[發明專利]基于復合學習的非線性切換系統自適應滑模控制方法

有效

• 申請號: 202011274007.4
• 申請日: 2020-11-14
• 公開（公告）號: CN112327627B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 許斌;程怡新;馬波
• 申請（專利權）人: 西北工業大學;中國航空工業集團公司成都飛機設計研究所
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

1.一種基于復合學習的非線性切換系統自適應滑模控制方法，其特征在于步驟如下：

步驟1：考慮一類單輸入單輸出非線性能控標準型切換系統

其中，是系統狀態向量；u_σ(t)∈R是系統輸入，y∈R是系統輸出；函數σ(t):[0,∞)→M＝{1,2,...,m}是切換信號，且σ(t)＝k時表示第k個子系統是激活的；是關于的未知平滑函數，是關于的未知非零平滑函數；d_σ(t)(t)是外部未知干擾；

步驟2：將系統輸入非線性描述為

其中，u_v,k∈R是帶死區的輸入，b_r,k和b_l,k是未知的正常數；

可將(2)進一步描述為

其中

信號u_k存在如下關系

其中是u_v,k的上界值；

則系統(1)可進一步寫為

其中，

步驟3：針對未知函數和用神經網絡來逼近

其中，和是神經網絡最優權重向量，和是神經網絡基函數向量，ε_f,k和ε_G,k是神經網絡殘差且存在和和是正常數；

則和的估計值可寫為

其中，和是神經網絡最優權重向量估計值；

定義Δu_k＝u_v,k-u_c,k，則x_n的導數可寫為

其中，

步驟4：針對非線性切換系統(1)，基于復合學習策略設計自適應滑模控制器；

定義輸出跟蹤誤差其中e＝x₁-y_d，y_d是控制參考指令；

設計滑模面為

s＝[Λ^T 1]E (11)

其中，Λ＝[τ^n-1,(n-1)τ^n-2,...,(n-1)τ]^T，τ＞0；

滑模面s的導數為

其中，

設計控制器為

其中

其中，是D_k(t)的估計值，β_k是正的設計參數，m_k是滑模增益函數；

構造預測誤差z_nNN為

其中，可由如下的平行估計模型得到

其中，λ_k是正的設計參數；

設計滑模增益函數為

m_k＝-γ_z,kλ_kz_nNN (19)

其中，γ_z,k是正的設計參數；

設計神經網絡權重更新律為

其中，γ_f,k，γ_G,k，δ_f,k和δ_G,k是正的設計參數；

設計切換擾動觀測器為

其中，ξ_n是中間變量，L_k是正的設計參數；

步驟4：根據步驟3中(13)得到的控制量u_c,k，返回到系統模型(1)，對系統輸出y進行跟蹤控制。