文档介绍：摘要,瞡神经网络近似逼近组合未知非线性函数;结合方在实际工程中,被控对象往往具有本质非线性、不确定性和时变性,并常常受到随机扰动的影响,因此研究不确定随机非线性系统的控制问题不仅具有重要的理论意义,,应用神经网络控制理论,结合自适应反步递推技术、鲁棒控制理论和数学不等式技巧,系统地研究了随机非线性系统的控制问题,:芯恳焕嗟ナ淙氲ナ涑—琒严格反馈随机非线(,同时通过估计神经网络权向量范数的最大值,使得对于阶非线性系统只需要一个在线调节方程,—泛函来补偿非线性时滞函数,,,,首先应用隐函数定理和均值定理将系统的非仿射函数RBF信号,最后结合泛函理论和方法设计出一个自适应Basis
关键字:随机非线性系统;严格反馈结构;纯反馈结构;输入死区;输入饱和;自适应神经网络控制;技术;随机泛函界性和跟踪性能,,其次,针对死区非线性,将死区等价分解成关于死区输入和死区参数的线性部分与有界非线性扰动部分之和的形式;针对饱和非线性,引入一个光滑函数来补偿饱和非线性,,,首先应用函数分离技术对系统的全状态函数进行变量分离,进而通过引入一个连续函数来补偿在后续设计过程中出现的当前状态变量的函数,.
worktechniqueandsingle-output(siso)strictfeedbackfunction(RBF),framearebasisapproximatemaximumdemonstratesystemsstudiesengineeringoftenpresentintrinsicallynonlinear,uncertain—plexsystemsthisutilize,pendiousdescriptionfollows甌classsingleinputsystemsIn,unknown琣appliedschemeTheallsignals—--feedback,—biningtangenta11probabilitySimulationcurrentonea
'me,theoremformRBFmodelproblem.—systems,positionperturbed;‘probabilityItworthpointpresented瑆makespr