[发明专利]参数自整定的MISO异因子紧格式无模型控制方法

权利要求书

1.参数自整定的MISO异因子紧格式无模型控制方法，其特征在于：

当被控对象为MISO(Multiple Input and Single Output，多输入单输出)系统时，所述MISO异因子紧格式无模型控制方法计算k时刻第i个控制输入u_i(k)的数学公式如下：

其中，k为正整数；i表示所述MISO系统控制输入总个数中的第i个，i为正整数，1≤i≤m，m为所述MISO系统控制输入总个数，m为大于1的正整数；u_i(k)为k时刻第i个控制输入；e(k)为k时刻误差，采用误差计算函数计算得到，所述误差计算函数的自变量包含输出期望值与输出实际值；Φ(k)为k时刻MISO系统伪雅克比矩阵估计值，φ_j，i(k)为矩阵Φ(k)的第j行第i列元素，||Φ(k)||为矩阵Φ(k)的2范数；λ_i为第i个控制输入的惩罚因子；ρ_i为第i个控制输入的步长因子；

针对MISO系统，所述MISO异因子紧格式无模型控制方法将i的取值遍历正整数区间[1，m]内的所有值，即可计算得到k时刻控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T；

所述MTSO异因子紧格式无模型控制方法具有异因子特征；所述异因子特征是指针对正整数区间[1，m]内任意两个互不相等的正整数i与x，在采用所述控制方法对MISO系统进行控制期间，至少存在一个时刻，使得如下两个不等式中至少有一个不等式成立：

λ_i≠λ_x；ρ_i≠ρ_x

在采用所述控制方法对MISO系统进行控制期间，对计算k时刻控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T的数学公式中的待整定参数进行参数自整定；所述待整定参数包含惩罚因子λ_i、步长因子ρ_i(i＝1，…，m)的任意之一或任意种组合。

2.根据权利要求1所述的参数自整定的MISO异因子紧格式无模型控制方法，其特征在于：所述参数自整定采用神经网络计算所述控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T的数学公式中的待整定参数；在更新所述神经网络的隐含层权系数、输出层权系数时，使用所述控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T分别针对各自数学公式中的待整定参数在k时刻的梯度；所述控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T中的u_i(k)(i＝1，…，m)针对所述u_i(k)的数学公式中的待整定参数在k时刻的梯度，由u_i(k)分别针对所述u_i(k)的数学公式中的各个待整定参数在k时刻的偏导数组成；所述u_i(k)分别针对所述u_i(k)的数学公式中的各个待整定参数在k时刻的偏导数，采用如下的数学公式进行计算：

当所述u_i(k)的数学公式中的待整定参数包含惩罚因子λ_i时，u_i(k)针对所述惩罚因子λ_i在k时刻的偏导数为：

当所述u_i(k)的数学公式中的待整定参数包含步长因子ρ_i时，u_i(k)针对所述步长因子ρ_i在k时刻的偏导数为：

计算得到的所述u_i(k)分别针对所述u_i(k)的数学公式中的各个待整定参数在k时刻的偏导数，全部放入集合{u_i(k)的梯度}；针对MISO系统，将i的取值遍历正整数区间[1，m]内的所有值，分别得到集合{u₁(k)的梯度}，…，集合{u_m(k)的梯度}，并全部放入集合{梯度集合}，所述集合{梯度集合}为包含全部{{u₁(k)的梯度}，…，{u_m(k)的梯度}}的集合；

所述参数自整定采用神经网络计算所述控制输入向量u(k)＝[u₁(k)，…，u_m(k)]^T的数学公式中的待整定参数，所述神经网络的输入包含所述集合{梯度集合}中的元素、集合{误差集合}中的元素的任意之一或任意种组合；所述集合{误差集合}包含e(k)与e(k)的误差函数组；所述e(k)的误差函数组为k时刻及之前所有时刻误差的累积即k时刻误差e(k)的一阶后向差分e(k)-e(k-1)、k时刻误差e(k)的二阶后向差分e(k)-2e(k-1)+e(k-2)、k时刻误差e(k)的高阶后向差分的任意之一或任意种组合。