基于事件的自适应神经网络控制用于具有非恒定控制增益和未知测量灵敏度的大规模系统

本研究探讨了针对非线性互联大规模系统（LSSs）的分散自适应事件触发神经网络（NN）控制问题，这些系统受到未知测量灵敏度和非恒定控制增益的影响。由于未知测量灵敏度的影响，LSSs的实际状态无法直接利用。为克服这一困难，开发了一种有效的自适应反馈控制方案。随后，利用NN来解决非线性项和未知的非恒定控制增益。开发了一种改进的一级补偿系统，以提高在饱和非线性存在下的控制性能。此外，还基于饱和控制器和测量误差开发了一种重要的动态事件触发控制（DETC）协议，从而减少控制器更新的数量。根据Lyapunov稳定性理论，提出的基于DETC的分散自适应协议证明所有信号都是半全局均匀最终有界的。仿真实例说明了所提出控制协议的有效性。