关键词： 电动舵机   强化学习   最优控制   自适应控制   扩张状态观测器   控制策略  

摘要： 随着电动舵机在机器人、航空航天和自动化控制等领域中的广泛应用，对其运动精度和稳定性的要求也越来越高。而在实际应用中，电动舵机受到的扰动包括但不限于负载扰动、电机转矩扰动、惯性扰动等，这些扰动对电动舵机的运动精度和稳定性都会产生较大的影响。为了实现电动舵机的精确控制，克服未知模型信息，环境未知扰动等对电动舵机的影响，本文以电动舵机的数学模型为研究对象，采用基于扩张状态观测器的强化学习控制算法进行电动舵机的控制算法研究。　　首先，对电动舵机进行了总体设计，包括针对电动舵机的选型和计算，以及无刷直流电机的换相原理。针对电动舵机的各个环节，包括无刷直流电机、伺服电机驱动器和减速传动机构，分别进行了原理介绍，特性分析和数学模型的建立。此外，本文还介绍了模拟实际工况中存在的间隙滞后的非线性扰动环节，并通过各部分模型结合，得出了整个电动舵机系统的整体数学模型。　　其次，为了观测电动舵机系统的状态，和估计包括未知负载扰动、未知摩擦扰动和模型误差在内的不确定量，本文设计了高增益扩张状态观测器。并介绍了高增益观测器的设计方法以及主要特性。并通过仿真分析了不同的增益参数对观测器输出的影响和峰值现象。为应用于电动舵机的高增益扩张状态观测器设计了合适的参数。同时给出了该高增益观测器对电动舵机的观测效果。　　最后，针对含有扰动的电动舵机系统提出了一种新型基于扩张状态观测器的强化学习抗扰控制策略。与传统的控制策略不同的是，本文将总的不确定性视为潜在的模型信息来纳入已知模型进行更新，并利用更新后的模型信息对HJB方程进行给定指标函数的最优值在线求解。为了逼近最优策略，本文讨论的策略迭代算法通过同时调整actor-critic算法中的actor网络和critic网络对相应的系数进行迭代更新，并在线求解具有更新已知动态的HJB方程。为了保证稳定性，采用了并行学习的策略，避免对于持续激励条件的依赖性。同时，对提出的基于已知动态的RL-ESO结构进行了理论分析与稳定性证明。并通过仿真验证了所提出新型强化学习控制算法的有效性。

关键词： 混沌记忆振荡系统   滑模控制   高频   高增益   反馈线性化控制   自适应控制   Backstepping控制  

摘要： 自从美国气象学家洛伦兹在1963年发现世界上第一个混沌模型,混沌系统的相关研究开始逐步发展并成为学术研究热门。人们关注到的自然界中的很多混沌现象经过研究后都可以应用到包括医学、力学、生物、信息、经济等领域。在混沌系统的研究中可以根据绘制Lyapunov指数图和分岔图来分析混沌系统的动力学行为,为了将其控制稳定到平衡点,又诞生了很多控制方法。本文以三维Coullet系统、太阳风驱动磁层-电离层系统、双涡卷系统(都隶属于混沌记忆振荡系统)为研究对象,应用了多种控制方法对混沌记忆振荡系统存在的混沌状态进行了控制研究。具体研究内容如下:(1)对于三维Coullet系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后采用反馈线性化控制、自适应控制、基于滑模的高频鲁棒控制和高增益鲁棒控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。(2)对于太阳风驱动磁层-电离层系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后,利用基于滑模的高频鲁棒和高增益鲁棒控制和Backstepping控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。(3)对于双涡卷系统,研究了它的混沌状态和控制问题。首先,通过绘制系统的时域波形图、混沌吸引子图、分岔图和Lyapunov指数图,验证了系统混沌现象的存在。然后,利用基于滑模的高频鲁棒和高增益鲁棒控制和Backstepping控制方法,设计了多种不同的控制器,最后通过数值仿真验证了控制器的有效性。最后根据各种混沌控制方法的控制效果,对不同种类方法做一下比较,阐述一下它们的特点和改进方法的优势。

关键词： 双切换系统   自适应控制   神经网络   预设性能控制   几乎处处全局渐近稳定   几乎处处指数稳定  

摘要： 双切换系统是由确定切换子系统、随机切换子系统以及指定子系统运行的切换信号联合构成的一类切换系统。双切换系统中的切换信号有两类,一类是确定性切换信号,指定确定切换子系统的运行,这类切换信号是可设计的,表征了该类子系统的可控性。另一类是随机性切换信号,它是由随机子系统的特性决定的,通常为不可设计的。本文研究中使用Markov随机过程来描述随机切换子系统,此时随机切换信号由其转移速率确定,是随机的不可控的。双切换系统自提出以来主要被应用于具有复杂切换机制的系统建模,比如风机发电系统、网络控制系统、疫情传染模型等。随着第四代工业革命的发展,社会上对于复杂系统的控制要求也越来越高,因此对于包含不确定性、时滞等问题的双切换非线性系统的控制也需要新的手段。在总结国内外对于双切换系统的研究之后,深入学习切换控制系统的稳定性理论,结合Backstepping技术、神经网络算法、自适应控制理论、预设性能控制理论等手段,试图将切换系统的控制理论创新性地应用于双切换非线性系统中,完善双切换系统的控制稳定性理论,为实际复杂应用系统的建模与智能控制带来新的思路和方法。本文针对双切换非线性系统的研究成果总结如下:1.研究一类双切换连续时间非线性系统的稳定性问题。首先将其随机子系统用Markov随机跳跃过程进行描述,不同子系统之间的转移速率不同,这将导致在子系统切换过程中模态的遍历性消失,给系统分析带来了极大的难度。本节中首先利用概率分析方法和大数定律,解决Markov随机过程的模态遍历性消失的问题。然后分别利用能量期望最小切换方法和能量期望最速衰减方法,设计了两类确定性切换信号;通过随机多Lyapunov函数方法分别研究了双切换连续时间非线性系统在两类信号下的几乎处处全局渐近稳定性和几乎处处指数稳定性,并且给出系统稳定的充分条件。最后,通过三个数值算例,首先验证了所提方案的有效性,对几乎处处全局渐近稳定和几乎处处指数稳定的结果进行了比较,并且分析了所设计的两个不同的切换信号对系统收敛速率的影响。2.针对一类具有不确定性的双切换非线性系统,研究其自适应神经网络控制问题。利用RBF神经网络对非线性函数的逼近特性,对模型中的未知函数进行曲线拟合并建立误差动态方程。利用期望误差衰减理论设计切换规则,让双切换系统始终运行在期望误差最小的确定性子系统,最后利用Lyapunov稳定性定理,研究了双切换非线性误差系统的几乎处处全局渐近稳定性(GAS a.s.)和几乎处处指数稳定性(ES a.s.),并给出了系统稳定的充分条件。在仿真实验中研究具有两个确定子系统,每个子系统具有双模态的不确定双切换非线性系统。给定参考信号,利用该双切换系统模型对其追踪。实验结果表明,在所设计的自适应神经网络控制器和切换信号的控制下,误差具有较快的收敛速度,双切换非线性系统对于参考信号的追踪性能好。3.考虑一类同时具有不确定性和时滞的双切换连续时间非线性系统,研究其自适应神经网络预设性能控制问题。首先,基于预设性能控制理论构建误差函数,利用同胚映射进行形式转换,将误差空间由受约束空间转换到无约束空间。然后结合Backstepping技术、神经网络算法来设计控制器和自适应律。最后,利用随机多Lyapunov稳定性方法给出了系统的半全局一致最终有界的充分条件,在所设计的切换信号和控制器的共同作用下,闭环系统中的所有信号是有界的,并且在切换时刻系统状态均满足稳态和瞬态性能。最后通过数值算例仿真验证了方案的有效性,实验数据表明系统的误差始终在性能边界函数以内,达到了预先设定的性能。4.将所研究的双切换连续时间非线性系统的建模方法、稳定性分析理论与自适应控制方法应用到多回路网络控制系统中。考虑一类通信网络中具有数据包丢失,并且系统状态方程存在不确定函数的多回路网络控制系统,利用双切换非线性系统理论对其进行建模,然后利用RBF神经网络算法逼近系统中的未知函数,构建误差动态方程,根据期望误差最小准则设计切换策略,从而保证NCS的控制器调度合适的设备运行,实现系统的自适应控制。最后,通过应用案例实验验证了该方法的有效性,保证多回路网络控制系统具有良好的性能。

关键词： 浮选   神经网络   遗传算法   加药参数优化   智能控制  

摘要： 浮选作为选煤领域中运行机理复杂、影响变量众多的工艺过程之一,由于其本身非线性、强耦合等特点,以及某些过程参数检测技术问题的限制,为分析浮选过程和优化浮选过程加药参数,进而提高浮选工艺效率带来了困难。对此,本文通过建立浮选过程参数检测平台,构建浮选加药参数优化模型,引入反馈补偿控制策略,对建立精确稳定的浮选加药反馈补偿智能控制系统展开研究。针对某选煤厂,展开对浮选影响变量和过程数据采集方法的研究。首先通过分析浮选过程的各变量因素,选取原煤量、煤种、入料灰分、入料流量、入料浓度、药剂添加量,以及浮精灰分和尾矿灰分作为分析浮选过程的变量。之后分析各变量的数据检测方式,采用C#语言和SQL数据库搭建浮选过程参数检测平台。对平台所采集数据集进行时间维度统一、异常值和缺失值处理。首先以浮精灰分采样整点时刻为准,统一时间维度,之后结合箱线图法和确定阈值范围法进行异常值剔除,使用EM算法和直接剔除法对缺失值进行填充和一定程度的剔除。最终数据样本有效利用率达85.25%,证明数据处理方法的有效性。展开对浮选灰分非解析预测模型的研究。针对难以建立精确的数学模型来描述浮选输入输出关系的问题,提出一种基于神经网络的浮选灰分非解析预测模型。首先确定模型输入输出变量,采用极差标准化法对数据进行标准化处理。之后,分别建立基于BP和Elman神经网络的浮选灰分非解析预测模型,两种模型结构均为“7输入,2输出”,均采用80%数据样本进行训练,20%数据样本作为测试集进行预测。结果表明,在对浮精灰分和尾矿灰分的预测精度和稳定性方面,基于Elman的预测模型具有明显优势。为实现对浮精灰分的精准控制,展开浮选加药参数优化模型的研究。首先分析实际生产现状,选取起泡剂和捕收剂添加量两个控制参数作为优化变量。之后基于Elman灰分预测模型,采用遗传算法构建模型,模型流程为:迭代更新药剂添加量,代替原数据,组成新样本输入灰分预测模型,得到优化后的药剂量和浮精灰分。分别将某时间段平均浮精灰分和某时刻浮精灰分控制在设定值附近为优化目标,两种方式优化后的均方根误差分别为0.877和0.410,表明第二种优化方式优化程度更高,且所得优化药剂量具有实际意义,证明了优化模型的有效性。基于反馈补偿控制策略,建立一套浮选加药反馈补偿智能控制系统。首先,针对优化模型及实际中各种设备所引起的药剂添加量误差,引入模糊控制设计反馈补偿控制器。之后设计控制系统的系统架构,开发完成相应上位机和下位机的系统程序设计,完成浮选加药反馈补偿智能控制系统的搭建。

关键词： 信息物理系统   自适应控制   容错控制   弹性控制   事件触发  

摘要： 信息物理系统由于在分析实际工程系统中具有重大的潜力,吸引了国内外众多学者的关注。信息物理系统是一个多维度的复杂系统,它整合了计算、网络与物理环境,涵盖了大量的内部系统工程,如嵌入式计算、独特的环境感知、网络控制与网络通信等。因此,信息物理系统需要更丰富的控制方案来维持自身的可控性。自适应控制策略由于其在控制参数更新方面的独特灵活性受到了广大研究者的青睐。然而,传统的自适应控制因需要系统的精确模型从而导致了其在应用方面遭受到一定的限制。为了打破这一约束,自适应神经网络控制与自适应模糊控制应运而生。神经网络与模糊逻辑系统有能力对系统的未知非线性特性进行逼近,从而为系统的控制器设计提供极大的便利。为了保障信息物理系统的平稳运行,提高系统的抗扰能力,本文针对内部故障与外部网络攻击存在的问题,研究了信息物理系统的控制方案设计。主要研究工作如下:(1)针对一类带有执行器故障和传感器故障的信息物理系统,开展了基于事件触发的自适应控制器设计研究。首先,通过设计神经网络状态观测器实现了对状态参数的估计,克服了系统状态参数未知对控制器设计的影响;针对多个系统之间存在的通信拓扑依赖性问题,设计了滑模观测器实现了每个跟随者对领航者输出状态的估计。然后,为了解决传统自适应控制方法中存在的微分爆炸问题,我们采用了指令滤波技术,进而减少了系统的计算负担。此外,我们设计了补偿机制和切换阈值事件触发策略,较好地解决了系统中存在的传感器与执行器故障以及通信资源浪费的问题。在此基础上,我们提出了自适应容错控制策略,使得具有执行器故障和传感器故障的信息物理系统达到领航—跟随一致性状态。(2)针对一类遭受欺骗攻击和状态时滞的信息物理系统,进行了基于事件触发的自适应弹性控制器设计研究。由于欺骗攻击、状态时滞和未知外部干扰同时出现,产生了实际系统状态不可得,控制系数未知的影响。首先,我们采用了Nussbaum增益函数代替实际控制增益,并将遭受攻击的系统变量应用于控制器设计,解除了对系统真实状态的依赖。此外,基于欺骗攻击下的系统状态构建了扰动观测器,进一步提高了系统的鲁棒性。为了克服状态时滞对系统性能的影响,在反步设计过程中构建了合适的Lyapunov-Krasovskii函数。然后,运用事件触发机制,进一步降低了系统信息遭受外部攻击的可能性。在上述的基础上,我们提出了自适应弹性控制策略,实现了带有欺骗攻击和状态时滞的信息物理系统的协同控制。(3)在内容二的基础上,我们对系统的稳态性能提出了更高的要求。针对一类欺骗攻击下带有执行器非线性滞回特性的切换信息物理系统,开展了基于事件触发的自适应模糊有限时间弹性控制器设计研究。首先,借助于模糊逻辑系统消除了系统内部的非线性不确定项,简化了系统控制器设计过程。此外,我们利用有限时间指令滤波器来消除自适应反步法带来的指数爆炸问题,提高了滤波误差的收敛速度,并且设计了滤波误差补偿系统,进一步提高了系统的控制性能。然后,我们将系统的外部扰动以及执行器的非线性特性相结合,构建合成扰动观测器,提高了系统的抗扰能力。最后,基于共同李雅普诺夫函数法,在系统动态任意切换的规则下,得出了确保闭环系统中所有信号一致有界的充分条件,并且给出了系统收敛时间的上界。

关键词： 平面欠驱动机械臂系统   智能优化算法   位置控制   位姿控制  

摘要： 欠驱动机械系统是一类独立输入数目少于自由度的机械系统,与全驱动机械系统相比,具有质量轻、能耗低、结构紧凑等优点。由于欠驱动机械系统缺少相应的驱动装置,导致其输入与输出不能线性化且具有强耦合性,因此欠驱动机械系统也成为了非线性控制领域中一个重要的研究对象。机械臂系统作为常用的机械系统,末关节对应的操作臂通常连接着执行机构,相较于其他位置关节使用频率较高,故出现故障的几率较大。当机械臂系统末关节对应的操作臂出现故障时,可以将其视为末关节为被动的欠驱动机械臂系统,从而用欠驱动控制方法进行稳定控制。本文以末关节为被动的平面多连杆欠驱动机械臂系统（简称平面A~nP系统,其中A代表主动关节,P代表被动关节）为研究对象,利用智能优化算法对平面A~nP系统运动控制问题进行探索。论文的主要研究成果和创新点如下:（1）基于模型退化和开环迭代操作的切换控制策略以平面A~nP系统末端点的稳定位置控制为目标,依次对平面A~nP系统进行模型退化以及开环迭代操作,最终将平面A~nP系统末端点稳定在目标位置。整个控制过程分为了两个阶段:1)首先,基于设定的平面A~nP系统末端点目标位置,利用几何关系和智能优化算法得到了系统所有连杆的目标角度,接着将平面A~nP系统所有驱动连杆控制到目标角度,并使平面A~nP系统前n-1根驱动连杆保持在其目标角度,则平面A~nP系统退化为平面虚拟Pendubot。原系统第n根驱动连杆与欠驱动连杆分别为退化后系统的驱动连杆与欠驱动连杆;2)利用退化后系统所具有的幂零近似特性,对退化系统中的驱动连杆进行开环迭代操作,使得该驱动连杆在每个迭代周期内均已其目标角度为终点进行重复运动,最终,欠驱动连杆在驱动连杆的带动作用下经过有限个周期后到达目标角度,从而实现平面A~nP系统的位置控制目标。（2）基于智能优化算法的轨迹规划和跟踪控制策略在对平面A~nP系统进行稳定位置控制的基础之上,针对其位姿控制目标,提出了一种基于智能优化算法的轨迹规划和跟踪控制策略。整个控制过程分为了两个阶段:1)首先,利用智能优化算法得到平面A~nP系统在设定总目标姿态角度下,每根连杆对应的目标姿态角度,接着设计控制器使平面A~nP系统所有驱动连杆到达目标姿态角度。在后续的控制过程中,通过作用在平面A~nP系统后n-1根驱动连杆上控制器的持续作用,保持除第一驱动连杆外的其他驱动连杆在目标姿态角度不动;2)基于平面A~nP系统驱动连杆与欠驱动连杆的耦合关系,为系统第一驱动连杆设计一条含待定参数的运动轨迹,并利用差分进化算法获取待定参数的具体数值。之后对第一驱动连杆重新设计控制器使其跟踪设计的运动轨迹,从而带动欠驱动连杆到达目标姿态角度,实现平面A~nP系统位姿控制目标。本文所提控制策略均展现出了优良的控制性能,且可以推广到被动关节位于不同位置的平面欠驱动机械臂系统中,为探索这类系统更加高效的控制策略提供了新的思路。

关键词： 非线性系统   输出反馈   高增益观测器   反推技术   通用控制   自适应控制  

摘要： 非线性系统的反馈控制广泛应用于机器人系统、电力系统、飞行器制造等。本文主要针对一类具有多不确定性的非线性系统,在不同的假设条件下,运用通用控制思想、反推控制方法,解决了相应的输出反馈自适应镇定控制问题。本论文主要内容分为四个部分:前三部分是在系统的非线性项增长依赖不可测状态,增长率为未知常数乘以输出多项式形式的前提下研究的;第四部分是第一部分的应用。1)一类测量灵敏度未知但上下界已知平面非线性系统的输出反馈镇定控制设计第二章研究了一类状态方程和输出方程都存在不确定性的平面非线性系统的输出反馈自适应镇定问题。提出了一种基于非辨识输出反馈控制方案。构造的观测器增益由两个分量组成,并以新的形式动态调节。所设计的基于高增益观测器的控制器能够确保闭环系统的所有信号全局有界,且原系统状态和观测器状态收敛到零。通过一个仿真算例验证了该方法的有效性。2)一类测量灵敏度未知但上下界已知一般非线性系统的输出反馈镇定控制设计在第二章的基础上,第三章将平面非线性系统拓展到一般非线性系统,实现了一般非线性系统的输出反馈自适应镇定。类似于第二章,我们引入了具有两个动态增益的观测器,且两个高增益以新形式动态调节,提出了一种基于非辨识的输出反馈光滑控制方案。所设计的控制器能够确保闭环系统所有信号全局有界,同时保证原系统状态和观测器状态收敛到零。运用一个仿真算例说明了该方法的有效性。3)一类控制系数未知但仅下界已知平面非线性系统的输出反馈镇定控制设计第四章放宽了控制系数/测量灵敏度的假设条件,研究了一类控制系数未知但仅下界已知平面非线性系统的输出反馈自适应镇定问题。该章提出了一种基于非辨识的输出反馈光滑控制方案。所设计的基于两个动态高增益的观测器和合适调节律的控制器,可以实现闭环系统所有信号全局有界,且原系统状态和观测器状态收敛到零。仿真结果表明了该方法的有效性。4)一类单连杆机器人非线性系统的输出反馈自适应镇定控制设计作为第二章的应用,第五章研究了一类系统参数全部未知,但惯性的上下界已知情况下单连杆机器人系统的输出反馈自适应镇定问题。针对这一问题,构造了一个基于高增益观测器的控制器。所设计的控制器实现了机器人系统的全局自适应镇定。仿真结果表明了该方法的有效性。

关键词： 微电网   虚拟同步机   功率分配   预同步控制   自适应控制  

摘要： 目前,随着国家“双碳”目标的深入实施,基于可再生能源的微电网受到了持续的关注。由于环境因素容易影响风电、光伏等可再生能源,当并网时会影响电力系统的稳定性,因此,建立风光储相结合的混合发电系统受到人们的高度重视。为此,本文针对风光储微网及微网逆变器的控制策略进行研究。主要研究内容如下:(1)首先,分析微网逆变器传统控制策略的不足,详细阐述了VSG控制的原理,借鉴了同步发电机的定转子方程,设计了虚拟调速器和虚拟励磁器,构建了虚拟同步发电机控制系统。(2)其次,研究了风光储模块各部分的工作原理及数学模型,光伏和风电环节均采取基于扰动观察法的最大功率跟踪控制策略,保证系统获得最大功率及电压;储能环节采取VSG控制策略,保证系统功率及电压的稳定。为维持逆变器直流侧电压稳定,对储能装置采用双闭环控制。(3)孤岛微电网在并联运行时,往往存在线路阻抗差异的问题,导致功率分配不合理,难以满足用户的需求。传统的虚拟同步机想要实现功率准确分配很难。提出了自适应虚拟阻抗的控制策略,能够使VSG多机并联系统在不满足阻抗匹配条件下精确地分配负荷功率。(4)考虑到VSG在并网时会产生较大的冲击电流,对系统造成影响,本文采取了VSG预同步并网,通过假定的虚拟阻抗,将其生成的虚拟角频率补偿到VSG的有功环,将虚拟电压幅值补偿到无功环。然后对比了直接并网的方法,仿真结果验证了预同步控制的稳定运行特性。

关键词： MEMS谐振器耦合网络   非线性分析   自适应控制   模拟集成电路   神经网络控制  

摘要： 微机电系统（Micro-Electro-Mechanical System,MEMS）谐振器因其高精度、低能耗、微型化等诸多优点而被广泛应用于5G通信、无人驾驶和航空航天等领域。然而,MEMS谐振器由于自身的微结构特性以及内部电磁场的影响会产生复杂且丰富的非线性动力学行为,尤其是高频混沌振荡会严重破坏系统的稳定性,甚至导致系统瘫痪。随着无线通信、人工智能等技术的快速发展,单个MEMS谐振器由于无法突破带通、输出能量和容错能力的限制,同时现有MEMS谐振器系统存在数学建模不精确,动力学认知模糊和核心控制算法缺失等问题,导致其逐渐无法满足当下智能传感的高性能需求。因此,本文以MEMS谐振器耦合网络系统为研究对象,建立其动力学模型,揭示其非线性特征,利用动力学、微电子学、模拟集成电路技术和神经网络自适应控制等多学科理论和方法探索了MEMS谐振器耦合网络系统的自适应控制理论,消除了高频混沌振荡和未知不确定性等不良影响,提高了系统精度和响应速度,进而为装备了MEMS谐振器耦合网络的自动驾驶、卫星导航、智能终端等高精尖设备的研发提供理论和实践上的依据。具体研究内容可分为以下三个方面:（1）单个MEMS谐振器的动力学分析与自适应控制。首先,通过不同驱动电压下的相图、时间历程图以及李雅普诺夫指数图揭示了单个MEMS谐振器系统的非线性特征;然后,基于能量流理论与电子信息技术在Multisim上搭建了等效MEMS谐振器系统的模拟集成电路,进一步揭示并验证了系统所固有的混沌运动;最后,基于径向基函数神经网络（RBFNN）设计了一种自适应反演控制方案抑制混沌振荡,仿真实验结果证明了所提控制方案的可行性。该研究结果为后续MEMS谐振器耦合网络系统的建模、集成电路实验平台搭建和自适应反演控制提供技术支撑。（2）MEMS谐振器耦合网络的建模与集成电路实验平台搭建。首先,为了提高MEMS谐振器系统的灵敏度、输出能量和阻带抑制性能,考虑机械与静电耦合效应,建立了由4个MEMS谐振器构成的耦合网络模型;然后,构建相图和李雅普诺夫指数图对MEMS谐振器耦合网络的动态演化规律进行揭示;其次,应用比例运算电路、加减运算电路以及积分运算电路搭建了MEMS谐振器耦合网络的集成电路实验平台;最后,电路实验结果表明在A=1.71V,f=287.94Hz时该耦合网络系统出现高频混沌振荡。（3）基于IT2FNN的MEMS谐振器耦合网络自适应反演控制方法。为了有效解决MEMS谐振器耦合网络系统的高频混沌振荡,实现其稳态和高性能输出,在研究内容（2）的基础上提出了自适应反演控制方案。在控制器设计中利用区间二型模糊神经网络（IT2FNN）估计系统的未知非线性函数,并构建余弦障碍函数以保证输出状态的边界约束。李雅普诺夫稳定性分析证明了该闭环系统的所有信号都有界。大量的仿真实验结果验证了所提控制方案的正确性和有效性,且系统跟踪误差收敛于[-3×10,1×10]。