[发明专利]无源系统的线性神经元在线学习自适应控制方法及控制器

摘要

本发明公开了一种无源系统的线性神经元在线学习自适应控制方法及控制器，属于过程控制领域。所述方法包括：建立线性神经元模型；根据线性神经元模型，和k时刻及k以前时刻的无源系统在线输入输出数据，推导出线性神经元权值在线学习算法；根据线性神经元模型和所述线性神经元权值在线学习算法，推导出线性神经元在线学习自适应控制算法；根据线性神经元在线学习自适应控制算法进行无源系统的闭环回路的控制。所述控制器包括：线性神经元模块、权值在线学习算法模块、在线学习自适应控制算法模块和控制输出模块。本发明通过提出线性神经元在线学习自适应控制算法，并给出该算法在组态平台下控制器的实现方法，完成了无源系统的闭环回路的控制。

主权项

1.一种无源系统的线性神经元在线学习自适应控制方法，其特征在于，所述方法包括：建立线性神经元模型，所述线性神经元模型为：其向量表示为Δy(k+1)＝Φ(k)·ΔU^T(k)+θ；根据所述线性神经元模型，和k时刻及k以前时刻的无源系统在线输入输出数据，推导出线性神经元权值在线学习算法：Φ^(k)=Φ^(k-1)+ΔU(k-1)μ+ΔU(k-1)·ΔUT(k-1)[Δy(k)-Φ^(k-1)·ΔUT(k-1)-θ];]]>根据所述线性神经元模型和所述线性神经元权值在线学习算法，推导出线性神经元在线学习自适应控制算法：u(k)=u(k-n-1)+ρ·Σi=0nw^i(k)λ+Φ^(k)·Φ^T(k)·[e(k)-θ];]]>根据所述线性神经元在线学习自适应控制算法进行无源系统的闭环回路的控制；其中，向量Φ(k)＝[w₀(k)，w₁(k)，…，w_n(k)]，向量ΔU(k)＝[Δu(k)，Δu(k-1)，…，Δu(k-n)]，w_i(k)表示神经元在k时刻的权值，i＝0，1，2…n，其中(n+1)为线性神经元选定输入个数，y(k)表示受控对象在k时刻的输出，u(k)表示受控对象在k时刻的控制输出，θ表示神经元偏置，表示Φ(k)在k时刻的估计值，μ＞0表示惩罚因子，ρ＞0表示步长因子，表示w_i(k)在k时刻的估计值，λ＞0表示惩罚因子，e(k)＝Y^*-y(k)，Y^*为设定值或设定曲线，e(k)表示Y^*与y(k)在k时刻的误差。