[发明专利]非最小相位非线性系统的多模型自适应控制方法及系统

摘要

本发明涉及一种非最小相位的非线性系统的多模型自适应控制方法及系统，为了扩宽应用范围，提出了非线性系统的一种增量模型描述，并提出了一种新的参数估计方法，使得在多模型自适应控制方法中不再需要假设非线性系统的非线性项的全局有界。通过引入极点配置控制器，本发明的方法可以处理非最小相位非线性系统的控制问题。本发明提出一个新的非线性控制结构，可以提高多模型自适应控制方法的精度。与传统的非线性多模型自适应控制方法相比，本发明将多模型自适应控制方法推广到非最小相位非线性系统，可以有效的扩大多模型自适应控制器的适应性。

主权项

一种非最小相位非线性系统的多模型自适应控制方法，对一非最小相位非线性系统进行控制，其特征在于，包括以下步骤：S1：设置线性鲁棒间接自适应控制器由线性模型和线性控制器构成；设置神经网络非线性间接自适应控制器由神经网络非线性模型和非线性控制器构成；设置k＝0时刻，非最小相位非线性系统的输出为零；当k＞0时刻，非最小相位非线性系统给出该系统实际输出值，对所述非最小相位非线性系统建立一表示该系统输入与输出的增长量关系的非线性增量模型，对所述非线性增量模型设置线性极点配置控制器；初始化线性辨识参数非线性辨识参数和神经网络的权值W(k)；S2：由非最小相位非线性系统参考输入y_m(k)和系统的实际输出y(k)得出系统的控制误差e_c(k)＝y_m(k)‑y(k)；得出线性辨识误差和非线性辨识误差分别为$e_1\left(k\right)=y\left(k\right)-{\widehat{\mathrm{\θ}}}_1(k-1)\mathrm{\ψ}\left(k\right)$和$e_2\left(k\right)=y\left(k\right)-{\widehat{\mathrm{\θ}}}_2(k-1)\mathrm{\ψ}\left(k\right)-{\hat{G}}_2(k-1)\hat{f}\left(k\right),$ψ(k)是由系统输入输出组成的回归向量，为神经网络的系数多项式；S3：利用线性辨识参数设定线性鲁棒间接自适应控制器，由系统的控制误差e_c计算线性鲁棒间接自适应控制器的输出值u₁(k)；利用非线性辨识参数设定神经网络非线性间接自适应控制器，由系统的控制误差e_c计算神经网络非线性间接自适应控制器的输出值u₂(k)；S4：根据线性辨识误差e₁(k)和非线性辨识误差e₂(k)，线性正则化的模型辨识误差ε₁和非线性正则化的模型辨识误差ε₂来计算线性鲁棒间接自适应控制器的性能指标J₁(k)和神经网络非线性间接自适应控制器的性能指标J₂(k)：$J_i\left(k\right)=\underset{l=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\Γ}}_i\left(l\right)({\mathrm{\ϵ}}_i^2\left(l\right)m^2\left(l\right)-{4\mathrm{\μ}}^2)+c_0\underset{l=k-N+1}{\overset{k}{\mathrm{\Σ}}}{\left({\mathrm{\ϵ}}_i\left(l\right)m^2\left(l\right)\right)}^2,i=\mathrm{1,2},$其中，1＞Γ_i＞0，1≥c₀≥0μ是非线性系统的非线性项的增长率的上界，m²(l)＝1+||ψ(l)||²+n_d(l)，n_d(k+1)＝ρ₀n_d(k)+|δu(k)|²+|y(k)|²，0≤ρ₀＜1，k是大于等于1的整数；S5：选择S4中得出的性能指标值较小的控制器在S3中产生的输出值，作为所述非最小相位非线性系统的控制输入u(k)；S6：利用线性辨识误差e₁(k)和非线性辨识误差e₂(k)分别更新下一时刻的线性辨识参数、非线性辨识参数和神经网络的权值；S7：重复S2‑S6。