[發明專利]一種動態完全未知系統的數據驅動自適應預估器

有效

• 申請號: 202010131320.6
• 申請日: 2020-02-28
• 公開（公告）號: CN111352344B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 彭周華;阮明昊;劉陸;王丹;李鐵山;王浩亮
• 申請（專利權）人: 大連海事大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 大連至誠專利代理事務所(特殊普通合伙) 21242
• 代理人: 涂文詩;鄧珂

本發明實施例公開一種動態完全未知系統的數據驅動自適應預估器，其特征在于，包括：控制器模塊、擴張狀態觀測器模塊、堆棧器模塊、魯棒性預估器模塊；所述控制器模塊能夠基于所述系統中的狀態參數、魯棒性預估器模塊中的控制輸入增益參數、擴張狀態觀測器中的輸出參數、所述系統的期望狀態參數、控制參數估計標量參數獲取控制輸入參數以作為所述系統的輸入值。本發明不僅可以實現短時間內迅速對系統參數b₀、θ₁和進行精確穩定辨識，同時能夠消除對系統狀態參數的導數的依賴性，使得該設計方法更利于實際的工程應用。

技術領域

本發明涉及非線性系統控制技術領域，尤其涉及一種動態完全未知系統的數據驅動自適應預估器。

背景技術

隨著工業生產的進步發展，生產裝置和過程愈發復雜，因此很難確切的知道系統的動態特性，但這些生產過程會產生并存儲大量的數據信息，非線性系統控制成為學術界和工業界研究熱點。針對非線性系統控制研究已經存在很多方法，如自適應控制、最優控制、魯棒控制和智能控制等。其中自適應控制能夠根據非線性系統的內部擾動和外部不確定性自動調節控制器的參數，使得被控系統的輸入參數能夠跟蹤收斂到參考參數，在變化的環境中能夠逐漸形成所需控制策略和控制參數的適應能力。

目前自適應控制的方法包括基于反饋線性化的非線性自適應控制、基于反步法的非線性自適應控制和基于神經網絡的非線性自適應控制。其中基于神經網絡的控制設計包括：基于神經網絡的預測控制、基于神經網絡的模型參考控制、基于神經網絡的內模控制。神經網絡控制算法是解決非線性控制問題的重要方法，擁有良好的控制效果。基于神經網絡的非線性自適應控制在船舶控制和無人機控制等領域具有廣泛的應用。

然而，在非線性系統控制領域中，現有的針對動態完全未知系統控制技術依然存在下列不足：

第一，在現有的針對動態完全未知系統的預估器控制方法中，雖然也能夠辨識未知參數，能夠保證辨識參數的觀測值收斂到實際值的一定區間內，然而無法精確辨識出非線性系統的參數，因而難以達到精密工業生產的要求。

第二，在現有的針對動態完全未知系統的自學習方法中，雖然能進行參數辨識，但是需要已知復雜非線性系統狀態的導數所以在實際應用中該方法受到一定限制。

第三，在現有的針對動態完全未知系統的參數辨識方法中，常常會伴隨擾動，雖然現有方法能夠較好的抑制擾動，但是需要已知系統模型的具體參數。

第四，在現有的針對動態完全未知系統的控制方法中，不能同時實現對擾動的抑制以及對參數的辨識，不能達到很好的控制效果。

發明內容

基于此，為解決在現有技術所存在的不足，特提出了一種動態完全未知系統的數據驅動自適應預估器，本發明將自適應控制方法同預估器設計相結合，提出一種響應快、效益高、環境適應性強的動態完全未知系統的數據驅動自適應預估器結構設計，其不僅可以實現短時間內迅速對非線性系統參數b₀、θ₁和進行精確穩定辨識，同時能夠消除對非線性系統狀態參數的導數的依賴性，使得該設計方法更利于實際的工程應用。

一種動態完全未知系統的數據驅動自適應預估器，其特征在于，包括：控制器模塊、擴張狀態觀測器模塊、堆棧器模塊、魯棒性預估器模塊；