针对可测扰动的偏格式无模型自适应扰动补偿控制方法技术

本发明专利技术公开了一种针对可测扰动的偏格式无模型自适应扰动补偿控制方法。该方法建立可测扰动作用下被控对象的动态线性化数据模型；构建并求解代价函数，优化更新伪雅克比输入矩阵和伪雅克比扰动矩阵；设计针对可测扰动的偏格式无模型自适应扰动补偿控制方案；构建并求解能量函数，优化更新偏格式自适应输入矩阵和偏格式自适应扰动矩阵；采用本发明专利技术的控制方案对可测扰动作用下被控对象进行控制。本发明专利技术的控制方法能够明显削弱可测扰动对被控对象系统输出实际值的影响，实现对期望值轨迹的有效跟踪，显著提升扰动补偿控制性能。显著提升扰动补偿控制性能。显著提升扰动补偿控制性能。

【技术实现步骤摘要】
针对可测扰动的偏格式无模型自适应扰动补偿控制方法


[0001]本专利技术属于自动化控制领域，尤其是涉及一种针对可测扰动的偏格式无模型自适应扰动补偿控制方法。

技术介绍

[0002]扰动广泛存在于实际控制系统中，如炼油、石化、化工、制药、食品、造纸、水处理、火电、冶金、水泥、橡胶、机械、电气、交通运输、机器人等行业的大多数被控对象，包括反应器、精馏塔、机器、设备、装置、生产线、车间、工厂、无人车、无人船、无人机、自主移动机器人等。事实上，扰动的存在通常会降低系统的控制性能，严重时可能会造成整个系统的不稳定，进而影响系统安全。
[0003]现有的偏格式无模型自适应控制方法，首先由侯忠生与金尚泰在其合著的《无模型自适应控制—理论与应用》(科学出版社，2013年，第104页)中提出。在此基础上，专利技术CN108107721A、CN108107722A提出了基于SISO的解耦方法，解决了强耦合多输入多输出系统的控制难题；专利技术CN108287470A、CN108287471A提出了基于神经网络的参数自整定方法，解决了参数选取费时费力的难题；专利技术CN111522231A提出了一种异因子控制方法，解决了强非线性多输入多输出系统控制通道特性各异的控制问题；专利技术CN111522229A对专利技术CN111522231A进行了扩展，提出了带有参数自整定的异因子控制方法，进一步解决了异因子参数需要费时费力进行整定的难题。需要指出的是，上述专利技术方法都尚未考虑扰动作用下被控对象的控制难题。
[0004]针对可测扰动作用下的多输入多输出被控对象，如何高效地利用被控对象实时测量的输入输出数据，不依赖任何数学模型信息进行扰动补偿控制方法的分析和设计，并且所设计的控制方法能够削弱可测扰动对被控对象系统输出实际值的影响，实现对系统输出期望值的有效跟踪，具有重要的工业应用价值。为实现上述目标，本专利技术提出了一种针对可测扰动的偏格式无模型自适应扰动补偿控制方法。

技术实现思路

[0005]为了解决
技术介绍
中存在的问题，本专利技术的目的在于，提供一种针对可测扰动的偏格式无模型自适应扰动补偿控制方法，所述控制方法运行在硬件平台上对可测扰动作用下的被控对象进行控制，所述被控对象为包含多个控制输入、多个系统输出的多输入多输出系统，所述控制方法的特征在于，包括以下步骤：
[0006]步骤(1)：获取k采样时刻的可测扰动，建立可测扰动作用下被控对象的动态线性化数据模型，所述被控对象的动态线性化数据模型包含伪雅可比输入矩阵θ(k)和伪雅可比扰动矩阵χ(k)；
[0007]步骤(2)：构建代价函数并利用函数极值法求解所述代价函数，优化更新步骤(1)中所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)；
[0008]步骤(3)：利用k采样时刻的可测扰动，基于步骤(2)优化所述伪雅可比输入矩阵θ
(k)和所述伪雅可比扰动矩阵χ(k)后的被控对象的动态线性化数据模型，设计针对可测扰动的偏格式无模型自适应扰动补偿控制方案，所述控制方案包含偏格式自适应输入矩阵π
p
(k)和偏格式自适应扰动矩阵ω
p
(k)；
[0009]步骤(4)：构建能量函数并利用动量梯度下降法求解所述能量函数，优化更新步骤(3)中所述偏格式自适应输入矩阵π
p
(k)和所述偏格式自适应扰动矩阵ω
p
(k)；
[0010]步骤(5)：采用步骤(4)优化所述偏格式自适应输入矩阵π
p
(k)和所述偏格式自适应扰动矩阵ω
p
(k)后的控制方案对可测扰动作用下被控对象进行控制，削弱可测扰动对被控对象系统输出实际值的影响，实现对系统输出期望值的有效跟踪。
[0011]进一步地，步骤(1)中所述的获取k采样时刻的可测扰动，建立可测扰动作用下被控对象的动态线性化数据模型为：
[0012]Δy(k+1)＝θ(k)Δu(k)+χ(k)Δd(k)
[0013]其中，k为采样时刻，k为正整数；y(k+1)为k+1采样时刻所述被控对象的系统输出实际值向量，y(k+1)＝[y1(k+1),
…
,y
n
(k+1)]T
，Δy(k+1)＝y(k+1)
‑
y(k)；n为所述被控对象的系统输出总个数，n为大于1的整数；u(k)为k采样时刻所述被控对象的控制输入向量，u(k)＝[u1(k),
…
,u
m
(k)]T
，Δu(k)＝u(k)
‑
u(k
‑
1)；m为所述被控对象的控制输入总个数，m为大于1的整数；d(k)为k采样时刻所述被控对象受到的可测扰动向量，d(k)＝[d1(k),
…
,d
q
(k)]T
，Δd(k)＝d(k)
‑
d(k
‑
1)；q为所述被控对象受到的可测扰动总个数，q为正整数；θ(k)为k采样时刻伪雅可比输入矩阵，χ(k)为k采样时刻伪雅可比扰动矩阵χ(k)。
[0014]步骤(2)中所述的构建代价函数并利用函数极值法求解所述代价函数，优化更新步骤(1)中所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)，主要包括以下步骤：
[0015]步骤(2.1)：为所述伪雅可比输入矩阵θ(k)，构建代价函数
[0016]J(θ(k))＝||Δy(k)
‑
θ(k)Δu(k
‑
1)
‑
χ(k
‑
1)Δd(k
‑
1)||2+μ1||Δθ(k)||2[0017]其中，μ1为第一个权重因子；
[0018]步骤(2.2)：为所述伪雅可比扰动矩阵χ(k)，构建代价函数
[0019]J(χ(k))＝||Δy(k)
‑
θ(k
‑
1)Δu(k
‑
1)
‑
χ(k)Δd(k
‑
1)||2+μ2||Δχ(k)||2[0020]其中，μ2为第二个权重因子；
[0021]步骤(2.3)：利用函数极值法求解步骤(2.1)中所述的代价函数，优化更新所述伪雅可比输入矩阵θ(k)，
[0022][0023]其中，α1为第一个步长因子；
[0024]步骤(2.4)：利用函数极值法求解步骤(2.2)中所述的代价函数，优化更新所述伪雅可比扰动矩阵χ(k)，
[0025][0026]其中，α2为第二个步长因子。
[0027]步骤(3)中所述的利用k采样时刻的可测扰动，基于步骤(2)优化所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)后的被控对象的动态线性化数据模型，设计针对
可测扰动的偏格式无模型自适应扰动补偿控制方案为：
[0028]u(k)＝u(k
‑
1)+π
p
(k)ΔE(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.针对可测扰动的偏格式无模型自适应扰动补偿控制方法，所述控制方法运行在硬件平台上对可测扰动作用下的被控对象进行控制，所述被控对象为包含多个控制输入、多个系统输出的多输入多输出系统，所述控制方法的特征在于，包括以下步骤：步骤(1)：获取k采样时刻的可测扰动，建立可测扰动作用下被控对象的动态线性化数据模型，所述被控对象的动态线性化数据模型包含伪雅可比输入矩阵θ(k)和伪雅可比扰动矩阵χ(k)；步骤(2)：构建代价函数并利用函数极值法求解所述代价函数，优化更新步骤(1)中所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)；步骤(3)：利用k采样时刻的可测扰动，基于步骤(2)优化所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)后的被控对象的动态线性化数据模型，设计针对可测扰动的偏格式无模型自适应扰动补偿控制方案，所述控制方案包含偏格式自适应输入矩阵π
p
(k)和偏格式自适应扰动矩阵ω
p
(k)；步骤(4)：构建能量函数并利用动量梯度下降法求解所述能量函数，优化更新步骤(3)中所述偏格式自适应输入矩阵π
p
(k)和所述偏格式自适应扰动矩阵ω
p
(k)；步骤(5)：采用步骤(4)优化所述偏格式自适应输入矩阵π
p
(k)和所述偏格式自适应扰动矩阵ω
p
(k)后的控制方案对可测扰动作用下被控对象进行控制，削弱可测扰动对被控对象系统输出实际值的影响，实现对系统输出期望值的有效跟踪。2.根据权利要求1所述的针对可测扰动的偏格式无模型自适应扰动补偿控制方法，其特征在于，步骤(1)中所述的获取k采样时刻的可测扰动，建立可测扰动作用下被控对象的动态线性化数据模型为：Δy(k+1)＝θ(k)Δu(k)+χ(k)Δd(k)其中，k为采样时刻，k为正整数；y(k+1)为k+1采样时刻所述被控对象的系统输出实际值向量，y(k+1)＝[y1(k+1),
…
,y
n
(k+1)]
T
，Δy(k+1)＝y(k+1)
‑
y(k)；n为所述被控对象的系统输出总个数，n为大于1的整数；u(k)为k采样时刻所述被控对象的控制输入向量，u(k)＝[u1(k),
…
,u
m
(k)]
T
，Δu(k)＝u(k)
‑
u(k
‑
1)；m为所述被控对象的控制输入总个数，m为大于1的整数；d(k)为k采样时刻所述被控对象受到的可测扰动向量，d(k)＝[d1(k),
…
,d
q
(k)]
T
，Δd(k)＝d(k)
‑
d(k
‑
1)；q为所述被控对象受到的可测扰动总个数，q为正整数；θ(k)为k采样时刻伪雅可比输入矩阵，χ(k)为k采样时刻伪雅可比扰动矩阵χ(k)。3.根据权利要求1所述的针对可测扰动的偏格式无模型自适应扰动补偿控制方法，其特征在于，步骤(2)中所述的构建代价函数并利用函数极值法求解所述代价函数，优化更新步骤(1)中所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)，主要包括以下步骤：步骤(2.1)：为所述伪雅可比输入矩阵θ(k)，构建代价函数J(θ(k))＝||Δy(k)
‑
θ(k)Δu(k
‑
1)
‑
χ(k
‑
1)Δd(k
‑
1)||2+μ1||Δθ(k)||2其中，μ1为第一个权重因子；步骤(2.2)：为所述伪雅可比扰动矩阵χ(k)，构建代价函数J(χ(k))＝||Δy(k)
‑
θ(k
‑
1)Δu(k
‑
1)
‑
χ(k)Δd(k
‑
1)||2+μ2||Δχ(k)||2其中，μ2为第二个权重因子；步骤(2.3)：利用函数极值法求解步骤(2.1)中所述的代价函数，优化更新所述伪雅可比输入矩阵θ(k)，
其中，α1为第一个步长因子；步骤(2.4)：利用函数极值法求解步骤(2.2)中所述的代价函数，优化更新所述伪雅可比扰动矩阵χ(k)，其中，α2为第二个步长因子。4.根据权利要求1所述的针对可测扰动的偏格式无模型自适应扰动补偿控制方法，其特征在于，步骤(3)中所述的利用k采样时刻的可测扰动，基于步骤(2)优化所述伪雅可比输入矩阵θ(k)和所述伪雅可比扰动矩阵χ(k)后的被控对象的动态线性化数据模型，设计针对可测扰动的偏格式无模型自适应扰动补偿控制方案为：u(k)＝u(k
‑
1)+π
p
(k)ΔE(k)+ω
...

【专利技术属性】
技术研发人员：卢建刚，陈晨，
申请(专利权)人：浙江大学，
类型：发明
国别省市：