一种神经网络自适应动态面控制器结构与设计方法
【技术领域】
[0001] 本发明涉及非线性系统控制领域，尤其涉及一类不确定严反馈非线性系统的神经 网络自适应动态面控制器结构及设计方法。
【背景技术】
[0002] 不确定严反馈非线性系统是一类典型的非线性系统，许多实际系统都满足不确定 严反馈非线性系统的形式，如船舶自动舵系统、汽车主动悬架系统、飞行器系统和机器人系 统等。因此对不确定严反馈非线性系统的控制研宄具有重要的理论价值与广泛的实际意 义。
[0003] 反步法（Backstepping)在处理不确定严反馈非线性系统控制问题时具有设计过 程清晰，控制律容易推导等特点，在工业控制领域得到了广泛的重视和发展。然而，反步法 在每步递推的过程中，需要对虚拟控制律进行求导，导致计算复杂性会随着被控系统阶数 的增长呈爆炸性增长，从而制约了反步法的实际应用。为克服反步法设计的缺陷，Swaroop 等人提出了一种动态面控制（Dynamic Surface Control，DSC)设计方法，通过引入若干一 阶滤波器，将复杂的求导运算转变成简单的代数运算，从而显著地降低了控制器的复杂性。 王丹与黄捷等将动态面与神经网络自适应控制技术相结合，显著放松了以往对被控系统不 确定性线性参数化的约束条件，解决了具有高度不确定性非线性系统的自适应控制设计问 题。随后，该方法被学者们推广到各种基于在线逼近的自适应动态面控制设计中。
[0004] 然而，在控制器结构和控制器设计方面，现有自适应动态面控制器设计技术仍存 在下列不足：
[0005] 第一，现有技术均采用跟踪误差进行在线学习，由于在初始阶段跟踪误差通常较 大，从而严重影响神经网络的暂态学习性能，进而使得控制器陷入饱和，最终会导致控制系 统整体控制性能降低。
[0006] 第二，现有技术中为了对被控系统不确定性进行快速学习，往往需要选取较大的 自适应控制参数，但大的自适应控制参数会导致控制信号的高频振荡，控制系统的鲁棒性 与稳定性相互制约，难以达到理想的控制效果。
[0007] 第三，现有技术中通常采用一阶滤波器得到虚拟控制信号及其导数的估计，由于 采用线性滤波器形式，很难实现对导数的精确估计，并且需要通过增加滤波器的带宽来提 尚控制系统的跟踪性能。
[0008] 第四，现有技术中均假设被控系统状态是精确可测的，但在实际应用中反馈状态 不可避免地存在测量噪声，由于现有控制器设计方法无法消除噪声对控制系统的影响，因 而很难保证理想的控制性能。
【发明内容】
[0009] 为解决现有技术存在的上述问题，本发明要提出一种神经网络自适应动态面控制 器结构及设计方法，不仅可以显著提高控制系统的暂态性能，避免控制器输入信号的高频 振荡，并且能够提高对虚拟控制信号估计的精确性，同时能够消除测量噪声带来的影响，使 得该设计方法更有利于实际的工程应用。
[0010] 为了实现上述目的，本发明的技术方案如下：一种神经网络自适应动态面控制器 结构，由η级子控制器组成；
[0011] 第1级子控制器的输入端与外部参考信号yj目连，还与测量机构的输出端X lm，x2m 相连，第1级子控制器的输出端α 2与第2级子控制器的输入端相连，第1级子控制器的另 一输出端Λ分别与第1级到η级子控制器的输入端相连；
[0012] 第i级子控制器的输入端与第i-Ι级子控制器的输入端a i相连，并与前i级子控 制器的输出端ζ =[為,...為]相连，还与测量机构的输出端Xim，x(i+1)m相连，第i级子控制器的 输出端a i与第i+Ι级子控制器的输入端相连，第i级子控制器的另一输出端矣分别与第i 级到η级子控制器的输入端相连；
[0013] 以此类推，第η级子控制器的输入端与第η-1级子控制器的输出端αη相连，并分 另Ij与全部η级子控制器的输出端1""=[毛,..i"]相连，还与测量机构的输出端X nm相连，第η级 子控制器的输出端u与被控系统的输入端相连；
[0014] 所述的第1级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、 逼近器、低通滤波器及求和器构成，跟踪微分器的输入端与外部参考信号h相连，跟踪微分 器的输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与预估器的输 出端相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输入端分别 与测量机构和预估器的输出端相连；预估器的输入端分别与测量机构和逼近器的输出端相 连，预估器的输出端为第1级子控制器的一个输出端；逼近器的输入端与比较器2的输出端 相连，另一输入端与预估器的输出端相连，逼近器的输出端还与低通滤波器的输入端相连； 低通滤波器的输出端与求和器的输入端相连；求和器的另一输入端与线性控制单元的输出 端相连，求和器的输出端为第1级子控制器的另一输出端；
[0015] 所述的第i级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、 逼近器、低通滤波器及求和器构成，跟踪微分器的输入端与第i-ι级子控制器的输出端相 连，跟踪微分器的输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与 预估器的输出端相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输 入端分别与测量机构和预估器的输出端相连；预估器的输入端分别与测量机构和逼近器的 输出端相连，预估器的输出端为第i级子控制器的一个输出端；逼近器的输入端与比较器 2的输出端相连，另一输入端与前i级子控制器的输出端相连，逼近器的输出端还与低通滤 波器的输入端相连；低通滤波器的输出端与求和器的输入端相连；求和器的另一输入端与 线性控制单元的输出端相连，求和器的输出端为第i级子控制器的另一输出端；
[0016] 所述的第η级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、 逼近器、低通滤波器及求和器构成，跟踪微分器的输入端与第η-I级子控制器的输出端相 连，跟踪微分器的输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与 预估器的输出端相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输 入端分别与测量机构和预估器的输出端相连；预估器的输入端分别与测量机构，逼近器及 求和单元的输出端相连；逼近器的输入端与比较器2的输出端相连，另一输入端与所有η级 子控制器的输出端相连，逼近器的输出端还与低通滤波器的输入端相连；低通滤波器的输 出端与求和器的输入端相连；求和器的另一输入端与线性控制单元的输出端相连，求和器 的输出端为第η级子控制器的输出端，与被控系统的输入端相连； 「00171 所沭的被掉紊缔由下列η阶不确宙严皮愦韭钱神紊缔形式I描沭，
【主权项】
1. 一种神经网络自适应动态面控制器结构，由η级子控制器组成；其特征在于： 第1级子控制器的输入端与外部参考信号^相连，还与测量机构的输出端xlm，x2m相连， 第1级子控制器的输出端α 2与第2级子控制器的输入端相连，第1级子控制器的另一输 出端元分别与第1级到η级子控制器的输入端相连； 第i级子控制器的输入端与第i-Ι级子控制器的输入端a i相连，并与前i级子控制 器的输出端瓦=[U.].相连，还与测量机构的输出端xim，相连，第i级子控制器的输 出端a i与第i+Ι级子控制器的输入端相连，第i级子控制器的另一输出端毛分别与第i级 到η级子控制器的输入端相连； 以此类推，第η级子控制器的输入端与第η-1级子控制器的输出端α η相连，并分别与 全部η级子控制器的输出端?；, = 相连，还与测量机构的输出端Xnm相连，第η级子控 制器的输出端u与被控系统的输入端相连； 所述的第1级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、逼近 器、低通滤波器及求和器构成，跟踪微分器的输入端与外部参考信号h相连，跟踪微分器的 输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与预估器的输出端 相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输入端分别与测 量机构和预估器的输出端相连；预估器的输入端分别与测量机构和逼近器的输出端相连， 预估器的输出端为第1级子控制器的一个输出端；逼近器的输入端与比较器2的输出端相 连，另一输入端与预估器的输出端相连，逼近器的输出端还与低通滤波器的输入端相连；低 通滤波器的输出端与求和器的输入端相连；求和器的另一输入端与线性控制单元的输出端 相连，求和器的输出端为第1级子控制器的另一输出端； 所述的第i级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、逼近 器、低通滤波器及求和器构成，跟踪微分器的输入端与第i-Ι级子控制器的输出端相连，跟 踪微分器的输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与预估 器的输出端相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输入端 分别与测量机构和预估器的输出端相连；预估器的输入端分别与测量机构和逼近器的输出 端相连，预估器的输出端为第i级子控制器的一个输出端；逼近器的输入端与比较器2的输 出端相连，另一输入端与前i级子控制器的输出端相连，逼近器的输出端还与低通滤波器 的输入端相连；低通滤波器的输出端与求和器的输入端相连；求和器的另一输入端与线性 控制单元的输出端相连，求和器的输出端为第i级子控制器的另一输出端； 所述的第η级子控制器由跟踪微分器、比较器1、比较器2、预估器、线性控制单元、逼近 器、低通滤波器及求和器构成，跟踪微分器的输入端与第η-I级子控制器的输出端相连，跟 踪微分器的输出端分别与比较器1和求和器的输入端相连；比较器1的另一输入端与预估 器的输出端相连，比较器1的输出端与线性控制单元的输入端相连；比较器2的两个输入端 分别与测量机构和预估器的输出端相连；预估器的输入端分别与测量机构，逼近器及求和 单元的输出