[发明专利]一种多模型自适应控制系统及其控制方法

权利要求书

1.一种多模型自适应控制系统，针对一类线性有界的非线性离散时间系统，其特征在于，包括两个间接自适应控制器和切换机构，所述切换机构分别连接所述间接自适应控制器和一被控对象的输入端，所述间接自适应控制器连接所述被控对象的输出端；所述被控对象的输出端与所述两个间接自适应控制器之间设置有一闭环负反馈，且所述被控对象与所述两个间接自适应控制器的模型输出之间设置为相减关系；所述被控对象的输入由所述切换机构在所述两个间接自适应控制器之间选择产生。

2.根据权利要求1所述的多模型自适应控制系统，其特征在于，所述两个间接自适应控制器分别包括线性鲁棒自适应控制器和非线性神经网络自适应控制器。

3.根据权利要求2所述的多模型自适应控制系统，其特征在于，所述线性鲁棒自适应控制器包括线性鲁棒自适应模型和线性鲁棒控制器；所述线性鲁棒自适应模型通过投影辨识算法，保证当所述多模型自适应控制系统的非线性项的限制条件被放宽到线性有界时，所述线性鲁棒自适应模型的辨识误差也有界。

4.根据权利要求3所述的多模型自适应控制系统，其特征在于，所述线性鲁棒控制器为线性极点配置自适应控制器，通过所述线性极点配置自适应控制器将所述多模型自适应控制系统的闭环极点配置到期望位置，从而获得处理非最小相位系统和开环不稳定系统的控制问题的能力。

5.根据权利要求2所述的多模型自适应控制系统，其特征在于，所述非线性神经网络自适应控制器包括非线性神经网络自适应模型和非线性神经网络控制器，且所述非线性神经网络自适应模型由线性部分和非线性部分组成，所述线性部分的系数作为自适应参数进行更新，所述非线性部分由神经网络构成；所述非线性神经网络自适应模型通过在线调整神经网络的权值，从而获得对所述被控对象的估计输出。

6.根据权利要求5所述的多模型自适应控制系统，其特征在于，所述非线性神经网络控制器为带有非线性项的极点配置自适应控制器，通过所述带有非线性项的极点配置自适应控制器提高所述多模型自适应控制系统的控制精度。

7.根据权利要求1所述的多模型自适应控制系统，其特征在于，所述切换机构设置有性能指标模块，且所述性能指标模块包括累积误差部分和模型误差部分，所述累积误差部分用于防止所述多模型自适应控制系统的频繁切换；所述切换机构通过在每个控制时刻计算各个控制器的性能指标，从而选择性能指标较小的控制器产生下一时刻的控制输入。

8.一种多模型自适应控制方法，利用如权利要求1所述的多模型自适应控制器实现对被控对象的控制，其特征在于，包括如下步骤：

S1：系统初始化：随机初始化线性鲁棒自适应模型和非线性神经网络自适应模型的参数，并随机初始化神经网络的权值；

S2：k=0时刻，被控对象的输出为0；当k≠0时刻，被控对象的输出为系统的实际输出值，与系统的设定值作差得到系统的控制误差e_c，系统的实际输出值与线性鲁棒自适应模型的输出作差得到模型误差e₁，系统的实际输出值与非线性神经网络自适应模型作差得到模型误差e₂；

S3：分别利用两个模型的参数计算控制器的参数，将控制误差e_c作为线性鲁棒控制器和非线性神经网络控制器的输入，由两个控制器分别产生控制量u₁和u₂；

S4：计算线性鲁棒控制器和非线性神经网络控制器的性能指标值，并选择性能指标值较小的控制器产生的输入u_i，作为被控对象与线性鲁棒自适应模型和非线性神经网络自适应模型的控制输入u；

S5：分别更新线性鲁棒自适应模型和非线性神经网络自适应模型的参数和神经网络的权值；

S6：转到步骤S2。

9.根据权利要求8所述的多模型自适应控制方法，其特征在于，所述神经网络设置为单隐层，且所述神经网络的隐层神经元的个数设置为6-10个。