[发明专利]基于龙伯格滑模观测器的电子节气门自适应反步控制方法

权利要求书

1.基于龙伯格滑模观测器的电子节气门自适应反步控制方法，其特征在于：首先采用龙伯格滑模观测器，根据节气门的实际开度θ和默认开度θ₀对节气门开度的变化量进行估计，得到节气门开度变化量的估计值其次采用RBF神经网络对齿轮间隙扭矩T_g进行估计；最后结合李雅普诺夫稳定性理论获得自适应反步控制律，输出控制输入电压u控制电子节气门的直流电机对电子节气门的开度进行控制；

所述龙伯格滑模观测器的表达式为：

x^·1=x^2+l1e+β1sgn(e)x^·2=a21(x^1-θ0)+a22x^2+bu+k1sgn(x^1-θ0)+k2sgn(x^2)+k3Tg+d+l2e+β2sgn(e)]]>

式中，a21=-KspKl2J;a22=-Kl2KtKv+KfRaKl2JRa;b=-KtKchKlJRa;k1=-KpreKl2J;k2=-KtfKl2J;]]>|d|≤D；l₁，l₂，β₁和β₂分别为正常数，为节气门开度估计值，x₁＝θ表示节气门实际开度，为节气门开度变化量的估计值；

所述RBF神经网络包含输入层、隐含层和输出层，输入层包含两个输入节点，即节气门实际开度与期望开度的误差e₁和误差变化输出层包含一个输出节点，即齿轮间隙扭矩的估计值该神经网络的隐含层及网络期望输出分别为：

hi=exp(||j-ci||22σi2)]]>

T_g=w^*Th(j)+ε

式中，c_i和σ_i分别为高斯基函数的中心值和宽度，j=e1e·1T,]]>j为网络输入，i为网络隐含层第i个节点，h＝[h_i]^T为网络的高斯基函数输出，w^*为网络的网络理想权值，ε为网络的逼近误差，ε≤ε_N，ε_N为逼近误差的最大值；

所述自适应反步控制律的表达式为：

u=-1b(e1+a21(x1-θ0)+a22x2+bu+k1sgn(x1-θ0)+k2sgn(x2)+k3T^g+d^+c1e·1-θd··+c2e2+c3sgn(e2))]]>

式中，a21=-KspKl2J;a22=-Kl2KtKv+KfRaKl2JRa;b=-KtKchKlJRa;k1=-KpreKl2J;k2=-KtfKl2J;]]>c₁，c₂和c₃分别为正常数；θ_d为节气门期望开度；x₁＝θ表示节气门实际开度；x₂为节气门开度的变化量。

2.根据权利要求1所述基于龙伯格滑模观测器的电子节气门自适应反步控制方法，其特征在于：在所述获得自适应反步控制律时，用节气门开度变化量的估计值代替节气门开度的变化量x₂。