针对一类离散时间非线性被控对象,根据模型参数的变化范围,对被控对象建立多个模型,并针对每一模型设计控制器.基于模型的估计误差建立指标切换函数,每一采样时刻,利用指标切换函数选择最优模型,并将基于此模型的控制器切换为当前控制器.采用”局部化”技术,保证在不损失控制品质的同时,减少多模型自适应控制器的计算量.可以证明多控制器相互,闭环系统是稳定的,同时由于多个模型的存在,控制品质被极大地改善.

针对一类多变量离散时间非线性动态系统, 分别设计线性鲁棒自适应解耦控制律和神经网络非线性自适应解耦控制律.根据指定的性能指标,通过它们之间的切换对系统进行控制.理论分析和仿真结果表明,该控制策略不但可以保证闭环系统BIBO 稳定,而且能够改善系统的性能.

针对一类单变量非线性离散时间系统, 提出一种零阶接近有界的多模型神经网络自适应控制器. 该控制器 包含一个非线性鲁棒自适应控制器和一个非线性神经网络自适应控制器. 当系统非线性项放宽到零阶接近有界时, 这两个控制器分别用于保证系统的稳定性和提高系统的性能, 系统的控制输入由切换机构在两个控制器之间进行切 换产生. 最后给出了稳定性和收敛性证明, 并通过仿真实验验证了该控制器的有效性.