[發明專利]基于數據篩選估計的嚴格反饋系統有限時間跟蹤自適應控制方法

有效

• 申請號: 202110402158.1
• 申請日: 2021-04-14
• 公開（公告）號: CN113126493B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 許斌;壽瑩鑫;馬波;唐勇;倪靜
• 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

本發明涉及一種基于數據篩選估計的嚴格反饋系統有限時間跟蹤自適應控制方法，屬于智能控制方法領域。該方法采用反步法和有限時間收斂算法設計控制輸入并前饋至系統動力學模型中，利用特定的算法篩分在線數據質量，記錄高質量數據而舍棄劣勢數據(擇優棄劣)，在線存儲于動態歷史堆棧中，根據數據信息推斷出系統的不變狀態依賴屬性以構建全新的預測誤差，將經具體選擇的在線記錄數據與實時數據相結合調節神經網絡權重更新律。本發明方法解決了集總復合神經網絡估計中的固定時間段選取數據可能會帶來質量失真等問題。

技術領域

本發明涉及一種非線性控制方法，特別是涉及一種基于數據篩選估計的嚴格反饋系統有限時間跟蹤自適應控制方法，屬于智能控制方法領域。

背景技術

動態面設計控制算法在嚴格反饋非線性系統中得到了廣泛的應用，不僅保證了控制系統穩定而且降低了設計復雜度。進一步考慮到嚴格反饋系統中動力學不確定性和非線性行，智能控制特別是神經網絡估計算法得到了廣泛的關注。針對神經網絡估計控制，基于數據分析的復合估計算法通過動力學分析構建了預測誤差，并應用于權重更新律中，能夠實現良好的估計效果。然而固定時間段選取數據可能會帶來質量失真等問題，反而降低了神經網絡估計性能，同時存儲全部的數據量增大所需存儲空間，抑制了控制算法的估計速度。

《Neural Learning Control of Strict-Feedback Systems Using DisturbanceObserver》(Bin Xu，Yingxin Shou，Jun Luo，Huayan Pu，Zhongke Shi，《IEEETransactions on Neural Networks and Learning Systems》，2019年，第30卷第5期)一文針對嚴格反饋系統中的未知動態和時變擾動的問題研究了基于在線數據估計的控制方法。論文在反步法的框架下設計控制器，基于在線數據構建預測誤差以設計神經網絡自適應更新律，采用擾動觀測器處理系統復合擾動，實現了系統的快速穩定控制。但是，復合估計算法依然面臨數據失真和存儲過大等問題，因而影響控制性能。

發明內容

要解決的技術問題

為了解決集總復合神經網絡估計中的固定時間段選取數據可能會帶來質量失真等問題，本發明提出了一種基于數據篩選估計的嚴格反饋系統有限時間跟蹤自適應控制方法。

技術方案

一種基于數據篩選估計的嚴格反饋系統有限時間跟蹤自適應控制方法，其特征在于步驟如下：

步驟1：采用嚴格反饋非線性系統的動力學模型：

式中，ξ_i為系統狀態量，i＝1,…,n，μ為控制輸入，y為輸出信號，為關于的未知光滑函數，為已知非零函數，d_i(t)為時變擾動；

步驟2：第一步：定義跟蹤誤差為：

e₁＝ξ₁-y_r (2)

式中，y_r為期望指令；

設計系統的虛擬控制量為

式中，為神經網絡最優權重的估計值，為神經網絡基函數向量，且區間[t,t+Δt],內，存在有界使得正定，為期望指令的導數，為復合擾動估計，k₁0和κ₁0為設計參數，ν₁為補償后跟蹤誤差：

ν₁＝e₁-z₁ (4)

其中，z₁為補償信號可設計如下：