[發(fā)明專利]MIMO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(qǐng)?zhí)枺?/td>: 201711263375.7
• 申請(qǐng)日: 2017-12-04
• 公開（公告）號(hào): CN108132600B
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: 盧建剛;李雪園
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 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.MIMO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)：針對(duì)具有mu個(gè)輸入與my個(gè)輸出的MIMO(Multiple Input and MultipleOutput，多輸入多輸出)系統(tǒng)，其中mu為大于或等于2的整數(shù)，my為大于或等于2的整數(shù)，采用MIMO緊格式無模型控制器進(jìn)行控制；所述MIMO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MIMO緊格式無模型控制器待整定參數(shù)，所述MIMO緊格式無模型控制器待整定參數(shù)，為所述MIMO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MIMO緊格式無模型控制器待整定參數(shù)個(gè)數(shù)；初始化所述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)；初始化集合{偏導(dǎo)信息集}中的偏導(dǎo)信息；

步驟(2)：將當(dāng)前時(shí)刻記為k時(shí)刻；

步驟(3)：基于MIMO系統(tǒng)的第jy個(gè)輸出期望值與第jy個(gè)輸出實(shí)際值，其中1≤jy≤my，采用第jy個(gè)誤差計(jì)算函數(shù)計(jì)算得到k時(shí)刻的第jy個(gè)誤差，記為e_jy(k)；所述第jy個(gè)誤差計(jì)算函數(shù)的自變量包含第jy個(gè)輸出期望值與第jy個(gè)輸出實(shí)際值；針對(duì)MIMO系統(tǒng)的其他my-1個(gè)輸出，重復(fù)執(zhí)行本步驟，直至得到由my個(gè)誤差所構(gòu)成的誤差向量e(k)＝[e₁(k)，…，e_my(k)]^T，然后進(jìn)入步驟(4)；

步驟(4)：將所述集合{偏導(dǎo)信息集}中的偏導(dǎo)信息作為BP神經(jīng)網(wǎng)絡(luò)的輸入，所述BP神經(jīng)網(wǎng)絡(luò)進(jìn)行前向計(jì)算，計(jì)算結(jié)果通過所述BP神經(jīng)網(wǎng)絡(luò)的輸出層輸出，得到所述MIMO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)得到的所述誤差向量e(k)、步驟(4)得到的所述MIMO緊格式無模型控制器待整定參數(shù)的值，采用MIMO緊格式無模型控制器的控制算法，計(jì)算得到MIMO緊格式無模型控制器針對(duì)被控對(duì)象在k時(shí)刻的控制輸入向量u(k)＝[u₁(k)，…，u_mu(k)]^T；

步驟(6)：針對(duì)步驟(5)得到的所述控制輸入向量u(k)中的第ju個(gè)控制輸入u_ju(k)，其中1≤ju≤mu，計(jì)算所述第ju個(gè)控制輸入u_ju(k)分別針對(duì)各個(gè)所述MIMO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MIMO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)，所述第ju個(gè)控制輸入u_ju(k)針對(duì)所述懲罰因子λ在k時(shí)刻的梯度信息為：

當(dāng)所述MIMO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)，所述第ju個(gè)控制輸入u_ju(k)針對(duì)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MIMO系統(tǒng)偽雅克比矩陣估計(jì)值，為矩陣的第jy行第ju列元素，為矩陣的2范數(shù)；

上述全部所述梯度信息的集合記為{梯度信息ju}，放入集合{梯度信息集}；

將所述{梯度信息ju}集合中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MIMO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)則所述{梯度信息ju}集合中的梯度信息記為前一時(shí)刻的偏導(dǎo)信息當(dāng)所述MIMO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)則所述{梯度信息ju}集合中的梯度信息記為前一時(shí)刻的偏導(dǎo)信息

上述全部所述偏導(dǎo)信息的集合記為{偏導(dǎo)信息ju}，放入所述集合{偏導(dǎo)信息集}；

針對(duì)步驟(5)得到的所述控制輸入向量u(k)中的其他mu-1個(gè)控制輸入，重復(fù)執(zhí)行本步驟，直至所述集合{梯度信息集}包含全部{{梯度信息1}，…，{梯度信息mu}}的集合，同時(shí)所述集合{偏導(dǎo)信息集}包含全部{{偏導(dǎo)信息1}，…，{偏導(dǎo)信息mu}}的集合，然后進(jìn)入步驟(7)；

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)得到的所述集合{梯度信息集}，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my個(gè)誤差、my個(gè)輸出期望值、my個(gè)輸出實(shí)際值的任意之一或任意種組合；

步驟(8)：所述控制輸入向量u(k)作用于被控對(duì)象后，得到被控對(duì)象在后一時(shí)刻的my個(gè)輸出實(shí)際值，返回到步驟(2)，重復(fù)步驟(2)到步驟(8)。