[发明专利]逆模型建模方法及装置、以及自适应逆控制方法及装置

说明书

技术领域

本发明涉及自适应控制领域，具体涉及一种逆模型建模方法、自适应逆控制方法及自适应逆控制装置。

背景技术

近年来，随着智能控制技术的发展，智能建模技术已经被广泛应用到逆系统控制当中，为实现对复杂非线性系统进行精确控制提供了可能。逆系统控制是一种基于反馈线性化法的控制策略，其基本思想是：首先，建立被控对象的逆系统模型，并将该逆系统模型与被控对象串联构成伪线性复合系统，以此实现对被控对象的近似线性化和基本解耦；然后，再运用各种成熟的控制器的设计方法对“线性化”和“解耦”后的各子系统设计附加控制器，从而达到对多变量非线性系统进行有效控制的目的。

在当前的逆控制研究中，神经网络、模糊算法等是最常用的逆模型建模方法。其中，1990年，Narendra等研究了神经网络模型的逼近能力，为人工神经网络应用于非线性系统的辨识及控制提供了理论依据。在逆系统建模方面，Cochofel等研究了自适应逆控制装置中适合神经网络的应用环境。Liu等将基于径向基函数的神经网络应用于被控系统逆模型的辨识，并将自适应扰动消除器和反馈补偿引入到其设计的逆控制系统中，提高了系统的跟踪性能和抗干扰能力。LI等人采用动态逆方法实现了高超声速飞行器纵向模型的完全线性化，并与基于指数趋近律的滑模控制相结合，实现了高超声速飞行器高度与速度机动过程的良好控制。XU等人给出的高超声速飞行器纵向模型为研究对象，采用动态逆控制方法推导了其逆系统，实现了纵向模型输入输出间的反馈线性化，并分别 采用神经网络方法和自适应滑模控制方法完成了外环控制系统设计，实现了高超声速飞行器高度与速度机动过程的良好控制。此外，在模糊算法建模方面，Krishnapuram和Chin提出了比较聚类法，通过设立某种度量指标来评价聚类质量，对应于最小度量指标的聚类个数即被认为是最佳聚类数。Kaymak和Babuska提出了融合聚类法，首先给定一个较大的聚类数，然后陆续将相邻聚类中心进行合并，从而达到减少聚类个数的目的。Boukezzoula等分别将T-S模糊模型和模糊树模型应用于非线性系统逆模型的辨识。虽然以上方法都取得了很好的控制效果，但是其建模效率和精度上都略显不足。

发明内容

本发明为了实现精确的在线控制，提供一种逆模型建模方法和自适应逆控制方法，采用克里金算法进行逆建模和并据此对复杂非线性多入多出的被控系统进行控制，进而提高对被控系统的控制效率和控制精度。

根据本发明的第一方面，本发明提供一种逆模型建模方法，包括以下步骤：

将提供给被控系统的控制信号X和来自被控系统的输出信号Y作为样本，利用克里金算法进行建模训练，得到克里金逆模型，并基于克里金逆模型得到控制信号X的输出信号

将输出信号Y与输出信号相减，得到偏差信号e；以及

利用偏差信号e对克里金逆模型进行调整。

优选地，通过将控制信号X输入到被控系统中，加上外界扰动信号后得到所述输出信号Y。

优选地，所述将控制信号X和输出信号Y作为样本，利用克里金算法进行建模训练包括：

基于控制信号X和输出信号Y构造克里金模型；以及

以预测偏差最小为目标，利用相应的优化算法，选取克里金模型的相关性系数。

优选地，所述基于控制信号X和输出信号Y构造克里金模型包括：构造Y＝f^T(X)β_k+z_k(X)

其中f^T(X)＝[f₁(X),…,f_m(X)]^T是关于X的多项式，β_k＝[β_k1,…,β_km]^T，式中β_k是回归系数向量，z_k(X)是随机误差函数,m是回归模型基函数的个数，Y(X)是待测响应值，其中，

E[z_k(X)]＝0

Cov(x_i,x_j)＝σ²R(x_i,x_j),i,j＝1...n_k