论文摘要：基于神经网络死区补偿的伺服系统控制研究

死区非线性作为常见的一种非线性现象，广泛存在于各种伺服系统中，是影响控制系统动态性能和稳态精度的重要因素。由于死区在间断点处具有不可微的非线性特性，对它的补偿非常困难，这使得对于性能和可靠性有着极高要求的高精度传动控制系统在设计和工程实现上都面临着严峻的挑战。因此，对控制系统中存在的死区非线性展开深入研究，具有重要的理论意义和工程应用价值。 本文研究了一类死区非线性系统的控制问题，主要内容如下： （1）对神经网络系统辨识的有关问题作了分析，指出神经网络用于系统辨识的原因，途径，目前的主要工作及其中的难点重点。之后，针对较常见的BP网络，着重讨论了BP网络的原理以及基于BP网络的逼近问题。 （2）基于对具有有限跳变的不连续函数的泰勒级数展开，推导出了两类跳变逼近基函数：多项式型和Sigmoid型。运用加入了跳变逼近基函数的增广神经网络，实现了对有有限跳变的不连续函数的逼近。逼近效果远胜于常规BP网络。 （3）以执行机构具有死区的机器人手臂系统为研究对象，研究了存在未知死区非线性的系统控制与稳定问题。通过对死区非线性进行变换，采用第三章中提出的增广神经网络建立死区观测器与补偿器。在此基础上设计了基于Backstepping方法的鲁棒自适应控制策略。最后通过仿真比较了标准BP网络与增广神经网络作观测器及补偿器时系统性能的优劣，给出了增广神经网络补偿器优越性的原因。