[发明专利]基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质

权利要求书

1.基于互联大规模系统的最优容错控制方法，其特征在于，包括以下步骤：

S01.建立互联大系统模型并对执行器故障进行建模；

S02.利用反步技术设计每个状态的参考信号；

S03.建立跟踪误差动态并利用自适应动态规划技术和改进的神经网络技术设计最优容错控制方案；

S04.仿真验证所提方法的有效性；

所述步骤S02具体为：

步骤1)：令x_i，jr，j＝1，2，...，n_i表示参考信号；x_i，1r为根据控制目标预先给定的参考信号；通过以下步骤设计状态x_i，2的参考信号x_i，2r：首先，定义跟踪误差为z_i，1＝x_i，1-x_i，1r，z_i，2＝x_i，2-x_i，2r；设计以下误差变量：

ξ_i，1＝a_i，1z_i，1+a_i，2∫₀^tz_i，1dτ， (3)

其中a_i，1，a_i，2为设计的控制器参数，均为正常数；构造李亚普诺夫函数：

其中，为神经网络的逼近误差，为理想权值，为它的估计值；神经网络的理想输出为实际输出为神经网络用来逼近未知函数，需要注意的是，本实施例结合微分器和梯度学习算法，设计的新的神经网络更新率可以更好的逼近未知函数；

设计微分器

其中，l_i，1为正常数，它表示滤波器参数；令由系统模型可得

构造一个新的辅助误差动态如下：

定义构造代价函数如下：

则利用梯度下降学习算法设计神经网络权值更新率如下

其中η_i，1＞0代表学习速率；

设计x_i，2r如下

对公式(4)求导，并把公式(9)和公式(10)带入，并利用杨氏不等式得

所以，κ_i，1＞1时，满足李亚普诺夫稳定性定理，跟踪误差z_i，1能够收敛到零附近；

步骤j)：定义跟踪误差z_i，j+1＝x_i，j+1-x_i，j+1r，设计李亚普诺夫函数如下

设计微分器

其中，l_i，j为正常数，它表示滤波器参数；令由系统模型可得

构造辅助误差动态如下：

定义并设计代价函数如下：

则利用梯度下降学习算法设计神经网络权值更新率如下

其中η_i，j＞0代表学习速率；设计x_i，j+1r如下：

对公式(12)求导，并把公式(17)和公式(18)带入，并利用杨氏不等式得

所以，κ_i，j＞1时，满足李亚普诺夫稳定性定理，跟踪误差z_i，j能够收敛到零附近；

步骤n_i-1)：定义跟踪误差设计李亚普诺夫函数如下

设计微分器

其中，为正常数，它表示滤波器参数；令由系统模型可得

构造辅助误差动态如下：

定义并设计代价函数如下：

则利用梯度下降学习算法设计神经网络权值更新率如下

其中代表学习速率；设计如下：

对公式(20)求导，并把(25)和(26)带入，并利用杨氏不等式得

所以，时，满足李亚普诺夫稳定性定理，跟踪误差能够收敛到零附近；至此，n_i个参考信号设计完毕。