[發明專利]逆模型建模方法及裝置、以及自適應逆控制方法及裝置

在審

• 申請號: 201710255070.5
• 申請日: 2017-04-19
• 公開（公告）號: CN107450311A
• 公開（公告）日: 2017-12-08
• 發明（設計）人: 張冠宇;張皓晨;林君;張劉;王藝添;樊毅堯
• 申請（專利權）人: 吉林大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京成創同維知識產權代理有限公司11449
• 代理人: 蔡純,張靖琳

技術領域

本發明涉及自適應控制領域，具體涉及一種逆模型建模方法、自適應逆控制方法及自適應逆控制裝置。

背景技術

近年來，隨著智能控制技術的發展，智能建模技術已經被廣泛應用到逆系統控制當中，為實現對復雜非線性系統進行精確控制提供了可能。逆系統控制是一種基于反饋線性化法的控制策略，其基本思想是：首先，建立被控對象的逆系統模型，并將該逆系統模型與被控對象串聯構成偽線性復合系統，以此實現對被控對象的近似線性化和基本解耦；然后，再運用各種成熟的控制器的設計方法對“線性化”和“解耦”后的各子系統設計附加控制器，從而達到對多變量非線性系統進行有效控制的目的。

在當前的逆控制研究中，神經網絡、模糊算法等是最常用的逆模型建模方法。其中，1990年，Narendra等研究了神經網絡模型的逼近能力，為人工神經網絡應用于非線性系統的辨識及控制提供了理論依據。在逆系統建模方面，Cochofel等研究了自適應逆控制裝置中適合神經網絡的應用環境。Liu等將基于徑向基函數的神經網絡應用于被控系統逆模型的辨識，并將自適應擾動消除器和反饋補償引入到其設計的逆控制系統中，提高了系統的跟蹤性能和抗干擾能力。LI等人采用動態逆方法實現了高超聲速飛行器縱向模型的完全線性化，并與基于指數趨近律的滑模控制相結合，實現了高超聲速飛行器高度與速度機動過程的良好控制。XU等人給出的高超聲速飛行器縱向模型為研究對象，采用動態逆控制方法推導了其逆系統，實現了縱向模型輸入輸出間的反饋線性化，并分別 采用神經網絡方法和自適應滑模控制方法完成了外環控制系統設計，實現了高超聲速飛行器高度與速度機動過程的良好控制。此外，在模糊算法建模方面，Krishnapuram和Chin提出了比較聚類法，通過設立某種度量指標來評價聚類質量，對應于最小度量指標的聚類個數即被認為是最佳聚類數。Kaymak和Babuska提出了融合聚類法，首先給定一個較大的聚類數，然后陸續將相鄰聚類中心進行合并，從而達到減少聚類個數的目的。Boukezzoula等分別將T-S模糊模型和模糊樹模型應用于非線性系統逆模型的辨識。雖然以上方法都取得了很好的控制效果，但是其建模效率和精度上都略顯不足。

發明內容

本發明為了實現精確的在線控制，提供一種逆模型建模方法和自適應逆控制方法，采用克里金算法進行逆建模和并據此對復雜非線性多入多出的被控系統進行控制，進而提高對被控系統的控制效率和控制精度。

根據本發明的第一方面，本發明提供一種逆模型建模方法，包括以下步驟：

將提供給被控系統的控制信號X和來自被控系統的輸出信號Y作為樣本，利用克里金算法進行建模訓練，得到克里金逆模型，并基于克里金逆模型得到控制信號X的輸出信號

將輸出信號Y與輸出信號相減，得到偏差信號e；以及

利用偏差信號e對克里金逆模型進行調整。

優選地，通過將控制信號X輸入到被控系統中，加上外界擾動信號后得到所述輸出信號Y。

優選地，所述將控制信號X和輸出信號Y作為樣本，利用克里金算法進行建模訓練包括：

基于控制信號X和輸出信號Y構造克里金模型；以及

以預測偏差最小為目標，利用相應的優化算法，選取克里金模型的相關性系數。

優選地，所述基于控制信號X和輸出信號Y構造克里金模型包括：構造Y＝f^T(X)β_k+z_k(X)

其中f^T(X)＝[f₁(X),…,f_m(X)]^T是關于X的多項式，β_k＝[β_k1,…,β_km]^T，式中β_k是回歸系數向量，z_k(X)是隨機誤差函數,m是回歸模型基函數的個數，Y(X)是待測響應值，其中，

E[z_k(X)]＝0

Cov(x_i,x_j)＝σ²R(x_i,x_j),i,j＝1...n_k