陈浩广，王银河

(广东工业大学 自动化学院，广州 510006)

基于扩展BP神经网络的一类非线性系统自适应控制设计

陈浩广*，王银河

(广东工业大学 自动化学院，广州 510006)

(*通信作者电子邮箱haoguang_chen@sina.cn)

针对单输入单输出非线性系统的不确定性问题，提出了一种新型的基于扩展反向传播(BP)神经网络的自适应控制方法。首先，采用离线数据来训练BP神经网络的权值向量;然后,通过在线调节伸缩因子和逼近精度估计值的更新律，从而来达到控制整个系统的目的。在控制器的设计过程中，利用李亚普诺夫稳定性分析原理，保证了闭环系统的所有状态一致终极有界(UUB)。相比传统的BP神经网络自适应控制，所提方法能有效地减少在线调节的参数数目、减轻计算负担。仿真结果表明，该方法能够使闭环系统的所有状态都趋于零，即系统达到稳定状态。

非线性系统；自适应控制；反向传播神经网络；一致终极有界；稳定性

0 引言

近年来，神经网络自适应控制已成为控制理论与工程应用领域中的一个研究热点，其研究成果为解决非线性不确定系统控制设计问题提供了重要方法[1-6]。这些成果的共同特点是：基于神经网络的万能逼近性能，利用神经网络逼近非线性系统中的未知不确定函数，然后采用自适应控制技术设计系统的控制器。在控制器的设计过程中，反向传播(Back Propagation, BP)神经网络因其强大的逼近性能、并行处理能力和强的鲁棒特性而被广泛采用。如文献[7]利用BP神经网……