一种具备预定时间收敛性和鲁棒性的零化神经网络设计方式

本发明公开了一种具备预定时间收敛性和鲁棒性的零化神经网络设计方式，属于神经动力学与自动控制技术领域。本发明适用于时间变线性矩阵方程TV‑LME求解与机械臂轨迹跟踪控制。方法基于TV‑LME时变误差模型开发复合结构预定时间收敛鲁棒激活函数PTCR‑AF，通过参数调节自适应加速不同幅值误差的收敛。利用PTCR‑AF与误差动态演化机制构建预定时间收敛鲁棒零化神经网络PTCR‑ZNN，在无扰与有界扰动条件下均可在显式时间上界内实现全局收敛。方法时间与空间复杂度仅依赖于TV‑LME维度，具备中、大规模问题的可扩展性。仿真表明，PTCR‑ZNN在不同阶次TV‑LME下均能按预定时间收敛并在强扰动下保持高精度；基于该模型的机械臂控制器实现了高精度轨迹跟踪和平稳扰动抑制，工程应用价值显著。