Beobachterbasierte adaptive fehlertolerante Verfolgungsregelung nichtlinearer Systeme mit nichtstriktem Feedback

Dieses Papier untersucht ein ausgangsbasiertes adaptives fehlertolerantes Regelungsproblem für nichtlineare Systeme mit nichtstrikter Feedback-Form. Neuronale Netzwerke werden verwendet, um die unbekannten nichtlinearen Eigenschaften im System zu identifizieren. Ein Beobachter und ein allgemeines Fehlermodell werden konstruiert, um die nicht verfügbaren Zustände zu schätzen und den Fehler zu beschreiben. Adaptive Parameter werden entwickelt, um die Schwierigkeiten im Designprozess für nichtstrikte Feedback-Systeme zu überwinden. Gleichzeitig wird eine Technik zur dynamischen Oberflächenkontrolle eingeführt, um das Problem der "Explosion der Komplexität" zu vermeiden. Darüber hinaus wird auf der Grundlage der adaptiven Rückwärtsregelungsmethode eine ausgangsbasierte adaptive neuronale Verfolgungsregelungsstrategie für das betrachtete System gegen Aktuatorfehler entwickelt, die sicherstellen kann, dass alle Signale im resultierenden geschlossenen Regelkreis begrenzt sind und das Ausgangssignal des Systems so geregelt werden kann, dass es der Reaktion des gegebenen Referenzsignals mit einem kleinen Fehler folgt. Schließlich werden die Simulationsergebnisse bereitgestellt, um die Wirksamkeit der in diesem Papier vorgeschlagenen Regelungsstrategie zu validieren.