控制方向未知的随机非线性系统的神经网络自适应控制

Considering the affection of some factors, such as external random disturbance, unknown control direction and the uncertainty of system, the stocastic nonlinear system with unknown control directions is widely used in many industrial processes. Thus, control design and performance analysis for such system is of importance in theory and practice. This project focuses on the adaptive neural control for some classes of stochastic nonlinear systems with unknown control directions. Major technical difficulties for these classes of systems lie in: 1) the gradient and the higher order Hessian term involved by the Ito stochastic differentiation; 2) the unknown control directions from the unknown signs of control gain functions. By exploring the new properties and new applications of Nussbaum function to stochastic nonlinear systems, control directions can be dealt with. Moreover, based on a novel combination of linear state transformation,Backstepping technique,Dynamic Surface Control(DSC) method,Neural netwroks approximation and its parameterization technique,and Input-driven observer design,et al, some adaptive neural control schemes will be developed for such systems under some suitable assumptions on nonlinear system functions. Meanwhile,the effectiveness of control design will be verified by theoretic analysises and simulation results. The successful implementation of this project will have positive effects on the improvement of control performance for the stochastic nonlinear systems, such as robot control system, chemical process control system,and aircraft control system, et al.

由于考虑了外部随机干扰、未知控制方向和系统不确定性等因素的影响，控制方向未知的随机非线性系统在实际工业过程中适用面更广，因此针对该类系统的控制设计与分析具有重要的理论与实际意义。 本项目将考虑多类控制方向未知的随机非线性系统的神经网络自适应控制问题。控制设计的主要技术困难来自于: 1)由伊藤随机微分引入的梯度项和高阶海塞矩阵项; 2)由控制增益函数符号未知而带来控制方向未知。通过探索Nussbaum增益函数的新特性及新应用，解决由控制方向未知带来的困难。对系统非线性函数进行合理假设，拟采用线性状态变换、Backstepping、动态面控制、神经网络逼近及参数化和输入-驱动观测器设计等方法，研究随机非线性系统的神经网络自适应控制器设计,通过理论分析与仿真实验验证控制设计的有效性。该项目的成功实施，将对机器人控制、化工过程控制及飞行器控制等受随机因素影响的非线性系统的控制性能改善产生积极影响。

控制方向未知的随机非线性系统考虑了随机干扰、未知控制方向和系统不确定性等因素的影响，在实际的控制系统中适用面非常广泛。对于该类系统的控制设计与分析具有重要的理论与实际意义。.本课题主要致力于控制方向未知的随机非线性系统的控制设计与分析。通过探索Nussbaum增益函数的新特性，解决了未知控制方向给随机非线性系统控制设计带来的困难. 应用线性状态转换、backstepping技巧、动态面控制方法、神经网络逼近、Lyapunov-Krasovskii方法和输入驱动观测器的设计等，解决了多类控制方向未知的随机非线性系统的神经网络自适应控制问题。研究结果给出了详细的神经网络自适应控制策略的设计过程，并通过稳定性分析和仿真实验验证了所提出控制策略的有效性和实用性。而且由于所设计的大多数控制器具有简单的形式及较少的自适应参数，因此便于这些控制器在实际系统中的在线计算与实施。另外，在项目实施的过程中，一些如布尔网络的控制、不确定性的鲁棒最优控制等相关的问题和新的研究问题也得到了关注，并加以解决。简言之，本课题的研究可以改善如机器人控制系统、化工过程系统和飞行器控制系统等随机非线性系统的控制性能，达到了预期的目标。