[发明专利]MIMO紧格式无模型控制器基于偏导信息的参数自整定方法

权利要求书

1.MIMO紧格式无模型控制器基于偏导信息的参数自整定方法，其特征在于包括以下步骤：

步骤(1)：针对具有mu个输入与my个输出的MIMO(Multiple Input and MultipleOutput，多输入多输出)系统，其中mu为大于或等于2的整数，my为大于或等于2的整数，采用MIMO紧格式无模型控制器进行控制；所述MIMO紧格式无模型控制器参数包含惩罚因子λ和步长因子ρ；确定MIMO紧格式无模型控制器待整定参数，所述MIMO紧格式无模型控制器待整定参数，为所述MIMO紧格式无模型控制器参数的部分或全部，包含惩罚因子λ和步长因子ρ的任意之一或任意种组合；确定BP神经网络的输入层节点数、隐含层节点数、输出层节点数，所述输出层节点数不少于所述MIMO紧格式无模型控制器待整定参数个数；初始化所述BP神经网络的隐含层权系数、输出层权系数；初始化集合{偏导信息集}中的偏导信息；

步骤(2)：将当前时刻记为k时刻；

步骤(3)：基于MIMO系统的第jy个输出期望值与第jy个输出实际值，其中1≤jy≤my，采用第jy个误差计算函数计算得到k时刻的第jy个误差，记为e_jy(k)；所述第jy个误差计算函数的自变量包含第jy个输出期望值与第jy个输出实际值；针对MIMO系统的其他my-1个输出，重复执行本步骤，直至得到由my个误差所构成的误差向量e(k)＝[e₁(k)，…，e_my(k)]^T，然后进入步骤(4)；

步骤(4)：将所述集合{偏导信息集}中的偏导信息作为BP神经网络的输入，所述BP神经网络进行前向计算，计算结果通过所述BP神经网络的输出层输出，得到所述MIMO紧格式无模型控制器待整定参数的值；

步骤(5)：基于步骤(3)得到的所述误差向量e(k)、步骤(4)得到的所述MIMO紧格式无模型控制器待整定参数的值，采用MIMO紧格式无模型控制器的控制算法，计算得到MIMO紧格式无模型控制器针对被控对象在k时刻的控制输入向量u(k)＝[u₁(k)，…，u_mu(k)]^T；

步骤(6)：针对步骤(5)得到的所述控制输入向量u(k)中的第ju个控制输入u_ju(k)，其中1≤ju≤mu，计算所述第ju个控制输入u_ju(k)分别针对各个所述MIMO紧格式无模型控制器待整定参数在k时刻的梯度信息，具体计算公式如下：

当所述MIMO紧格式无模型控制器待整定参数中包含惩罚因子λ时，所述第ju个控制输入u_ju(k)针对所述惩罚因子λ在k时刻的梯度信息为：

当所述MIMO紧格式无模型控制器待整定参数中包含步长因子ρ时，所述第ju个控制输入u_ju(k)针对所述步长因子ρ在k时刻的梯度信息为：

其中，为k时刻的MIMO系统伪雅克比矩阵估计值，为矩阵的第jy行第ju列元素，为矩阵的2范数；

上述全部所述梯度信息的集合记为{梯度信息ju}，放入集合{梯度信息集}；

将所述{梯度信息ju}集合中的梯度信息依序记为前一时刻的偏导信息，即：当所述MIMO紧格式无模型控制器待整定参数中包含惩罚因子λ时则所述{梯度信息ju}集合中的梯度信息记为前一时刻的偏导信息当所述MIMO紧格式无模型控制器待整定参数中包含步长因子ρ时则所述{梯度信息ju}集合中的梯度信息记为前一时刻的偏导信息

上述全部所述偏导信息的集合记为{偏导信息ju}，放入所述集合{偏导信息集}；

针对步骤(5)得到的所述控制输入向量u(k)中的其他mu-1个控制输入，重复执行本步骤，直至所述集合{梯度信息集}包含全部{{梯度信息1}，…，{梯度信息mu}}的集合，同时所述集合{偏导信息集}包含全部{{偏导信息1}，…，{偏导信息mu}}的集合，然后进入步骤(7)；

步骤(7)：以系统误差函数的值最小化为目标，采用梯度下降法，结合步骤(6)得到的所述集合{梯度信息集}，进行系统误差反向传播计算，更新BP神经网络的隐含层权系数、输出层权系数，作为后一时刻BP神经网络进行前向计算时的隐含层权系数、输出层权系数；所述系统误差函数的自变量包含my个误差、my个输出期望值、my个输出实际值的任意之一或任意种组合；

步骤(8)：所述控制输入向量u(k)作用于被控对象后，得到被控对象在后一时刻的my个输出实际值，返回到步骤(2)，重复步骤(2)到步骤(8)。