何 诚，吴 剑，张 哲

(南昌航空大学， 南昌 330063)

在实际工程系统中，系统参数值往往受到系统内部模型的改变以及外界不确定干扰的存在而产生变化，这种不受控的参数值的改变会破坏系统的稳定性。如文献[1]中电机负载的改变会使系统的参数产生漂移。目前非线性系统的参数漂移的研究成果较少，因此本文针对非线性系统的参数漂移问题做进一步的研究。

非线性纯反馈系统[2-3]是更普遍的系统，其控制输入和状态变量都具有非仿射结构，因此非线性纯反馈系统更能反映实际工程系统的情况。RBF神经网络模拟人脑的局部神经网络结构，已证明RBF神经网络能以任意精度逼近任何连续函数[4-6]。近年来，针对RBF神经网络自适应的控制研究引起了学者的广泛关注，且在文献[7-9]中给出了基于Lyapunov方法的神经网络控制系统稳定性分析方法。在很多文献中都要求系统模型是已知[10-12]，然而在许多实际工程系统中，系统的精确模型不能被提前获取，并且由于外界干扰的存在，系统的精确模型更难被准确测量，于是我们引入了RBF神经网络来对系统有关未知模型逼近，以解决未知系统模型的问题。

1 问题描述

1.1 非线性纯反馈系统

非线性纯反馈系统是更加普遍的非线性系统，其状态变量和控制输入存在的非仿射结构，这就意味着系统状态和输入之间存在强耦合，因此很难找到稳定的控制器。我们考虑如下的非线性纯反馈系统：

(1)

式(1)比传统非线性纯反馈[2-3]增加了未知参数项，其中Ξi可表示为具有任意维度的未知向量，即hi可为任意正常数。……