逼近精度已知和全局稳定的自适应神经网络控制

This project studies two key problems which limit the development of adaptive neural network control (ANNC), i.e., how to guarantee the prior known tracking accuracy and how to achieve the global stability of closed-loop systems.. (1) For a class of representative uncertain lower-triangular systems, propose the ANNC algorithms with exact tracking accuracy and global stability by using a two-side smooth switching function and neural network feedforward-feedback compensation idea. Analyze the global stability of closed-loop systems and the tracking control performance by constructing novel Lyapunov functions and Young's inequalities.. (2) After finishing the above investigation, we further address the finite-time convergent ANNC problem with exact tracking accuracy and global stability by improving the two-side smooth switching function. Analyze the stability of closed-loop systems and guarantee the finite-time convergence of tracking error by using Lyapunov functions with fractal powers.. (3) Apply the aforementioned control approaches to stochastic systems and several real-world systems such as robotic systems, helicopter systems, etc. Verify the effectiveness of control approaches by simulations.

本项目旨在研究当前制约自适应神经网络控制发展的两个瓶颈问题，即如何确定跟踪精度预先已知和如何实现闭环系统的全局稳定。. (1) 针对两类经典的不确定下三角系统，结合双边光滑切换函数和神经网络前馈-反馈补偿思想，提出确保跟踪精度已知和全局稳定的自适应神经网络控制算法，通过构造新型Lyapunov函数和Young不等式分析闭环系统的全局稳定性和跟踪控制性能。. (2) 在以上研究的基础上，通过改进双边切换函数，进一步考虑确保跟踪精度和全局稳定的有限时间收敛自适应神经网络控制问题，采用分数幂Lyapunov函数分析闭环系统的稳定性，确保跟踪误差有限时间收敛。. (3) 研究控制算法在机器人和直升机等实际控制系统模型和随机系统中的应用，仿真验证算法的有效性。

随着当今科学技术的迅猛发展，对于复杂不确定系统进行可靠精确控制的要求越来越高，复杂不确定系统的控制问题近年来一直备受科研工作者的关注。研究复杂不确定系统的关键问题之一就是如何建模。由于神经网络/模糊逻辑系统不需要系统的精确模型，且具有并行处理、学习、泛化和容错能力，因此不确定系统的自适应神经网络/模糊逻辑系统控制一直是近20多年来自动控制领域和人工智能领域研究的热点课题之一。本项目旨在解决当前制约自适应神经网络控制发展的两个瓶颈问题，即如何确定跟踪精度预先已知和如何实现闭环系统的全局稳定。围绕经典的不确定下三角系统的自适应神经网络控制问题，本项目重点研究内容及取得的相应成果如下：结合双边光滑切换函数和神经网络前馈-反馈补偿思想，提出确保跟踪精度已知和全局稳定的自适应神经网络控制算法，通过构造新型Lyapunov函数并利用Barbalat引理分析闭环系统的全局稳定性和跟踪控制性能；在以上研究的基础上，通过改进双边切换函数，进一步考虑有限时间收敛的自适应神经网络控制问题，采用分数幂Lyapunov函数分析闭环系统的稳定性；进而，针对具体的随机不确定下三角系统，通过构造合适的Lyapunov函数给出概率意义下满足预设精度的自适应神经网络控制方案；研究控制算法在无人机、多智能体等实际控制系统模型中的应用，仿真验证算法的有效性。.本项目共发表论文45篇，其中SCI源期刊38篇，包括IEEE汇刊7篇，出版专著1部，培养博士研究生8名，硕士研究生9名。