内容简介
《非线性系统的智能自适应事件触发控制》系统介绍了不确定非线性系统的智能自适应事件触发控制的基本理论和方法，力求概括国内外相关研究的*新成果，主要内容包括非线性系统的智能自适应事件触发状态反馈控制、非线性系统的智能自适应事件触发输出反馈控制、互联非线性系统的智能自适应事件触发分散控制、非线性系统的鲁棒自适应事件触发控制、非线性约束系统的智能自适应事件触发控制、非线性系统的智能自适应事件触发固定时间控制、非线性系统的智能自适应事件触发优化控制，以及分数阶非线性系统的智能自适应事件触发控制。
目录
目录
前言
第0章 预备知识 1
0.1 模糊逻辑系统 1
0.2 径向基函数神经网络 2
0.3 非线性系统的稳定性及判别定理 3
0.3.1 半全局一致*终有界 3
0.3.2 非线性随机系统的稳定性 3
0.3.3 非线性约束系统的稳定性 4
0.4 常用的引理 5
第1章 非线性系统的智能自适应事件触发状态反馈控制 6
1.1 非线性系统模糊自适应事件触发渐近跟踪控制 6
1.1.1 系统模型及控制问题描述 6
1.1.2 模糊自适应反步递推事件触发控制设计 7
1.1.3 稳定性与收敛性分析 15
1.1.4 仿真 15
1.2 基于模型的非线性严格反馈系统神经网络自适应事件触发控制 17
1.2.1 系统模型及控制问题描述 17
1.2.2 神经网络自适应反步递推事件触发控制设计 18
1.2.3 稳定性与收敛性分析 25
1.2.4 仿真 29
参考文献 30
第2章 非线性系统的智能自适应事件触发输出反馈控制 31
2.1 基于间歇观测的非线性系统模糊自适应动态事件触发输出反馈控制 31
2.1.1 系统模型及控制问题描述 31
2.1.2 模糊自适应反步递推事件触发控制设计 32
2.1.3 事件触发机制设计 36
2.1.4 稳定性与收敛性分析 38
2.1.5 仿真 41
2.2 基于观测器的非线性系统模糊自适应事件触发控制 43
2.2.1 系统模型及控制问题描述 43
2.2.2 模糊自适应反步递推事件触发控制设计 43
2.2.3 混合事件触发机制设计 46
2.2.4 稳定性与收敛性分析 47
2.2.5 仿真 54
参考文献 55
第3章 互联非线性系统的智能自适应事件触发分散控制 57
3.1 互联非线性时变系统的自适应事件触发分散控制.57
3.1.1 系统模型及控制问题描述 57
3.1.2 事件触发机制设计 58
3.1.3 自适应反步递推事件触发分散控制设计 58
3.1.4 稳定性与收敛性分析 66
3.1.5 仿真 68
3.2 基于观测器的互联非线性系统模糊自适应事件触发分散控制 69
3.2.1 系统模型及控制问题描述 69
3.2.2 状态观测器设计 70
3.2.3 事件触发机制设计 72
3.2.4 模糊自适应反步递推事件触发分散控制设计 72
3.2.5 稳定性与收敛性分析 77
3.2.6 仿真 80
参考文献 82
第4章 非线性系统的鲁棒自适应事件触发控制 84
4.1 带有执行器故障和不确定扰动的非线性系统事件触发控制 84
4.1.1 系统模型及控制问题描述 84
4.1.2 鲁棒自适应反步递推事件触发控制设计 86
4.1.3 稳定性与收敛性分析 90
4.1.4 仿真 91
4.2 带有传感器故障的非线性多智能体系统事件触发输出反馈一致性跟踪控制 93
4.2.1 系统模型及控制问题描述 93
4.2.2 分布式鲁棒自适应反步递推事件触发控制设计 94
4.2.3 稳定性与收敛性分析 101
4.2.4 仿真 103
参考文献 105
第5章 非线性约束系统的智能自适应事件触发控制 106
5.1 具有全状态约束的非线性系统基于 IBLF 的自适应事件触发学习控制 106
5.1.1 系统模型及控制问题描述 106
5.1.2 自适应反步递推事件触发控制设计 107
5.1.3 稳定性与收敛性分析 117
5.1.4 仿真 118
5.2 具有全状态约束的非线性系统模糊自适应事件触发控制 119
5.2.1 系统模型及控制问题描述 120
5.2.2 模糊自适应反步递推事件触发控制设计 120
5.2.3 稳定性与收敛性分析 128
5.2.4 仿真 130
5.3 具有时变全状态约束的非线性系统模糊自适应事件触发控制 131
5.3.1 系统模型及控制问题描述 131
5.3.2 模糊自适应事件触发控制设计 132
5.3.3 稳定性与收敛性分析 140
5.3.4 仿真 141
5.4 无可行性条件的不确定约束非线性系统神经网络自适应事件触发渐近跟踪控制 143
5.4.1 系统模型及控制问题描述 143
5.4.2 神经网络自适应反步递推事件触发控制设计 143
5.4.3 稳定性与收敛性分析 151
5.4.4 仿真 152
参考文献 153
第6章 非线性系统的智能自适应事件触发固定时间控制 156
6.1 非线性严格反馈系统的自适应事件触发固定时间跟踪控制 156
6.1.1 系统模型及控制问题描述 156
6.1.2 模糊自适应反步递推事件触发控制设计 158
6.1.3 稳定性与收敛性分析 166
6.1.4 仿真 167
6.2 非线性纯反馈系统的自适应事件触发固定时间预设性能跟踪控制 169
6.2.1 系统模型及控制问题描述 169
6.2.2 神经网络自适应反步递推事件触发控制设计 170
6.2.3 稳定性与收敛性分析 179
6.2.4 仿真 180
6.3 非线性非严格反馈系统的自适应事件触发预设性能跟踪控制 181
6.3.1 系统模
试读
第0章预备知识
本章主要介绍模糊逻辑系统、径向基函数神经网络、非线性系统的稳定性及判别定理等一些基本知识，这些知识是后面各章节的基础。
0.1模糊逻辑系统
模糊逻辑系统(fuzzy logic system，FLS)包含模糊规则库、模糊化、模糊推理机、解模糊化四个部分。
模糊推理机使用模糊IF-THEN规则实现从输入语言向量到输出语言变量的映射，第I条模糊IF-THEN规则可以写为
其中，F\和G1为对应于模糊隶属度函数和的模糊集合；N为模糊规则数。
若采用单点模糊化、乘积推理和中心加权解模糊化方法，则模糊逻辑系统可表示为
(0-1-1)
(0.1.2)
非线性系统的智能自适应事件触发控制
(0.1.3)
引理0.1.1f{x)是定义在闭集的连续函数，对任意给定的常数，存在模糊逻辑系统(0.1.3)，使得如下不等式成立：
(0.1.4)
定义*优参数向量
(0.1.5)
*小模糊逼近误差e由式(0.1.6)给出：
(0.1.6)
0.2径向基函数神经网络
径向基函数神经网络由隐含层和输出层两层网络组成。隐含层实现不可调参数的非线性转化，即隐含层将输入空间映射到一个新的空间。输出层则在该新的空间实现线性组合。
因此，径向基函数神经网络是一个线性参数化的神经网络，可以表述为
(0.2.1)
其中，为输入向量，n为神经网络的输入维数；
为神经网络权重向量，为神经网络节点数；为径向基函数向量，Si(x)为基函数。
径向基函数向量中的通常选取为高斯函数：
(0.2.2)
其中，为基函数的中心；为高斯函数的宽度。
引理0.2.1f(x)是定义在紧集的连续函数，对任意给定的常数，存在常数向量，使得如下等式成立：
(0.2.3)
定义*优权重：
(0.2.4)
第0章预备知识
0.3非线性系统的稳定性及判别定理
0.3.1半全局一致*终有界
定义0.3.1考虑如下非线性系统：
(0.3.1)
对于任何紧集，如果存在常数和时间常数，使得，那么非线性系统(0.3.1)的解是半全局一致*终有界的。
引理0.3.1对于任何有界初始条件，如果存在一个连续可微且正定的函数，满足：
且该函数沿着系统(0.3.1)的轨迹满足：
(0.3.2)
(0.3.3)
那么系统的解x(t)是半全局一致*终有界的。
引理0.3.2对于任何有界初始条件，存在一个连续正定的函数满足：
(0-3.4)
(0-3.5)
其中，为正常数；和为严格递增的函数，为连续的非减函数。如果，那么是半全局一致*终有界的。
0.3.2非线性随机系统的稳定性
考虑如下随机微分系统：
(0.3.6)
其中，为状态向量；为定义在完全概率空间的一个维*立的标准维纳过程，为样本空间，F为代数族，P为概率测度；和为局部利普希茨函数，且分别满足。
定义0.3.2对任意给定的李雅普诺夫函数，结合系统(0.3.6)，定义无穷微分算子为
(0.3.7)
定义0.3.3若，则随机微分系统(0.3.6)的解为依概率稳定的。
引理0.3.3考虑随机微分系统(0.3.6)，若存在连续且正定的函数，两个常数和，满足：
(0.3.8)
则系统(0.3.6)是依概率有界的。
0.3.3非线性约束系统的稳定性
定义0.3.4对于定义在包含原点的开集合的系统，若存在一个正定连续的标量函数在的每一个点都是连续的一阶偏微分，当;趋近于的边界时，对于某个常数，沿着系统的解及初始条件，有，以及对于，满足，则称为障碍李雅普诺夫函数。
引理0.3.4对于任何正常数，令而，以及为开区间。
(0.3.9)
其中，对于时间变量为间断连续的且满足局部利普希茨连续条件，并在定义域上时间变量一致。
令，假设存在连续可微的正定函数，足如下条件：
(0.3.10)
(0.3.11)
其中，和为类函数。
令，以及而选取于集合。若下述不等式成立:
(0.3.12)
