用神经网络镇定可反馈线性化的仿射非线性系统

在用状态方程描述的单输入仿射非线性系统中存在一类可以通过非线性状态变换（ｘ）和输入变换ｕ＝α（ｘ）＋β（ｘ）ｖ实现输入──状态线性化的系统，用多层前馈神经网络通过实时学习实现此状态变换，并在此基础上用李亚普诺夫方法设计进行系统镇定的反馈控制器，仿真表明，学习在很短时间内可收敛，且系统对外干扰和未建模动态有一定鲁棒性。