English
资源说明：本文研究的是针对具有规定性能的非线性时滞系统所实施的分散输出反馈自适应神经网络（Neural Network, NN）跟踪控制问题。这项研究出自黄传春、王媛媛、李亚峰和李会光四位研究人员，他们都来自中国秦皇岛的燕山大学电气工程学院。
在介绍研究内容前，我们先了解论文中提到的几个关键术语和概念。分散控制（Decentralized Control）指的是在控制大型系统时，不是集中所有控制信号在一个中心点处理，而是将系统分成若干个子系统，每个子系统由各自的控制器进行控制。这种控制策略可以减轻计算负担，并使控制实施更为可行，因为每个子系统的控制器只需使用其自身的状态变量。
自适应控制（Adaptive Control）是指控制系统可以自动调整其控制参数以适应被控对象或环境参数的变化。而神经网络控制（Neural Network Control）则是自适应控制的一种形式，利用人工神经网络来近似非线性系统的行为。
文章中还提到了时滞系统（Time-delay Systems），即系统的输出与输入之间存在时间滞后。时滞在工程和自然环境中是非常常见的情况，对系统的稳定性和性能有很大的影响。
研究的论文还涉及到了规定性能控制（Prescribed Performance Control, PPC），这是指控制设计者可以为系统性能预先规定一些指标，如超调量、上升时间等，使得在系统达到稳定状态时，能够满足这些预设的性能指标。
针对这些概念，研究提出了一种新型的状态变换方法，可以保证满足规定性能的跟踪性能。设计了独立于时滞的分散滤波器来估计未测量的状态变量。通过估计未知参数的界限而非其本身，避免了过估计问题。进一步使用径向基函数（Radial Basis Function, RBF）神经网络来近似那些不可直接测量的时滞函数，从而构建了一个具有相应自适应律的自适应神经网络输出反馈控制器。论文证明了整个闭环系统的所有信号最终都将均匀有界。
具体来说，研究内容可以分为以下几个方面：
1. 分散输出反馈控制问题的建模和分析。研究者提出了分散控制策略，以实现对大型系统中各个子系统的有效控制。
2. 未知参数的界估计。通过估计参数的界限，可以规避过估计问题，这对于保证控制性能的稳定性和可靠性至关重要。
3. RBF神经网络的引入。通过使用RBF神经网络来近似时滞函数，解决了时滞系统中由于时间延迟造成的控制难题。
4. 自适应控制律的设计。研究者设计了相应的自适应控制律来确保系统的整体性能，并证明了系统稳定性。
5. 实例仿真验证。论文通过仿真示例验证了所提出方法的理论结果的有效性。
这项研究成果对于电力网络、制造过程和通信等领域具有重要的应用价值，可以为工程师提供一种有效的手段来控制具有复杂动态特性的非线性时滞系统。通过分散控制和自适应神经网络相结合的方法，控制系统能够更好地适应环境和系统参数的变化，保证控制系统的鲁棒性和高精度跟踪性能。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
