基于多模型的非线性系统的自适应混合控制方法及系统的制作方法
【专利摘要】本发明涉及一种基于多模型的非线性系统的自适应混合控制方法及系统，通过将非线性系统在平衡点处线性化获得线性模型，然后在每个工作区域设计对应的线性自适应鲁棒控制器，各个子控制器间采用混合的控制策略，避免了子控制器间因切换而引发振荡，提高了控制效果，在控制器中引入动态自适应神经网络来补偿未建模动态以及建t吴误差，提局了系统的稳定性和动态性能。
【专利说明】基于多模型的非线性系统的自适应混合控制方法及系统
【技术领域】
[0001] 本发明涉及一种非线性系统的控制方法及系统，尤其涉及一种基于多模型的非线 性系统的自适应混合控制方法及系统。
【背景技术】
[0002] 多模型自适应控制（MMAC)是对于具有强非线性和参数跳变的系统进行控制的一 种有效的方法。上世纪90年代以来，由Middleton, Goodwin, Narendra等人基于线性连续时 间系统，相继给出了基于指标切换函数的多模型自适应控制，并证明了算法的闭环稳定性。 近来神经元网络作为强有力的非线性建模工具已大量应用于非线性被控对象，它与多模型 方法的结合，对非线性系统的控制已得到了一些令人满意的结果。目前存在两种主要的控 制思路：1通过在一个工作点建立一个线性鲁棒自适应控制器和一个基于神经网络的非线 性自适应控制器，根据切换准则选取一个合适的控制器对系统进行控制。线性控制器用以 保证系统的稳定性，非线性控制器用以提高系统的性能.2在工作点建立线性鲁棒控制器， 并在控制器中引入动态结构自适应网络来补偿未建模动态和建模误差。但上述思路均采用 基于切换的多模型自适应控制器，能快速地响应模型的突变，但子控制器间切换时暂态响 应不好，且系统控制存在滞后时，有可能会导致子控制器间频繁切换，引发系统震荡。因此 寻找一种控制方法解决控制器间切换引发的振荡是非常必要的，这样会有益于提高控制效 果。
【发明内容】
[0003] 本发明的目的在于提供一种基于多模型的非线性系统的自适应混合控制方法及 系统，以解决基于多模型的非线性系统控制中系统振荡的问题。
[0004] 为了解决上述问题，本发明涉及了一种基于多模型的非线性系统的自适应混合控 制方法，包括以下步骤：
[0005] 线性模型建立步骤：将所述非线性系统在平衡点处线性化以获得线性模型 S^yGi+d) = 0Tw(k)，其中 w(k) = [y(k),…，y(k-n+l)，u(k)，一u(k-n+l)]T，系统的参数
【权利要求】
1. 一种基于多模型的非线性系统的自适应混合控制方法，通过混合控制器对一非线性 系统进行控制，其特征在于，包括以下步骤： 线性模型建立步骤：将所述非线性系统在平衡点处线性化以获得线性模型S1:y(k+d)
系统的参数
称为系统的参数，系统的参数Θ所有取 值构成的集合为系统的参数模型集Ω ; 多线性模型子集建立步骤：根据先验知识，将Ω划分成η个模型子集Ω i (i = 1，2··· η)； 参数估计辨识步骤：采用辨识算法更新下一时刻的参数估计P(k); 混合控制信号设置步骤：设置β (θ#) = 为混合控制信号，其中 ΜΘ*)是连续可微的函数，且 + ?^(θ*) = 1，^(θ*)，β2(θ*)，...
。表示为活跃参数子 集的集合，当参数估计值0?(k) e 时，称为活跃的参数子集； 混合控制器设置步骤：对每一个模型子集设置一个鲁棒控制器为
其中，为单位延迟算子；所有鲁棒控制器与其对应的混合控制信 号β (Θ#)值得到混合控制器，所述混合控制器为
，混合控制器的传递 函数
其中，Pl e 1?，]32和 1 e rn_2，
ei e rn为第i个标准基础矢量， Pl (β )，P2 (β )，1 (β )是关于β的连续可微的函数；通过混合控制器得到所述线性模型得 到所述非线性系统的线性部分； 非线性部分补偿步骤：混合控制器中引入RBF神经网络来补偿所述非线性系统中的非 线性部分，使混合控制器为u = uf+un，RBF神经网络为：
，将非线 性系统在零点线性化后得到模型表述为：
其中B为控制矩阵，
为W在k时刻的估计值。
2. 如权利要求1所述的一种基于多模型的非线性系统的自适应混合控制方法，其特征 在于，参数估计辨识步骤包括：
，式中R为正定 常数矩阵，Y为自适应增益。
3. 如权利要求1或2所述的一种基于多模型的非线性系统的自适应混合控制方法，其 特征在于，模型子集满足
η.，δ为常量，
为模 型子集Ω i的中心，ri为半径，Θ ?为参数估计值，η为正整数。
4. 如权利要求1所述的一种基于多模型的非线性系统的自适应混合控制方法，其特征 在于，#(/<_)的调整方式为：
式中μ为自适应增益，S为设计参数。
5. 如权利要求4所述的一种基于多模型的非线性系统的自适应混合控制方法，其特征 在于，通过RBF神经网络来补偿所述非线性系统中的非线性部分的变化为通过神经网络在 某个集合上以任意精度逼近所述非线性系统的非线性部分而得到：
其中
为已知的常数， ε (k)为有界逼近误差，且有
i为大于零的常数。
6. -种基于多模型的非线性系统的自适应混合控制系统，对一非线性系统进行控制， 其特征在于，包括 线性模型建立单元：将所述非线性系统在平衡点处线性化以获得线性模型S1:y(k+d)
系统的参数
称为系统的参数，系统的参数Θ所有取 值构成的集合为系统的参数模型集Ω ; 多线性模型子集建立单元：与线性模型建立单元相连接，根据先验知识，将Ω划分成η 个模型子集Qji = 1,2…η); 参数估计辨识单元：采用辨识算法更新下一时刻的参数估计P(k); 混合控制信号设置单元：与参数估计辨识单元相连接，设置β (θ#) = … 为混合控制信号，其中β (θ〇是连续可微的函数，且+
其 中i = l,…η,Ι#表示为活跃参数子集的集合，当参数估计值0#〇〇 e 时，称为活 跃的参数子集；混合控制器设置单元：与多线性模型子集建立单元以及混合控制信号设置 单元相连，对每一个模型子集设置一个鲁棒控制器为
其中，f为单位 延迟算子；所有鲁棒控制器与其对应的混合控制信号β (Θ 0值得到混合控制器，所述混合 控制器为
混合控制器的传递函数
为第i个标准基础矢量， Ρι (β )，Ρ2 (β )，1 (β )是关于β的连续可微的函数，β是混合控制信号；通过混合控制器 得到所述线性模型得到所述非线性系统的线性部分； 非线性部分补偿单元：与混合控制器设置步骤单元相连，向混合控制器中引入RBF神 经网络来补偿所述非线性系统中的非线性部分，使混合控制器为u = uf+un，神经网络为
将非线性系统在零点线性化后得到模型表述为：
其中B为控制矩阵，护(幻为W在k时刻的估计值。
7. 如权利要求6所述的一种基于多模型的非线性系统的自适应混合控制系统，其特征 在于，采用辨识算法更新下一时刻的参数估计θ?〇〇为
，其中
式中R为正定 常数矩阵，Υ为自适应增益。
8. 如权利要求5所述的一种基于多模型的非线性系统的自适应混合控制系统，其特征 在于，模型子集满足
为常量，
为模型子集 Ω i的中心，&为半径，Θ #为参数估计值，η为正整数。
9. 如权利要求5所述的一种基于多模型的非线性系统的自适应混合控制系统，其特征 在于，#(幻的调整方式为：
式中μ为自适应增益，S为设计参数。
10. 如权利要求5所述的一种基于多模型的非线性系统的自适应混合控制系统，其特 征在于，通过RBF神经网络来补偿所述非线性系统中的非线性部分的变化为通过神经网络 在某个集合上以任意精度逼近所述非线性系统的非线性部分而得到：
并且
为已知的常数， ε (k)为有界逼近误差，且有
为大于零的常数。
【文档编号】G05B13/04GK104216285SQ201410409446
【公开日】2014年12月17日 申请日期:2014年8月19日 优先权日:2014年8月19日
【发明者】王昕 , 曹叙风 申请人:上海交通大学