[發(fā)明專利]SISO緊格式無模型控制器基于偏導(dǎo)信息的參數(shù)自整定方法

有效

• 申請?zhí)枺?/td>: 201711081072.3
• 申請日: 2017-11-06
• 公開（公告）號: CN108073072B
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 盧建剛;李雪園
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G05B13/02
• 分類號: G05B13/02
• 代理公司: 浙江杭州金通專利事務(wù)所有限公司 33100
• 代理人: 劉曉春

1.SISO緊格式無模型控制器基于偏導(dǎo)信息的參數(shù)自整定方法，其特征在于包括以下步驟：

步驟(1)：SISO緊格式無模型控制器參數(shù)包含懲罰因子λ和步長因子ρ；確定SISO緊格式無模型控制器待整定參數(shù)，所述SISO緊格式無模型控制器待整定參數(shù)，為所述SISO緊格式無模型控制器參數(shù)的部分或全部，包含懲罰因子λ和步長因子ρ的任意之一或任意種組合；確定BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)、隱含層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)，所述輸出層節(jié)點(diǎn)數(shù)不少于所述SISO緊格式無模型控制器待整定參數(shù)個(gè)數(shù)；初始化BP神經(jīng)網(wǎng)絡(luò)的隱含層權(quán)系數(shù)、輸出層權(quán)系數(shù)；

步驟(2)：初始化前一時(shí)刻的偏導(dǎo)信息，作為BP神經(jīng)網(wǎng)絡(luò)的輸入；

步驟(3)：將當(dāng)前時(shí)刻記為k時(shí)刻，基于系統(tǒng)輸出期望值與系統(tǒng)輸出實(shí)際值，采用系統(tǒng)誤差計(jì)算函數(shù)計(jì)算得到k時(shí)刻的系統(tǒng)誤差，記為e(k)；所述系統(tǒng)誤差計(jì)算函數(shù)的自變量包含系統(tǒng)輸出期望值與系統(tǒng)輸出實(shí)際值；

步驟(4)：基于所述BP神經(jīng)網(wǎng)絡(luò)的輸入，BP神經(jīng)網(wǎng)絡(luò)進(jìn)行前向計(jì)算，計(jì)算結(jié)果通過輸出層輸出，得到所述SISO緊格式無模型控制器待整定參數(shù)的值；

步驟(5)：基于步驟(3)得到的系統(tǒng)誤差e(k)、步驟(4)得到的所述SISO緊格式無模型控制器待整定參數(shù)的值，采用SISO緊格式無模型控制器的控制算法，計(jì)算得到SISO緊格式無模型控制器針對被控對象在k時(shí)刻的控制輸入u(k)；

步驟(6)：基于步驟(5)得到的所述控制輸入u(k)，計(jì)算所述控制輸入u(k)分別針對各個(gè)所述SISO緊格式無模型控制器待整定參數(shù)在k時(shí)刻的梯度信息，具體計(jì)算公式如下：

當(dāng)所述SISO緊格式無模型控制器待整定參數(shù)中包含懲罰因子λ時(shí)，所述控制輸入u(k)針對所述懲罰因子λ在k時(shí)刻的梯度信息為：

當(dāng)所述SISO緊格式無模型控制器待整定參數(shù)中包含步長因子ρ時(shí)，所述控制輸入u(k)針對所述步長因子ρ在k時(shí)刻的梯度信息為：

其中，為k時(shí)刻的偽梯度估計(jì)值；

步驟(7)：以系統(tǒng)誤差函數(shù)的值最小化為目標(biāo)，采用梯度下降法，結(jié)合步驟(6)得到的所述梯度信息，進(jìn)行系統(tǒng)誤差反向傳播計(jì)算，更新BP神經(jīng)網(wǎng)絡(luò)的隱含層權(quán)系數(shù)、輸出層權(quán)系數(shù)，作為后一時(shí)刻BP神經(jīng)網(wǎng)絡(luò)進(jìn)行前向計(jì)算時(shí)的隱含層權(quán)系數(shù)、輸出層權(quán)系數(shù)；所述系統(tǒng)誤差函數(shù)的自變量包含系統(tǒng)誤差、系統(tǒng)輸出期望值、系統(tǒng)輸出實(shí)際值的任意之一或任意種組合；

步驟(8)：將步驟(6)計(jì)算得到的所述控制輸入u(k)分別針對各個(gè)所述SISO緊格式無模型控制器待整定參數(shù)在k時(shí)刻的梯度信息依序記為前一時(shí)刻的偏導(dǎo)信息，即：當(dāng)所述SISO緊格式無模型控制器待整定參數(shù)中包含懲罰因子λ時(shí)則在k時(shí)刻的梯度信息之一記為前一時(shí)刻的偏導(dǎo)信息之一當(dāng)所述SISO緊格式無模型控制器待整定參數(shù)中包含步長因子ρ時(shí)則在k時(shí)刻的梯度信息之一記為前一時(shí)刻的偏導(dǎo)信息之一所述前一時(shí)刻的偏導(dǎo)信息作為后一時(shí)刻BP神經(jīng)網(wǎng)絡(luò)進(jìn)行前向計(jì)算時(shí)所述BP神經(jīng)網(wǎng)絡(luò)的輸入；

步驟(9)：所述控制輸入u(k)作用于被控對象后，得到被控對象在后一時(shí)刻的系統(tǒng)輸出實(shí)際值，返回到步驟(3)，重復(fù)步驟(3)到步驟(9)。

2.根據(jù)權(quán)利要求1所述的SISO緊格式無模型控制器基于偏導(dǎo)信息的參數(shù)自整定方法，其特征在于，所述步驟(3)中的所述系統(tǒng)誤差計(jì)算函數(shù)采用e(k)＝y(tǒng)^*(k)-y(k)，其中y^*(k)為k時(shí)刻設(shè)定的系統(tǒng)輸出期望值，y(k)為k時(shí)刻采樣得到的系統(tǒng)輸出實(shí)際值；或者采用e(k)＝y(tǒng)^*(k+1)-y(k)，其中y^*(k+1)為k+1時(shí)刻的系統(tǒng)輸出期望值，y(k)為k時(shí)刻采樣得到的系統(tǒng)輸出實(shí)際值。

3.根據(jù)權(quán)利要求1所述的SISO緊格式無模型控制器基于偏導(dǎo)信息的參數(shù)自整定方法，其特征在于，所述步驟(7)中的所述系統(tǒng)誤差函數(shù)為e²(k)+ωΔu²(k)，其中，e(k)為系統(tǒng)誤差，Δu(k)＝u(k)-u(k-1)，ω為大于或等于0的常數(shù)。