针对一类严格反馈不确定非线性动态系统, 提出一种直接鲁棒自适应模糊控制新方案. 利用模糊系统的逼
近能力、后推设计方法和积分型李亚普诺夫函数, 依次确定各虚拟控制及模糊系统中可调参数的自适应律, 并最终确
定出控制律. 为改善控制系统的性能, 引入逼近误差的自适应补偿项. 通过李亚普诺夫方法, 证明了闭环系统是一致
终结有界的. 仿真结果表明了该方法的有效性.

一类非严格反馈随机非线性系统的基于逼近的自适应模糊控制

本人发的csdn文章中matlab的.m文件，资源的具体内容可以看我发表的文章

非线性严格反馈系统的直接自适应模糊控制

针对一类具有一般形式的严格反馈非线性系统, 提出一种基于预设性能的backstepping 控制器设计方法. 所谓预设性能是指在保证跟踪误差收敛到一个预先设定的任意小的区域的同时, 保证收敛速度及超调量满足预先设定的条件. 首先引入性能函数的概念, 通过误差转化将原始的受限系统转换为等价的非受限系统; 然后基于Lyapunov 理论进行backstepping 控制器的设计, 并进行了稳定性分析; 最后通过仿真实验验证了所提出方法的正确性.

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统, 基于后推设计提出一种自适应神经网络控制方案. 选取适当的Lyapunov-Krasovskii 泛函补偿未知时变时滞不确定项. 通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题. 通过引入一个新的中间变量, 保证了虚拟控制求导的正确性. 仿真算例表明, 所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的, 且跟踪误差收敛到零的一个邻域内.

摘要—本文首次解决了这个问题一类不确定随机变量的自适应输出反馈控制方法时变时滞的非线性严格反馈系统使用神经网络（NNs）。 圆判据适用于设计一个非线性观测器，没有线性增长条件取决于系统状态，将其强加于非线性函数。 假设系统中存在时变延迟输出，仅采用NN来补偿所有未知数非线性项取决于延迟输出，因此， 提出的控制算法比现有的算法更简单描述了不确定系统的NN反推控制方案用常微分方程举三个例子证明在中提出的控制方案的有效性这篇报告。