基于动态面技术的一类纯反馈非线性系统的自适应神经网络控制

本简报探讨了一类非仿射函数可能不可微的纯反馈系统的自适应控制问题。在不使用中值定理的情况下，通过对非仿射函数进行适当建模，克服了纯反馈系统控制设计的难题。借助神经网络逼近器，结合动态面控制（DSC）和最小学习参数（MLP）技术，开发了一种自适应神经网络控制器。我们方法的主要特点在于：第一，消除了对非仿射函数偏导数的限制性假设；第二，利用 DSC 技术避免了反步设计中的“复杂性膨胀”，并通过 MLP 技术显著减少了自适应参数的数量；第三，采用平滑鲁棒补偿器以规避逼近误差和扰动的影响。此外，证明了闭环系统中的所有信号均为半全局一致最终有界的。最后，提供了仿真结果以证明所设计方法的有效性。