1、該文研究了非線性系統(tǒng)的內(nèi)模控制,主要內(nèi)容如下:(1)研究了基于動態(tài)神經(jīng)網(wǎng)絡和模糊神經(jīng)網(wǎng)絡的非線性系統(tǒng)辨識問題.提出一種基于并聯(lián)模式的動態(tài)神經(jīng)網(wǎng)絡,證明了存在建模誤差和有界擾動的情況下,基于Lyapunov理論的自適應學習算法能保證辨識誤差和權(quán)值誤差的一致有界;提出一種T-S模糊神經(jīng)網(wǎng)絡的新的學習算法,首先采用模糊聚類算法得到網(wǎng)絡的結(jié)構(gòu)和前件參數(shù)的初始值,然后用LMF和LSM的混合算法分別對前件參數(shù)和后件參數(shù)進行優(yōu)化求解.(2)研究了仿射

2、非線性系統(tǒng)的動態(tài)神經(jīng)網(wǎng)絡內(nèi)模控制,首先將微分幾何理論應用于狀態(tài)可測的單變量仿射非線性系統(tǒng)的內(nèi)?？刂圃O計中,根據(jù)獲得的動態(tài)神經(jīng)網(wǎng)絡模型動態(tài)逆構(gòu)造內(nèi)?？刂坡?從而將線性內(nèi)模控制的分析、設計方法推廣到非線性系統(tǒng).分析了建模誤差對閉環(huán)系統(tǒng)魯棒穩(wěn)定性和穩(wěn)態(tài)性能的影響,研究了控制量飽和對內(nèi)?？刂葡到y(tǒng)性能的影響,引入跟蹤誤差反饋對內(nèi)?？刂七M行改進有效克服了飽和的影響.將上述研究結(jié)果推廣到狀態(tài)可測的多變量仿射非線性系統(tǒng),設計了基于解耦線性化的動態(tài)神經(jīng)網(wǎng)

3、絡內(nèi)?？刂平Y(jié)構(gòu),著重分析了建模誤差和殘余耦合作用對閉環(huán)系統(tǒng)魯棒穩(wěn)定性和穩(wěn)態(tài)性能的影響.進一步針對狀態(tài)不可測的多變量仿射非線性系統(tǒng),提出基于滑模觀測器的動態(tài)神經(jīng)網(wǎng)絡系統(tǒng)辨識,完善了動態(tài)神經(jīng)網(wǎng)絡內(nèi)模控制的研究.(3)研究了基于模糊神經(jīng)網(wǎng)絡的非線性內(nèi)?？刂?針對一類開環(huán)穩(wěn)定的非線性系統(tǒng),通過理論分析指出其模糊神經(jīng)網(wǎng)絡模型可視為一類特殊的線性時變系統(tǒng)從而直接獲得模型的解析逆,簡化了非線性內(nèi)?？刂频脑O計.將建模誤差視為結(jié)構(gòu)不確定,引入μ分析方法判