[发明专利]非线性系统的自适应滑模控制的仿真方法

说明书

非线性系统的自适应滑模控制的仿真方法，属于人工智能及控制领域，用于解决闭环控制系统渐近稳定的问题，技术要点是：对非线性系统施以自适应滑模控制方法，取LS‑SVM结构回归的输入为x＝[x1 x2]T,输出为u*，从u和x的数据中选择100对作为训练样本，同时，取其中的40对数据作为测试样本，以输出系统输出误差的均方误差为评价指标，利用交叉验证优化求得LS‑SVM结构回归的超参数，利用优化得到的超参数，重新进行学习和训练，取得基于LS‑SVM结构回归拟合的非线性反馈控制器的参数初值，选择系统参考信号为ym(t)＝sin(t)，初始状态x＝[0 1]T，应用式(9)对系统进行在线仿真实验。

技术领域

本发明属于人工智能及控制领域，涉及一种非线性系统的自适应滑模控制方 法。

背景技术

非线性不确定系统的滑模变结构控制一直是控制界关注的热点，很多学者在 此领域取得了研究成果。由于非线性系统的滑模控制需要已知系统的粗略数学模 型，因此增加了滑模控制对系统模型的依赖。随着人工智能理论的发展，模糊逻 辑和神经网络被引入滑模控制设计中来，有效地减少滑模控制对系统模型的依赖。 文献[3]研究了基于高增益观测器的非线性系统自适应模糊滑模控制，文献[4]研 究了基于神经网络的非线性系统自适应滑模控制，它们主要是利用模糊逻辑或神 经网络对任意非线性逼近的能力。但是，模糊逻辑和神经网络应用中存在算法复 杂、学习速度慢等问题，而最小二乘支持向量机(LS-SVM)解决了上述问题。 LS-SVM保持了标准SVM的强大泛化和全局最优能力，极大地提高了训练效率， 同时基于LS-SVM的非线性系统控制研究取得了丰富成果]。但是，将LS-SVM 和滑模变结构控制相结合的非线性不确定系统分析和设计的方法则相对较少。

发明内容

为了解决闭环控制系统渐近稳定的问题，并以验证自适应滑模控制方法对闭 环控制系统渐近稳定的影响，本发明提出如下方案：

对于非线性不确定系统

式中,b＝1.5+0.5sin(5t),d＝12cos(t)