过理论和仿真验证了该方法的可行性；本发明不需要满足Hurwitz方程，因此更容易应用和推广到非线性系统控制中；不需要精确的系统确认，因此能满足广泛的实际控制工程系统的要求。

技术领域

本发明涉及非线性系统控制技术领域，具体涉及一种状态不可测的非线性系统自适应神经网络观测器控制方法。

背景技术

近年来，在系统状态完全可测的前提下，学者们针对不确定性非线性系统自适应控制进行了深入的研究，并取得了一些成果。然而，在实际工程中，由于噪声或缓慢的采样率，它们的状态往往具有较低的测量质量甚至不可测量，在设计非线性系统的控制方法时不可避免地受到影响。

为了解决这个问题，一般的方法是使用状态观测器来估计或过滤这些信号，因此人们越来越多关注基于状态观测器的不确定非线性系统的自适应控制研究。然而，在几乎所有已研究的观测器方法中，都存在一个共同的限制，即要求设计的增益常数满足Hurwitz方程，由于这个限制，很多控制方法难以在实际工程中得到应用和推广。因此，迫切需要设计一种状态不可测的非线性系统自适应神经网络观测器控制方法，以解决现有观测器的控制器必须满足Hurwitz方程的问题。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种状态不可测的非线性系统自适应神经网络观测器控制方法。

本发明解决其技术问题所采用的技术方案是：一种状态不可测的非线性系统自适应神经网络观测器控制方法，包括以下步骤：

1)设计单输入单输出严格反馈非线性系统；

2)利用神经网络逼近系统连续未知函数，设计自适应神经网络状态观测器及神经网络权重自适应法则；

3)自适应神经网络状态观测器的反推设计，将观测器的动态特性与反步法相结合，设计控制器：

①定义跟踪误差，利用观测器得到的状态，得到其时间导数，定义反推设计第二步的跟踪误差，设计虚拟控制函数α₁，采用Lyapunov函数反推设计的第一个子系统；

②定义估计的跟踪误差，然后设计虚拟控制函数α_i；

③最后设计控制函数u；

4)通过Matlab软件进行理论和仿真验证。

具体的是，所述步骤1)中的单输入单输出严格反馈非线性系统为：

其中，是未知连续动力函数，u∈R是控制输入，是系统状态，只有x₁(t)为可测状态，其余状态均为不可测状态。

具体的是，所述步骤2)中的连续未知函数为自适应神经网络状态观测器为：

其中，k₁1,k_i2是观测增益参数，和分别是和的估计。

具体的是，所述步骤2)中的神经网络权重自适应法则为：

其中，σ_i1是设计参数。