[發明專利]不確定奇異攝動系統在線多時間尺度快速自適應控制方法

有效

• 申請號: 202011403984.X
• 申請日: 2020-12-02
• 公開（公告）號: CN112506057B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 付志軍;郭耀華;羅國富;李浩;劉曉麗;王輝;肖艷秋;侯俊劍;周放;郭朋彥
• 申請（專利權）人: 鄭州輕工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 鄭州豫開專利代理事務所(普通合伙) 41131
• 代理人: 王金

本發明公開了一種不確定奇異攝動系統在線多時間尺度快速自適應控制方法，按以下步驟進行：第一是建立多時間尺度系統神經網絡辨識模型；第二是電控裝置根據多時間尺度系統神經網絡辨識模型對不確定奇異攝動系統進行在線學習并自我更新，不斷逼近公式一所表達的不確定奇異攝動系統；第三是電控裝置確定公式一所表達的不確定奇異攝動系統的快速自適應最優控制輸入模型；第四是電控裝置執行在線快速自適應學習率，對快速自適應最優控制輸入模型進行在線優化更新。本發明實現對模型不確定奇異攝動系統的在線快速自適應辨識與控制，提高學習速度，通過在線學習和不斷優化提高控制精度，整個控制過程無須建立確定的奇異攝動系統模型。

技術領域

本發明屬于自動控制、信息技術和先進制造領域，具體涉及針對模型不確定奇異攝動系統的一種多時間尺度快速自適應最優控制方法。

背景技術

某些實際物理系統或工業過程中總存在著一些小的慣量、電導或電容等帶有小參數的動態系統，稱為奇異攝動系統，其特點是具有快慢不同時間維度差異性的多時間尺度動態特性，這使得其數學模型的微分方程具有相當高的階數以及病態的數值特征，給系統建模帶來極大挑戰；同時，由于無法獲得此類系統的精確的數學模型，給這類系統需求某項性能指標取得最大或最小值的最優控制器設計也帶來難題。

奇異攝動系統中，模型不確定的，稱為不確定奇異攝動系統。

奇異攝動系統都包括有快(F)慢(S)兩類狀態變量；比如對于懸掛系統，快的狀態變量有兩個，輪胎垂直位移形變量，非簧載質量的垂直絕對速度；慢的狀態變量有懸架質量垂直位移形變量，簧載質量的垂直絕對速度；它們的初始值均為零。

快的狀態變量和慢的狀態變量，快的狀態變量和慢的狀態變量均具有初始狀態，我們的控制目標是使快的狀態變量和慢的狀態變量均盡可能快地收斂回歸到各自的初始狀態。

針對一般模型不確定奇異攝動系統的最優控制主要包括兩個部分內容：

一是建立辨識模型(辨識模型即神經網絡模型)；

二是確定在線自適應最優控制率。

現有的基于神經網絡的辨識模型及辨識方法主要采用了反向傳播神經網絡、徑向基函數神經網絡、小波神經網絡、支持向量機、遞歸神經網絡和回聲狀態網絡。

這些神經網絡存在的主要問題是沒有考慮奇異攝動系統的多時間尺度動態特性，不能夠充分利用包含不同時刻狀態的上下文信息，實現對攝動系統的動態特性逼近。

對于在線自適應最優控制率部分，常用的基于近似動態規劃的自適應最優控制方法通過融合自適應控制和最優控制兩者的優點，可以克服對精確模型的需要同時達到最優。然而目前的基于近似動態規劃的自適應最優控制方法都沒有考慮系統狀態的多時間尺度特性。

同時，價值函數神經網絡的自適應率學習方法往往采用常用的梯度下降法容易陷入局部最優而影響收斂速度，很難被實際應用。

發明內容

本發明的目的在于提供一種不確定奇異攝動系統在線多時間尺度快速自適應控制方法，無須建立確定的奇異攝動系統模型，通過自適應辨識、在線學習和不斷優化提高控制精度。

為實現上述目的，本發明公開了一種不確定奇異攝動系統在線多時間尺度快速自適應控制方法，針對不確定奇異攝動系統的數學表達為公式一：

公式一中，x_s(t)∈Rⁿ、x_f(t)∈R^m表示系統的快慢不同時間尺度的狀態變量，R是實數域；t是時間域；F_s,F_f為未知的非線性函數，U∈R^p為系統輸入，Θ_s,Θ_f為未知輸入，τ＝(τ₁…τ_m)表示不同的時間尺度系數；