一种基于自适应神经网络的时变非对称全状态约束非线性系统预设性能控制方法

本发明属于自动化控制领域，特别涉及一种基于自适应神经网络的时变非对称全状态约束非线性系统预设性能控制方法，包括：采用第一径向基函数神经网络向量对带有未知干扰的不确定非线性系统模型中的未知非线性连续函数进行近似逼近，获得第一非线性系统模型；设计第二径向基函数神经网络向量对第一非线性系统模型中的第一径向基函数神经网络向量进行在线估计，获得第二非线性系统模型；针对第二非线性系统模型的时变非对称全状态约束问题和预设性能控制问题，定义系统状态跟踪误差，通过引入动态缩放函数构建新型预设性能边界框架；根据反演控制方法和提出的新预设性能边界，设计障碍李雅普诺夫函数，获得第二径向基函数神经网络向量的权重自适应更新率、中间虚拟控制信号以及系统输入信号的控制率；本发明方法创新性地突破了现有非线性控制技术的局限，通过预设性能调节与时变约束处理的协同机制，在模型不确定性和外部扰动共存的复杂工况下，实现了动态和稳态控制性能精确量化与全状态约束严格满足的双目标优化。