一类严格反馈时滞系统的自适应输出反馈控制

针对一类单输入单输出的严格反馈时滞系统研究跟踪控制问题。该控制系统包含不确定项、输出约束、未知死区特性和未知时间延迟。首先,设计一个状态观测器来估计无法测量的系统状态;其次,利用径向基函数(radial basis function,RBF)神经网络去逼近未知的系统内部动态;同时,利用障碍李雅普诺夫(Lyapunov)函数确保输出约束及Lyapunov-Krasovskii方法消除时滞项对系统的影响;最后,基于Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,并且克服了过参数问题。结果显示,设计的神经网络输出反馈控制器可以保证闭环系统中的所有信号都是半全局最终一致有界的,跟踪误差能收敛到零值小的领域内。文中通过两个例子进一步验证了提出方法的有效性。     

基于确定学习的有阻尼受迫Sine-Gordon方程的辨识

文中就一类有阻尼受迫Sine-Gordon方程的系统动态进行辨识研究.首先利用有限差分理论,将由偏微分方程描述的无穷维Sine-Gordon方程近似为由一组常微分方程描述的有限维系统,然后证明该近似系统解的存在唯一性和收敛性,最后利用确定学习对该近似系统的系统动态进行辨识.实验结果表明,文中方法可实现该类Sine-Gordon方程系统动态的局部准确辨识.