增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法及系統(tǒng)，通過至少一個線性模型和至少一個基于神經(jīng)網(wǎng)絡(luò)的非線性模型對系統(tǒng)進(jìn)行辨識，兩個模型分別對應(yīng)一個線性自適應(yīng)控制器和一個基于神經(jīng)網(wǎng)絡(luò)的非線性自適應(yīng)控制器；基于性能指標(biāo)的切換單元在每個采樣時刻切換到最優(yōu)控制器來實現(xiàn)控制。與傳統(tǒng)的非線性多模型自適應(yīng)控制方法相比，本發(fā)明將非線性系統(tǒng)的非線性項的界限放寬到增長率有界，可以有效的擴(kuò)大多模型自適應(yīng)控制器的適應(yīng)性。
【專利說明】增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種控制方法及系統(tǒng)，尤其涉及一種增長率有界的非線性系統(tǒng)的多模 型自適應(yīng)控制方法及系統(tǒng)。

【背景技術(shù)】
[0002] 隨著人們對能源問題和環(huán)境問題的逐漸重視，工業(yè)技術(shù)逐步由粗放型向密集型轉(zhuǎn) 變，原來針對于單一設(shè)備的簡單控制方法已經(jīng)不再適用于日益復(fù)雜的大型工業(yè)系統(tǒng)。針對 某一操作點進(jìn)行線性化而建立的線性系統(tǒng)模型由于其結(jié)構(gòu)簡單便于理解等優(yōu)點，在現(xiàn)代控 制系統(tǒng)中有著廣泛的應(yīng)用，但是一般的工業(yè)系統(tǒng)均存在不同程度的非線性特性，采用傳統(tǒng) 的針對線性系統(tǒng)的控制方法已經(jīng)不能對某些具有強(qiáng)非線性的復(fù)雜系統(tǒng)進(jìn)行有效的控制，所 以針對非線性系統(tǒng)設(shè)計更好的控制方法是非常必要的。然而，現(xiàn)有的非線性處理方法雖然 有一些應(yīng)用，但是理論上不完善，對被控對象的要求高，并且不具有一般性。
[0003] 自適應(yīng)控制作為一種先進(jìn)的控制方法，在非線性系統(tǒng)的控制中取得了廣泛的應(yīng) 用。由于其參數(shù)可以隨系統(tǒng)參數(shù)的改變而進(jìn)行調(diào)整，自適應(yīng)控制可以自動地補(bǔ)償模型階次、 參數(shù)和輸入信號方面的變化，可以得到較好的控制效果。但是對于某些快時變，強(qiáng)非線性的 系統(tǒng)來說，如果自適應(yīng)控制的參數(shù)選取不適當(dāng)，則會導(dǎo)致收斂的時間過長，而造成過大的暫 態(tài)誤差或者不穩(wěn)定等情況。對于強(qiáng)非線性系統(tǒng)來講，利用神經(jīng)網(wǎng)絡(luò)等非線性逼近器與傳統(tǒng) 的自適應(yīng)控制相結(jié)合而設(shè)計的基于神經(jīng)網(wǎng)絡(luò)等的非線性自適應(yīng)方法可以有效的對系統(tǒng)進(jìn) 行控制。但是為了精確的辨識系統(tǒng)模型，神經(jīng)網(wǎng)絡(luò)的選取往往比較復(fù)雜，這對于分析系統(tǒng)的 穩(wěn)定性造成了很大的困難。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法 及系統(tǒng)，解決控制過程中由于辨識速度低而造成過大的暫態(tài)誤差或者系統(tǒng)不穩(wěn)定的問題。
[0005] 為了解決上述問題，本發(fā)明涉及了一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng) 控制方法，對一非線性系統(tǒng)進(jìn)行控制，包括以下步驟：
[0006] S1 :設(shè)置第一控制器包括至少一個線性模型和與每個線性模型對應(yīng)的線性魯棒控 制器和設(shè)置第二控制器包括至少一個非線性模型和與每個非線性模型對應(yīng)的非線性神經(jīng) 網(wǎng)絡(luò)控制器，初始化線性模型和非線性模型中線性部分的參數(shù)，初始化非線性神經(jīng)網(wǎng)絡(luò)模 型部分的參數(shù)和神經(jīng)網(wǎng)絡(luò)的權(quán)值；所述非線性模型包括線性部分和非線性神經(jīng)網(wǎng)絡(luò)模型部 分；
[0007] S2 :設(shè)定t = 0時刻，所述非線性系統(tǒng)的輸出為0, t尹0時刻，所述非線性系統(tǒng)的 輸出為該系統(tǒng)的實際輸出值；由非線性系統(tǒng)實際輸出值與參考值作差得到控制誤差e。；由 非線性系統(tǒng)實際輸出與線性模型的輸出作差得到線性模型誤差 θι，由非線性系統(tǒng)實際輸出 與非線性神經(jīng)網(wǎng)絡(luò)模型部分輸出作差得到非線性模型誤差e2 ;
[0008] S3 :利用每個線性模型的參數(shù)設(shè)計對應(yīng)的第一控制器，由系統(tǒng)的控制誤差e。計算 線性魯棒控制器的輸出值ujt);
[0009] 利用每個非線性模型的參數(shù)設(shè)計對應(yīng)的第二控制器，所述非線性神經(jīng)網(wǎng)絡(luò)控制器 包括線性單元和非線性神經(jīng)網(wǎng)絡(luò)單元，由系統(tǒng)的控制誤差e。計算非線性神經(jīng)網(wǎng)絡(luò)控制器的 輸出值u 2(t);
[0010] S4:根據(jù)線性模型誤差ei和非線性模型誤差e2，線性模型的正則化的模型辨識誤 差h和非線性模型的正則化的模型辨識誤差ε 2，來計算線性模型的性能指標(biāo)1(〇和非 線性模型的性能指標(biāo)J2(t):
[0011]

【權(quán)利要求】
1. 一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法，對一非線性系統(tǒng)進(jìn)行控 制，其特征在于，包括以下步驟： 51 :設(shè)置第一控制器包括至少一個線性模型和與每個線性模型對應(yīng)的線性魯棒控制器 和設(shè)置第二控制器包括至少一個非線性模型和與每個非線性模型對應(yīng)的非線性神經(jīng)網(wǎng)絡(luò) 控制器，初始化線性模型和非線性模型中線性部分的參數(shù)，初始化非線性神經(jīng)網(wǎng)絡(luò)模型部 分的參數(shù)和神經(jīng)網(wǎng)絡(luò)的權(quán)值；所述非線性模型包括線性部分和非線性神經(jīng)網(wǎng)絡(luò)模型部分； 52 :設(shè)定t = 0時刻，所述非線性系統(tǒng)的輸出為0, t尹0時刻，所述非線性系統(tǒng)的輸出 為該系統(tǒng)的實際輸出值；由非線性系統(tǒng)實際輸出值與參考值作差得到控制誤差e。；由非線 性系統(tǒng)實際輸出與線性模型的輸出作差得到線性模型誤差 ei，由非線性系統(tǒng)實際輸出與非 線性神經(jīng)網(wǎng)絡(luò)模型部分輸出作差得到非線性模型誤差e2 ; 53 :利用每個線性模型的參數(shù)設(shè)計對應(yīng)的第一控制器，由系統(tǒng)的控制誤差e。計算線性 魯棒控制器的輸出值ujt); 利用每個非線性模型的參數(shù)設(shè)計對應(yīng)的第二控制器，所述非線性神經(jīng)網(wǎng)絡(luò)控制器包括 線性單元和非線性神經(jīng)網(wǎng)絡(luò)單元，由系統(tǒng)的控制誤差e。計算非線性神經(jīng)網(wǎng)絡(luò)控制器的輸出 ftu2(t)； S4:根據(jù)線性模型誤差ei和非線性模型誤差e2，線性模型的正則化的模型辨識誤差ε i 和非線性模型的正則化的模型辨識誤差ε 2，來計算線性模型的性能指標(biāo)1(〇和非線性模 型的性能指標(biāo)J2(t):
c彡0, d為時延，N是不小于1的整數(shù)； 55 :選擇S4中得出的性能指標(biāo)值較小的控制器在S3中產(chǎn)生的輸出值，作為所述非線性 系統(tǒng)、線性模型以及非線性模型的控制輸入u(t); 56 :利用線性模型誤差ei和非線性模型誤差e2分別更新下一時刻的線性模型參數(shù)和非 線性模型的參數(shù)和神經(jīng)網(wǎng)絡(luò)的權(quán)值； 57 :重復(fù) S2-S6。
2. 如權(quán)利要求1所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法，其特 征在于，線性模型札為：

是札在1時刻對Θ的參數(shù)估計；
是系統(tǒng)輸入輸出組成的回 歸向量；S6中，在每一個時刻，&(/)要經(jīng)過得出參數(shù)辨識算法步驟進(jìn)行更新；


就被設(shè)為
的系數(shù)的自定義下界； 在S2中，在每一個系統(tǒng)時刻t，由線性模型的參數(shù)<(〇來得出線性模型的輸出：
式中，/(t+d)為系統(tǒng)時刻t的d延時的參考值
是由系統(tǒng)輸入輸出組成的回 歸向量，
是t時刻線性控制器參數(shù)。
3.如權(quán)利要求1或2所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法， 其特征在于，非線性模型M2的非線性神經(jīng)網(wǎng)絡(luò)部分表示如下：
是Θ的另一個估計；Λ#(?)代表用神經(jīng)網(wǎng)絡(luò)估計

為有界的神經(jīng)網(wǎng)絡(luò)；
是輸入層的輸入，W(t)是神經(jīng) 網(wǎng)絡(luò)的權(quán)重向量，對于非線性模型M2的線性部分參數(shù)，利用辨識方法進(jìn)行更新，W(t)是神經(jīng) 網(wǎng)絡(luò)的權(quán)重向量，正則化的模型辨識誤差為：
非線性模型對應(yīng)控制器由如下表示：
式中
是t時刻非線性控制器的參數(shù)，
是系統(tǒng)輸入輸出組成的回歸向 量。
4. 如權(quán)利要求1所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制方法，其特 征在于，非線性神經(jīng)網(wǎng)絡(luò)模型部分為具有單隱層神經(jīng)元的BP神經(jīng)網(wǎng)絡(luò)，隱層神經(jīng)元個數(shù)通 為6-10個，上下層之間的各神經(jīng)元全連接，每層神經(jīng)元之間沒有連接，利用輸出誤差e 2(t) 與隱層各神經(jīng)元的輸出bj來修正隱層至輸出層的連接權(quán)Vjl，j = 1，2,…，p ;p為隱層神經(jīng) 元數(shù)；Y i為輸出層單元的輸出閾值： Vji = Vji+Ke2(t)bj y ! = y j+κ e2(t) j = 1，2,…，ρ，0〈 κ〈1 κ是反向調(diào)節(jié)系數(shù)，利用隱層神經(jīng)元的誤差

來修正輸入層至中間層的連接權(quán) I。，i = 1，2,…，na+nb+l+d, j = 1，2,…，ρ和隱層各單元的輸出閾值τ」，j = 1，2,…，ρ :
5. -種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制系統(tǒng)，對一非線性系統(tǒng)進(jìn)行控 制，其特征在于，所述非線性系統(tǒng)的自適應(yīng)控制系統(tǒng)包括： 初始化單元，設(shè)置第一控制器包括至少一個線性模型和與每個線性模型對應(yīng)的線性魯 棒控制器和設(shè)置第二控制器包括至少一個非線性模型和與每個非線性模型對應(yīng)的非線性 神經(jīng)網(wǎng)絡(luò)控制器，所述非線性模型包括線性部分和非線性神經(jīng)網(wǎng)絡(luò)模型部分；初始化線性 模型和非線性模型中線性部分的參數(shù)，初始化非線性神經(jīng)網(wǎng)絡(luò)模型部分的參數(shù)和神經(jīng)網(wǎng)絡(luò) 的權(quán)值； 誤差計算單元，由非線性系統(tǒng)實際輸出值與參考值作差得到控制誤差e。；由非線性系 統(tǒng)實際輸出與線性模型的輸出作差得到線性模型誤差ei，由非線性系統(tǒng)實際輸出與非線性 神經(jīng)網(wǎng)絡(luò)模型部分輸出作差得到非線性模型誤差e 2 ;設(shè)定t = 〇時刻，所述非線性系統(tǒng)的輸 出為0, t尹0時刻，所述非線性系統(tǒng)的輸出為該系統(tǒng)的實際輸出值； 線性魯棒控制器輸出單元，通過每個線性模型的參數(shù)設(shè)置第一控制器，由系統(tǒng)的控制 誤差e。計算線性魯棒控制器的輸出值111(〇 ; 非線性神經(jīng)網(wǎng)絡(luò)控制器輸出單元，通過每個非線性模型的參數(shù)設(shè)置第二控制器，所述 非線性神經(jīng)網(wǎng)絡(luò)控制器包括線性單元和非線性神經(jīng)網(wǎng)絡(luò)單元，由系統(tǒng)的控制誤差e。計算非 線性神經(jīng)網(wǎng)絡(luò)控制器的輸出值1!2(〇 ; 性能指標(biāo)計算單元，根據(jù)線性模型誤差％和非線性模型誤差e2，線性模型的正則化的 模型辨識誤差h和非線性模型的正則化的模型辨識誤差ε2，來計算線性模型的性能指標(biāo) Λ (t)和非線性模型的性能指標(biāo)j2(t)的值：
d為時 延，Γ po, c彡0, N是預(yù)先定義的整數(shù)； 選擇單元，與性能指標(biāo)計算單元相連接，選擇性能指標(biāo)值較小的控制器在線性魯棒控 制器輸出單元或非線性神經(jīng)網(wǎng)絡(luò)控制器輸出單元產(chǎn)生的輸出值，作為所述非線性系統(tǒng)中線 性模型以及非線性模型的控制輸入u(t); 線性參數(shù)更新單元，利用線性模型誤差ei更新線性模型的參數(shù)，并將輸出結(jié)果輸入給 誤差計算單元和線性魯棒控制器輸出單元；以及 非線性參數(shù)更新單元，利用非線性模型誤差e2更新非線性模型的參數(shù)和神經(jīng)網(wǎng)絡(luò)的權(quán) 值，并將輸出結(jié)果輸入給誤差計算單元和非線性神經(jīng)網(wǎng)絡(luò)控制器輸出單元。
6.如權(quán)利要求5所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制系統(tǒng)，其特 征在于，線性模型札為：

是札在1時刻對Θ的參數(shù)估計；
是系統(tǒng)輸入輸出組成的回 歸向量；性參數(shù)更新單元中，在每一個時刻，么(/)要通過參數(shù)辨識算法進(jìn)行更新：
的系數(shù)的自定義下界； 在線性魯棒控制器輸出單元中，在每一個系統(tǒng)時刻t，由線性模型的參數(shù)&(/)來得出 線性模型的輸出
式中，/(t+d)為系統(tǒng)時刻t的d延時的參考值
是系統(tǒng)輸入輸出組成的回歸 向量，
是t時刻線性控制器的參數(shù)。
7. 如權(quán)利要求6所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制系統(tǒng)，其特 征在于，非線性模型M2的非線性神經(jīng)網(wǎng)絡(luò)部分為：
是Θ的另一個估計
代表神經(jīng)網(wǎng)絡(luò)用于估計

是輸入層的輸入，W(t)是神經(jīng)網(wǎng)絡(luò)的權(quán)重向量，對于非線 性模型M2的線性部分參數(shù)； 性能指標(biāo)計算單元中：通過夫和神經(jīng)網(wǎng)絡(luò)的權(quán)重向量W(t)得到正則化的模型辨 識誤差為

非線性模型對應(yīng)控制器由如下表示：

是t時刻非線性控制器的參數(shù)，
是系統(tǒng)輸入輸出組成的回歸向 量。
8. 如權(quán)利要求5所述的一種增長率有界的非線性系統(tǒng)的多模型自適應(yīng)控制系統(tǒng)，其 特征在于，非線性模型M2的非線性神經(jīng)網(wǎng)絡(luò)模型部分的更新步驟為：利用非線性輸出誤差 e2(t)與隱層各神經(jīng)元的輸出4來修正隱層至輸出層的連接權(quán)Vjl，j = 1，2,…，p，p是隱層 神經(jīng)元數(shù)目，L是輸出層單元的輸出閾值：
κ是反向調(diào)節(jié)系數(shù)，利用隱層神經(jīng)元的誤差
，輸入層的輸
來修正輸入層至中間層的連接 權(quán)I。，i = 1，2,…，na+nb+l+d, j = 1，2,…，p和隱層各單元的輸出閾值τ」，j = 1，2,…，p :
其中，非線性模型M2的非線性神經(jīng)網(wǎng)絡(luò)模型部分為具有單隱層神經(jīng)元的BP神經(jīng)網(wǎng)絡(luò)， 隱層神經(jīng)元個數(shù)通為6-10個，上下層之間的各神經(jīng)元全連接，每層神經(jīng)元之間沒有連接。
【文檔編號】G05B13/04GK104216286SQ201410409470
【公開日】2014年12月17日 申請日期:2014年8月19日 優(yōu)先權(quán)日:2014年8月19日
【發(fā)明者】王昕 , 黃淼 申請人:上海交通大學(xué)