随着科学技术的发展,工程控制系统的规模和复杂性不断增加,任何类型故障的发生都可能导致整个系统性能下降,甚至影响系统稳定性,造成不可预期的损失。因此,提高控制系统的安全性和可靠性变得尤为重要,容错控制的出现和发展为解决这一问题提供了有效途径。考虑到实际工程系统几乎都是非线性系统,因此研究非线性系统的容错控制问题非常有意义。由于非线性系统本身的复杂性,其控制理论发展的并不完善,相应的非线性系统的容错控制方法也十分有限,而且多数现有结果主要研究故障系统稳定性问题,在此基础上的系统性能优化问题却很少被考虑。近些年来,基于神经网络近似的非线性系统控制方法受到广泛关注,神经网络学习方法的引入大大推动了非线性系统控制理论的发展。然而,许多现有的非线性系统控制方法主要针对具有特定结构的系统,相应的非线性系统容错控制问题的研究也大都具有这样的限制。本论文在总结前人工作的基础上,利用自适应动态规划和神经网络学习等方法,研究非线性系统的容错控制问题,涉及不同故障类型、性能指标和状态约束以及事件触发控制器设计等内容。基于Lyapunov稳定性理论构建故障补偿控制算法,从而实现非线性系统的自适应容错控制。主要结果均给出理论证明,并针对倒立摆、机械臂和火箭整流罩等实际模型进行仿真实验,所得结果说明了本文方法的有效性。全文分为八章,每一章的主要内容如下:第一、二章系统地分析和总结了容错控制的背景和发展现状,并给出与本文相关的一些预备知识和研究方法。第三章研究了带有执行器故障的仿射非线性系统的补偿控制问题。所考虑的非线性系统更具一般性,补偿控制的目标是为了改善故障系统性能。文中首先设计一种特殊的自适应机制来估计故障参数。而后,利用所得到的故障估计值来重构故障系统动态,并且引入一个性能函数作为优化目标。在此基础上,给出自适应动态规划方法在线学习近似最优补偿控制策略。与大多数现有方法不同,文中给出的执行评价权重更新律可以保证神经网络权重的收敛性,而不需要再给系统外加激励信号。最后,利用两个仿真算例验证了所给方法的有效性。第四章在第三章的基础上,考虑时变的执行器失效和偏移故障,研究仿射非线性系统的容错控制问题。为了补偿执行器故障的影响并且保证标称系统的近似最优性能,文中基于自适应动态规划方法设计了一类滑模容错控制策略。首先,基于自适应观测器技术同时估计失效和偏移故障参数,并利用得到的故障估计值,设计相应的滑模控制策略,保证满足可达性条件并维持理想的滑模运动。而后,基于执行评价控制结构,设计一种新的神经网络权重更新律来学习滑模动态的近似最优控制策略。最后,通过仿真结果验证了所给方法的有效性。第五章主要研究带有状态限制的仿射非线性系统的容错控制问题。通过改进一种现有的转换技术,文中将带有状态限制的非线性系统的最优控制问题转换成一个无不等式约束的最优控制问题,以便于利用自适应动态规划方法对转换后的最优控制问题进行近似求解。为了达到容错控制的目的,设计基于神经网络的自适应观测器来估计故障,并结合积分滑模控制方法给出整体的容错控制策略,以保证受限的故障系统的稳定性。最后,通过仿真实验来说明所给方法的有效性。第六章基于执行评价控制结构,研究了一类带有时变跟踪误差限制的非线性系统的自适应容错跟踪控制问题。为了解决误差限制问题,文中引入指定性能方法将受限的误差系统转换成一个不带限制条件的增广误差系统。随后,设计特殊的评价函数来监测跟踪性能,以便自适应地调整控制器来减小未知非线性、迟滞输入量化以及执行器故障带来的影响。最后,基于Lyapunov稳定性理论,证明了闭环系统内所有信号的有界性,并将所给方法应用于一个倒立摆系统,通过与已有方法比较验证了所给方法的有效性和优越性。第七章给出了一类不确定非线性系统的事件触发容错控制方法。在不使用故障检测与诊断装置的情况下,通过神经网络学习方法达到容错控制的目的。引入指数时变增益来设计一种特殊的事件触发条件,以求能够在现有结果的基础上进一步减小事件触发频率。同时对已有结果加以改进,构造基于事件的参考动态,以完善神经网络学习机制。在保证系统稳定性的前提下,新设计的权重更新律有助于加快神经网络学习过程。另外,本章还证明了所给事件触发控制方法不存在Zeno现象。针对火箭整流罩模型和机械手模型进行对比性仿真实验,结果验证了所提方法的有效性和优越性。最后对全文所做的工作进行了总结,并指明了下一步研究的方向。