[发明专利]一种与模型无关的自适应控制器及其控制方法

说明书

技术领域

本发明涉及一种自适应控制器及其控制方法，尤其涉及一种与模型无关的自适应控制器及其控制方法。

背景技术

工业过程的特点是物理化学或热力学过程十分复杂，一般为非线性时变，难以建模或难以精确建模。现存的应用于工业过程的控制器一般为基于对象的或基于经验的，这两类控制器中，基于对象的控制器由于上述工业过程本身的特点，在设计控制器方面存在很大的困难，而基于经验的控制器的性能很大程度上取决于专家的经验。这两种控制器都很难实现对工业过程的最优控制。在相关文献中，出现过利用神经网络来实现自适应控制的事例，但所使用的神经网络结构往往是单一的，这种结构存在两方面的缺陷：1、无法精确处理具有时滞的工业过程，控制精度受限；2、单一网络内部机构复杂，训练过程较长，系统响应速度慢。

发明内容

本发明的任务是提出一种与模型无关的自适应控制器及其控制方法，以提高控制精度和系统响应速度，简化网络内部结构。

为完成上述任务，本发明针对工业过程的特点提出了一种与模型无关的自适应控制器，该控制器由两个前向神经网络串连而成，前一神经网络为网络控制器MLPc，后一神经网络为网络模拟器MLPo，网络控制器的输出作为网络模拟器及受控对象的输入，受控对象的输出和网络控制器的输入之间设有一闭环负反馈，网络模拟器的输出和受控对象的输出之间设置为相减关系，两者的差值误差用于网络模拟器MLPo的再训练过程。

网络模拟器MLPo由一个时滞的多层感知器(TDMLP)根据受控对象的输入输出对来建模；网络控制器MLPc由另一个时滞多层感知器(TDMLP)组成，网络模拟器MLPo通过受控对象的运行而获得训练样本并进行学习，网络控制器MLPc则根据设定的目标函数进行学习和调节自身参数，最终获得对受控对象的最优控制。

所述的网络控制器MLPc和网络模拟器MLPo均含有一个输入层、一个隐藏层和一个输出层。

所述的网络控制器MLPc和网络模拟器MLPo的隐藏层中设有6—10个神经元，输出层均设有一个神经元。

与上述自适应控制器相对应，本发明给出了相应的控制方法，该控制方法步骤如下：

a.系统初始化：随机初始化网络控制器MLPc和网络模拟器MLPo，网络控制器MLPc和网络模拟器MLPo的网络结构可根据一定的先验知识确定；

b.k＝0时刻，对象的输出为0；k≠0时刻，对象的输出为其实际输出值，根据k时刻受控对象的输出和目标函数的值得到反馈误差，并将其作为输入加到MLPc的输入层，前向计算得到控制量为u_k，并将其作为激励加到受控对象和网络模拟器MLPo上；

c.计算受控对象的输出和网络模拟器MLPo的输出，并据此得出目标函数，即(1)式；

Jo=12NΣj=1p(ej′)2→Ωomin---(1)]]>

d.根据下列(1)、(4)和(5)式更新MLPo的权值；