周期时变非线性参数化系统神经网络控制

研究在不确定周期时变干扰环境下，未知非线性参数化系统辨识与神经网络控制问题。.首次提出并研究未知周期时变函数f(r(t),x)（r(t)是不可测周期干扰，x是可测信号）的逼近问题。巧妙结合几种神经网络和傅里叶级数设计几类新型的函数逼近器，并证明其逼近能力。.基于新型函数逼近器，研究几类未知周期时变系统的自适应神经网络控制问题。借鉴基于非线性参数化神经网络控制律和自适应律设计思想，设计各类时变系统的控制律和自适应律，采用Lyapunov稳定性方法分析闭环系统稳定性。研究基于新型函数逼近器的控制方法的推广问题。.针对目前神经网络控制中的公开难题- - 全局稳定和逼近域确定问题，采用参考信号置换神经网络输入中的系统状态或输出，从而首次给出基于参考信号确定逼近域的方法，通过自适应鲁棒方法处理置换误差，证明闭环系统全局稳定。.研究所提出的控制算法在未知周期干扰环境中工作的机器人系统的控制问题。