[發明專利]SISO緊格式無模型控制器基于LSTM神經網絡的參數自整定方法

有效

• 申請號: 202010562378.6
• 申請日: 2020-06-18
• 公開（公告）號: CN111752152B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 盧建剛;楊曄;陳晨
• 申請（專利權）人: 浙江大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 劉曉春

本發明公開了一種SISO緊格式無模型控制器基于LSTM神經網絡的參數自整定方法，利用系統誤差數據集作為LSTM神經網絡的輸入，LSTM神經網絡進行前向計算并通過輸出層輸出懲罰因子、步長因子等SISO緊格式無模型控制器待整定參數，采用SISO緊格式無模型控制器的控制算法計算得到針對被控對象的控制輸入，以系統誤差函數的值最小化為目標，采用梯度下降法，并結合控制輸入分別針對各個待整定參數的梯度信息，進行系統誤差反向傳播計算，在線實時更新LSTM神經網絡的隱含層權系數、輸出層權系數，實現控制器基于LSTM的參數自整定。本發明提出的SISO緊格式無模型控制器基于LSTM神經網絡的參數自整定方法，能有效克服控制器參數的在線整定難題，對SISO系統具有良好的控制效果。

技術領域

本發明屬于自動化控制領域，尤其是涉及一種SISO緊格式無模型控制器基于LSTM神經網絡的參數自整定方法。

背景技術

SISO(Single Input and Single Output，單輸入單輸出)系統廣泛存在于煉油、化工、火電、機械、電氣、石化、制藥、食品、造紙、水處理、冶金、水泥、橡膠等行業的反應器、精餾塔、機器、設備、裝置、生產線、車間、工廠等被控對象中。隨著科技水平的不斷提高，工業裝置日益大型化與復雜化，使生產過程呈現出越來越多的強非線性、時變等特征，而以PID為代表的傳統控制器在控制具有強非線性、時變等特征的復雜被控對象時往往難以達到理想的控制效果。無模型控制器是一種新型的基于數據驅動的控制模型，對未知非線性時變系統具有很好的控制效果，因此具有良好的應用前景。

針對SISO系統的無模型控制器的現有實現方法中包括SISO緊格式無模型控制器。SISO緊格式無模型控制器是一種新型的數據驅動控制方法，不依賴被控對象的任何數學模型信息，僅依賴于SISO被控對象實時測量的輸入輸出數據進行控制器的分析和設計，并且實現簡明、計算負擔小及魯棒性強，對未知非線性時變SISO系統也能夠進行較好的控制，具有良好的應用前景。SISO緊格式無模型控制器的理論基礎，由侯忠生與金尚泰在其合著的《無模型自適應控制-理論與應用》(科學出版社，2013年，第55頁)中提出，其控制算法如下：

其中，u(k)為k時刻的系統控制輸入；e(k)為k時刻的系統誤差；φ_c(k)為k時刻的SISO系統偽偏導數估計值；λ為懲罰因子，ρ為步長因子。

然而，SISO緊格式無模型控制器在實際投用前需要依賴經驗知識來事先設定懲罰因子λ和步長因子ρ等參數的數值，在實際投用過程中也尚未實現懲罰因子λ和步長因子ρ等參數的在線自整定。參數有效整定手段的缺乏，不僅使SISO緊格式無模型控制器的使用調試過程耗費大量的人力物力，而且有時還會嚴重影響SISO緊格式無模型控制器的控制效果，制約了SISO緊格式無模型控制器的推廣應用。

為了打破制約SISO緊格式無模型控制器推廣應用的瓶頸，SISO緊格式無模型控制器在實際投用過程中還需要解決在線自整定參數的難題。

發明內容

本發明的目的在于，提供一種SISO緊格式無模型控制器基于LSTM神經網絡的參數自整定方法，以解決SISO緊格式無模型控制器的參數在線自整定問題。

為此，本發明的上述目的通過以下技術方案來實現，包括以下步驟：

步驟(1)：SISO緊格式無模型控制器參數包含懲罰因子λ和步長因子ρ；確定SISO緊格式無模型控制器待整定參數，所述SISO緊格式無模型控制器待整定參數，為所述SISO緊格式無模型控制器參數的部分或全部，包含懲罰因子λ和步長因子ρ的任意之一或其組合；確定LSTM神經網絡的輸入層節點數、隱含層單元數、輸出層節點數，所述輸出層節點數不少于所述SISO緊格式無模型控制器待整定參數個數；初始化LSTM神經網絡每一個隱含層單元中輸入門、遺忘門、細胞狀態以及輸出門中待訓練學習的權系數；初始化LSTM神經網絡輸出層待訓練學習的權系數；