一类非等阶分数阶非线性系统的神经网络控制

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 240-245.

一类非等阶分数阶非线性系统的神经网络控制

李安平1，2，刘国荣1，2，杨小亮1，沈细群2

1.湖南大学电气与信息工程学院，长沙 410082
2.湖南工程学院电气与信息工程学院，湖南湘潭 411104

出版日期:2015-10-15 发布日期:2015-10-30

Robust neural network control for a class of noncommensurate nonlinear fractional-order system

LI Anping1，2, LIU Guorong1，2, YANG Xiaoliang1, SHEN Xiqun2

1.Institute of Electrical and Information Engineering, Hunan University, Changsha 410082, China
2.College of Electrical and Information Engineering, Hunan Institute of Engineering, Xiangtan, Hunan 411104, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 讨论一类不确定非线性分数阶非等阶（noncommensurate）的系统的控制问题。假设系统含的不确定包括正实不确定（positive real uncertainty）项和非线性函数完全未知，首先利用RBF神经网络近似未知非线性函数，再基于系统的连续频率分布模型将分数阶系统转化为等价的无穷维分布状态变量的整数阶系统，结合间接Lyapunov方法及线性矩阵不等式（LMI）方法，给出了系统鲁棒渐近稳定的充分条件。理论和实例仿真验证了方法的有效性。

关键词: 非等阶分数阶系统, 正实不确定, 径向基函数（RBF）神经网络, 线性矩阵不等式

Abstract: The paper is concerned with the problem of the robust control for a class of fractional order noncommensurate nonlinear systems with positive real uncertainty and nonlinear functions unknown. Firstly, the unknown functions have been approximated using RBF neural networks, and by introducing a continuous frequency distributed model the fractional order system is an equivalent integral-order system with infinite dimension, then using indirect Lyapunov approach and Linear Matrix Inequality （LMI） techniques, the sufficient condition for robust asymptotic stability of the closed loop system is presented. The validity of the proposed methods is demonstrated by numerical example.

Key words: noncommensurate fractional order system, positive real uncertainty, Radical Basis Function（RBF） neural network, Linear Matrix Inequality（LMI）

李安平1，2，刘国荣1，2，杨小亮1，沈细群2. 一类非等阶分数阶非线性系统的神经网络控制[J]. 计算机工程与应用, 2015, 51(20): 240-245.

LI Anping1，2, LIU Guorong1，2, YANG Xiaoliang1, SHEN Xiqun2. Robust neural network control for a class of noncommensurate nonlinear fractional-order system[J]. Computer Engineering and Applications, 2015, 51(20): 240-245.

[1]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[2]	殷春武. 执行器故障时变系统的PID迭代容错控制[J]. 计算机工程与应用, 2019, 55(3): 266-270.
[3]	邹山花，高毅，彭力. 随机系统事件驱动控制策略的研究与设计[J]. 计算机工程与应用, 2019, 55(17): 100-106.
[4]	陈冬杰，姜顺，潘丰. 带有丢包的线性参数变化系统的H∞控制[J]. 计算机工程与应用, 2018, 54(8): 207-213.
[5]	李玲，胡爱花，高海云. 事件触发控制多智能体网络点对点一致性[J]. 计算机工程与应用, 2018, 54(17): 50-55.
[6]	张晓蔚，姜顺，潘丰. 带有状态观测器的网络控制系统非脆弱H∞控制[J]. 计算机工程与应用, 2017, 53(8): 38-43.
[7]	孙堂乐，李国辉. EEMD与RBF神经网络的太阳黑子月均值预测[J]. 计算机工程与应用, 2017, 53(24): 252-256.
[8]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[9]	潘鹏，姜顺，潘丰. 带有参数摄动的网络化控制系统非脆弱[H∞]控制[J]. 计算机工程与应用, 2017, 53(1): 249-254.
[10]	黄勤，柳杨，凌睿. 基于不确定参数的双重有源桥变换器优化控制[J]. 计算机工程与应用, 2016, 52(3): 247-251.
[11]	张芬1，2，张艳邦1. 具有概率分布时滞的神经网络稳定性新判据[J]. 计算机工程与应用, 2016, 52(16): 12-16.
[12]	廖诗来，姜顺，潘丰. 一类多时延异质多智能体系统的一致性[J]. 计算机工程与应用, 2016, 52(10): 9-14.
[13]	罗俊芝，杨万利，李红燕，刘艳霞. 两轮自平衡机器人的无源控制器设计[J]. 计算机工程与应用, 2015, 51(5): 50-53.
[14]	李阳，聂宏. 连续搅拌釜反应系统稳定性的BMI控制算法[J]. 计算机工程与应用, 2015, 51(23): 246-250.
[15]	刘艳，姜顺，潘丰. 带有丢包的网络化控制系统非脆弱鲁棒[H∞]控制[J]. 计算机工程与应用, 2015, 51(14): 89-94.