一类欠驱动系统的自适应神经滑模控制

第３８卷第７期

２０１５年７月合肥工业大学学报（自然科学版）ＪＯＵＲＮＡＬＯＦＨＥＦＥＩＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＶｏｌ．３８Ｎｏ．７ Ｊｕｌ．２０１５

收稿日期：２０１４-０５-１９；修回日期：２０１４-０６-２２

基金项目：国家自然科学基金资助项目（６１１００２１１）

作者简介：杨兴明（１９７７－），男，云南安宁人，博士，合肥工业大学副教授，硕士生导师．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３-５０６０．２０１５．０７．００８

一类欠驱动系统的自适应神经滑模控制

杨兴明， 汤 星

（合肥工业大学计算机与信息学院，安徽合肥 ２３０００９）

摘 要：针对一类欠驱动系统在系统不确定性和外界干扰条件下的稳定控制问题，文章提出了自适应神经网络滑模控制策略。利用基于径向基函数（ＲＢＦ）的神经网络在线估计系统的不确定量，采用李雅普诺夫方法设计自适应算法在线调整神经网络的参数；同时，利用带自适应算法的神经网络调节滑模控制的增益来消除滑模控制中的输入抖振现象；并通过李雅普诺夫定理论证了系统的稳定性。与传统滑模控制策略的仿真结果对比证明了系统是全局渐进稳定的，且控制器具有很好的适应性和鲁棒性。

关键词：欠驱动系统；自适应；神经网络；滑模控制；抖振

中图分类号：ＴＰ２７３ 文献标识码：Ａ 文章编号：１００３-５０６０（２０１５）０７-０９０１-０５

Ａｄａｐｔｉｖｅｎｅｕｒａｌｎｅｔｗｏｒｋｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｏｆａｃｌａｓｓｏｆｕｎｄｅｒａｃｔｕａｔｅｄｓｙｓｔｅｍ

ＹＡＮＧＸｉｎｇ-ｍｉｎｇ， ＴＡＮＧＸｉｎｇ

（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｎａｄａｐｔｉｖｅｎｅｕｒａｌｎｅｔｗｏｒｋｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｉｓｐｒｏｐｏｓｅｄｔｏｒｅａｌｉｚｅｔｈｅｓｔａｂｌｅｃｏｎｔｒｏｌｏｆａｃｌａｓｓｏｆｕｎｄｅｒａｃｔｕａｔｅｄｓｙｓｔｅｍｉｎｐｒｅｓｅｎｃｅｏｆｕｎｃｅｒｔａｉｎｐａｒａｍｅｔｅｒｓｏｆｓｙｓｔｅｍａｎｄｅｘｔｅｒｎａｌｄｉｓｔｕｒｂａｎｃｅｓ．ＴｈｅｐａｒａｍｅｔｅｒｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎｂｅａｄｊｕｓｔｅｄｏｎｌｉｎｅｂｙｕｓｉｎｇＬｙａｐｕｎｏｖｍｅｔｈｏｄｔｈｒｏｕｇｈｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎｔｒｏｌ．Ｍｏｒｅｏｖｅｒ，ｔｈｅｇａｉｎｏｆｓｌｉｄｉｎｇｍｏｄｅｃｏｎ-ｔｒｏｌｉｓａｄｊｕｓｔｅｄｂｙｕｓｉｎｇｄｕａｌＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎｔｒｏｌｗｉｔｈａｄａｐｔｉｖｅａｄｊｕｓｔｍｅｎｔａｌｇｏｒｉｔｈｍ，ｓｏａｓｔｏｅｌｉｍｉｎａｔｅｔｈｅｃｈａｔｔｅｒｉｎｇｐｈｅｎｏｍｅｎｏｎｉｎｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ．Ｔｈｅｓｔａｂｉｌｉｔｙａｎｄｔｒａｃｋｉｎｇｐｅｒｆｏｒｍ-ａｎｃｅｏｆｔｈｅｓｙｓｔｅｍａｒｅｖｅｒｉｆｉｅｄｂｙＬｙａｐｕｎｏｖｔｈｅｏｒｙ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅｓｕｌｔｓｏｆｓｉｍｕｌａｔｉｏｎｅｘａｍｐｌｅｓａｎｄｔｈｅｃｏｍｐａｒｉｓｏｎｗｉｔｈｔｒａｄｉｔｉｏｎａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｃｏｎｆｉｒｍｔｈｅｇｌｏｂａｌａｓｙｍｐｔｏｔｉｃｓｔａｂｉｌｉｔｙｏｆｔｈｅｓｙｓ-ｔｅｍａｎｄｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｒｏｂｕｓｔｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｃｏｎｔｒｏｌｌｅｒ．Ｋｅｙｗｏｒｄｓ：ｕｎｄｅｒａｃｔｕａｔｅｄｓｙｓｔｅｍ；ｓｅｌｆ-ａｄａｐｔｉｖｅｎｅｓｓ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌ；ｃｈａｔｔｅｒｉｎｇ

０ 引 言不确定系统的稳定控制一直是国内外学者研究的热点问题。滑模控制是一种有效的控制策略，滑模控制器的优点是能克服系统的不确定性，对于外界干扰和未建模动态具有很强的鲁棒性。基于径向基函数（ＲＢＦ）的神经网络不仅具有并行计算、学习和容错能力，还能任意精度逼近任意连续函数［１］，但也有稳定性差、响应速度慢的缺陷。滑模控制具有不连续性，易导致控制器输出出现

高频抖振现象，文献［２］为了克服抖振现象，减小

了滑模面的边界层，但该方法不能保证系统的状

态在滑模面上收敛。

针对上述问题，本文提出自适应神经网络滑

模控制策略，设计自适应神经网络控制器补偿系

统的不确定量和外界干扰，同时采用ＲＢＦ神经网

络来调节切换项增益，有效地解决了传统滑模控

制中的抖振问题。并通过李雅普诺夫定理和仿真