一类纯反馈非线性系统的简化自适应神经网络动态面控制

对于具有相似性的一类不确定复杂系统E 应用高阶神经网络逼近各个子系统的互联项, 设计了控制器, 即提出了难以解决的互联项问题的高阶神经网络表示方法.该方法通过在线调节神经网络的权值来确保闭环系统的稳定

Matlab的RBF神经网络对非线性系统进行逼近-RBF神经网络对非线性系统进行逼近.rarRBF神经网络对非线性系统进行逼近

针对摩擦非线性的扰动抑制和输出反馈控制问题,提出一种高阶滑模扩张状态观测器(ESO),实时获得系统的状态信号.在此基础上,设计神经网络自适应权值调节律,以得到控制信号设计参数与输出跟踪性能之间的关系;

非常好的神经网络教学案例 非线性建模 函数拟合

BP神经网络的非线性系统建模——非线性函数拟合，更好的学习应用BP网络对非线性函数进行拟合……

在本文中,针对一类相互连接的非线性系统提出了全局分散的自适应输出反馈控制,每个子系统不仅涉及未知参数,而且还涉及在未测量状态下呈线性的非线性项,并以饱和PI描述的滞后非线性( Prandtl–Ishl

即使已知非仿射非线性系统的逆存在, 利用隐函数定理求解该显式逆仍然非常困难. 为此, 针对一类不确 定块控非仿射系统, 将动态反馈、反演、神经网络和反馈线性化技术相结合, 提出一种自适应鲁棒控制器的设

针对一类状态/输入受限的不确定严格反馈非仿射非线性系统跟踪控制问题,提出一种鲁棒自适应backstepping控制策略.在保证系统精度的前提下,对状态/输入受限的非仿射系统进行Taylor级数在线展开

利用ADP中的HDP(with two Critic Network)求解离散非线性系统,代码利用python实现。构建评价网络(Critic Network)、模型网络(Model Network)

针对一类非线性系统, 研究基于自适应观测器的故障估计问题.设计了保证诊断系统稳定的实现故障估计的自适应调节律,并通过H∞跟踪性能, 分析了调节律中的参数对故障估计精度的影响.数值仿真验证了该方法的有效