针对具有状态依赖函数约束的非线性系统自适应容错追踪控制研究

《Communications in Nonlinear Science and Numerical Simulation》:Adaptive Tracking Control for Nonlinear Systems with Disturbances and Function Constraints on States

【字体: 大 中 小 】 时间:2026年03月21日 来源:Communications in Nonlinear Science and Numerical Simulation 3.8

编辑推荐:

  本文聚焦于一类同时面临状态依赖函数约束、执行器故障、外部扰动与通信资源限制的复杂非线性系统控制问题。有别于传统的时间不变或时变约束,文章引入了与系统状态和参考信号相关的约束边界,并基于tan型障碍李雅普诺夫函数(BLF)和反步法,设计了一种结合动态记忆事件触发机制(DMETM)的自适应神经网络容错控制器。该方案在确保系统状态不违反约束的同时,实现了对期望轨迹的跟踪,并有效提升了系统的故障容忍能力和资源利用效率。仿真结果验证了方法的有效性。

  
Highlights
  • •
    传统上针对状态约束问题的研究主要集中在常约束或与时间相关的时变约束上。为了更好地反映实际场景,本文提出了一种与系统状态相关的函数作为约束边界,从而显著扩展了其应用范围。
  • •
    与现有工作不同,本文引入了一个辅助动态变量,以实现事件触发阈值的动态调节。相比已有的动态事件触发机制(DETM),引入该动态变量的历史信息能够产生更大的触发时间间隔。同时,借助径向基函数神经网络(RBFNNs)来处理未知扰动和未知项,并采用自适应控制策略来处理执行器故障,在有效应对执行器故障的同时,显著提高了系统对未知干扰的鲁棒性。
Controller Design
本节提出了一种结合反步法的自适应神经网络控制方法,以解决事件触发和故障问题。此外,采用tan型障碍李雅普诺夫函数(BLF)来处理与系统部分状态相关的函数约束,确保这些约束不被违反。详细的设计过程如下:
Performance Analysis
Theorem 1
对于本文给出的非线性系统,通过设计虚拟控制器、实际控制器和自适应律,可以保证以下几点:
  • •
    所有信号均有界,并且输出信号能够跟踪给定的参考信号。
  • •
    系统状态不违反给定的约束。
  • •
    避免了芝诺(Zeno)行为。
Proof
根据公式(36)和(41),我们可以得到
V˙n ≤ ?cVn + Δn
其中 c = min{ (πcj) / (k2bj), σj, (ι1 ? 1), ι2, ι3 }。在公式(43)两侧同时乘以 ect,经过变换可得
d(Vn(t) ect) / dt ≤ Δn ec
Simulation Verification
Example 1
考虑以下数值非线性系统
x˙1 = x2 + θ φ1(x1)
x˙2 = u + d2(t)
y = x1
其中 θ 是未知参数,φ1(x1) = x21且 d2(t) = 0.5 cos(t)。本示例中的控制目标是使输出信号 y 跟踪参考信号 yd(t) = sin(t),同时满足状态约束 |x1| < 2 + 1.5 sin(t) + e?yd和 |x2| < 4 + 1.5 cos(t) + x1。为了进行仿真,控制参数和初始值设置如下:
c1 = 25, c2 = 20, η2 = 2, ι1 = 1.2, ι2 = 0.5, ι3 = 2, σ2 = 0.08, κ = 5, τ = 1
Conclusion
本文提出了一种针对非线性系统的、具有记忆特性的动态事件触发机制自适应控制方案,同时解决了状态约束问题并应对了执行器故障。与传统的基于事件触发的控制相比,所提出的机制显著减少了冗余触发次数。针对扰动和未知项,我们利用径向基函数神经网络(RBFNNs)进行了动态逼近和补偿,并结合反步法和障碍李雅普诺夫函数(BLF)方法,设计了控制器。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号