[發(fā)明專利]隨機系統(tǒng)基于動靜混合神經(jīng)網(wǎng)絡建模的抗干擾控制方法

有效

• 申請?zhí)枺?/td>: 201210351048.8
• 申請日: 2012-09-19
• 公開（公告）號: CN102866629A
• 公開（公告）日: 2013-01-09
• 發(fā)明（設計）人: 郭雷;張玉民
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G05B13/00
• 分類號: G05B13/00
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;成金玉

1.一種隨機系統(tǒng)基于動靜混合神經(jīng)網(wǎng)絡建模的抗干擾控制方法，其特征在于包括以下步驟：

首先，對于隨機分布控制系統(tǒng)的批量輸出建立靜態(tài)神經(jīng)網(wǎng)絡逼近模型；其次，對于靜態(tài)神經(jīng)網(wǎng)絡模型的權進行動態(tài)神經(jīng)網(wǎng)絡逼近，形成權動態(tài)系統(tǒng)；再次，針對權動態(tài)系統(tǒng)中的有界干擾設計觀測器進行估計并前饋補償；最后，基于線性矩陣不等式方法對復合控制系統(tǒng)設計觀測器增益和控制器增益，使權動態(tài)系統(tǒng)實現(xiàn)穩(wěn)定并滿足一定的抗干擾性能，具體步驟如下：

（1）對于隨機分布控制系統(tǒng)的批量輸出建立靜態(tài)神經(jīng)網(wǎng)絡逼近模型：

γ(y,u)=VnT(t)Bn(y)]]>

其中，y∈[y₁,y₂]是隨機分布控制系統(tǒng)的批量輸出，y₁、y₂是已知實數(shù)，y₁，y₂分別表示輸出的上屆和下屆，γ(y,u)是輸出y在輸入u條件下的概率密度函數(shù)的平方根,滿足B_n(y)是相應的神經(jīng)網(wǎng)絡逼近模型，其中V_n(t)＝[v₁(t),v₂(t),…,v_n(t)]^T和B_n(y)＝[b₁(y),b₂(y),…,b_n(y)]是權函數(shù)向量和相應的基函數(shù)向量，i＝1,2,…,n；v_i(t)和b_i(y)分別是權函數(shù)和對應的基函數(shù)，i＝1,2,…,n；令V(t)＝[v₁(t),v₂(t),…,v_n-1(t)]^T，B(y)＝[b₁(y),b₂(y),…,b_n-1(y)]，則：

γ(y,u)＝V^T(t)B(y)+v_n(t)b_n(y)

其中vn(t)=Λ3-1(-Λ2V(t)+Λ3-VT(t)Λ0V(t)),]]>Λ1=∫y1y2B(y)BT(y)dy,]]>Λ2=∫y1y2BT(y)bn(y)dy,]]>Λ3=∫y1y2bn2(y)dy,]]>Λ3=Λ1Λ3-Λ2Λ2T;]]>

（2）針對第（1）步中的權函數(shù)V(t)建立動態(tài)神經(jīng)網(wǎng)絡逼近模型：

x·(t)=Ax(t)+Wf(x(t))+Hu(t)+Hd(t)V(t)=Cx(t)]]>

其中，x為權動態(tài)系統(tǒng)狀態(tài)，u為輸入，d為有界干擾,f(x)為神經(jīng)網(wǎng)絡的激活函數(shù)向量，滿足f^T(x)f(x)≤x^TLx，模擬神經(jīng)元的非線性特征，L＞0為正定對角矩陣，A為穩(wěn)定矩陣，W為對稱的神經(jīng)網(wǎng)絡連接權矩陣，H和C為已知矩陣，H列滿秩，C行滿秩；干擾d(t)滿足|d(t)|≤d₁＜∞且d₁和d₂分別是d(t)和的上界，|*|表示*的歐式范數(shù)；

（3）針對第（2）步中的干擾d(t)設計觀測器：

τ·=-NH[τ(t)+p(x(t))]-N[Ax(t)+Wf(x(t))+Hu(t)]d^(t)=τ(t)+p(x(t))]]>

其中τ(t)是干擾觀測器的狀態(tài)向量，p(x(t))是輔助函數(shù)，是對干擾d的估計，是待定的常值觀測器增益，是p(x(t))對于x的偏導數(shù)，令則觀測器誤差動態(tài)滿足：

e·d=-NHed+d·;]]>

（4）將第（3）步中的干擾估計用于前饋補償，構造復合控制器：

u(t)=-d^(t)+Kx(t)]]>

其中K是待定的控制器增益；

（5）由第（2）（3）（4）步得到閉環(huán)系統(tǒng)的狀態(tài)方程Σ為：

Σ:x·(t)e·d(t)=A+HKH0-NHx(t)ed(t)+W0f(x(t))+01d·(t)]]>

需設計控制器增益K和觀測器增益N使得系統(tǒng)Σ穩(wěn)定；

設計控制器增益為設計觀測器增益為其中P₁>0，P₂>0，R₁和R₂由以下線性矩陣不等式求得：

sym(AP1+HR1)HP1ϵ1WL0.5P1ϵ1-1I0*-sym(R2H)00ϵ2P2**-I00***-I0****-I<0]]>

其中sym(M)＝M+M^T（M為方陣），ε₁和ε₂是可調(diào)節(jié)正數(shù)，符號*表示對稱矩陣中相應部分的對稱塊；

（6）將第（5）步所設計的觀測器增益N代入第（3）步中的觀測器，將得到的干擾估計值代入第（4）步的復合控制器u(t)，同時將控制器增益K代入復合控制器u(t)，最后將復合控制器u(t)代入第（2）步的動態(tài)神經(jīng)網(wǎng)絡逼近模型，進而實時計算權函數(shù)V(t)和第（1）步的概率密度函數(shù)的平方根γ(y,u)，至此完成了隨機系統(tǒng)動靜混合神經(jīng)網(wǎng)絡建模及抗干擾控制器的設計。