基于正切Sigmoid函数的跟踪微分器

通过引入神经网络中的正切Sigmoid激励函数和终端吸引子函数,构造了一种非线性跟踪微分器。采用完备的稳定性理论证明了所设计跟踪微分器的渐近收敛性,并通过扫频测试分析其频域特性,总结出参数整定规则。和之前的文献相比,进一步优化了跟踪微分器的结构,整合了功能重叠的参数使得更易调参。同时,加入了终端吸引子函数降低高频信号引起的颤振使得噪声抑制能力更强。仿真结果表明,所设计的跟踪微分器具备对包含一定噪声干扰的正弦信号的滤波和求导能力,且响应速度快、精度高,具备对方波信号的快速稳定跟踪和广义导数逼近的能力,且具有更强的噪声抑制能力。