[發(fā)明專利]未知隨機(jī)非線性系統(tǒng)自適應(yīng)控制方法、控制器、終端、介質(zhì)

有效

• 申請?zhí)枺?/td>: 202111149291.7
• 申請日: 2021-09-29
• 公開（公告）號: CN113820955B
• 公開（公告）日: 2023-10-17
• 發(fā)明（設(shè)計(jì)）人: 劉存根;孫鈺龍;王煥清;周玉成
• 申請（專利權(quán)）人: 山東建筑大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京云嘉湃富知識產(chǎn)權(quán)代理有限公司 11678
• 代理人: 阮文

本發(fā)明屬于智能控制與機(jī)器人技術(shù)領(lǐng)域，公開了未知隨機(jī)非線性系統(tǒng)自適應(yīng)控制方法、控制器、終端、介質(zhì)，將未知虛擬控制系數(shù)分解成機(jī)械臂本身的轉(zhuǎn)動慣量已知項(xiàng)和負(fù)載產(chǎn)生的轉(zhuǎn)動慣量未知項(xiàng)的方式，已知項(xiàng)部分通過控制器直接反饋抵消，未知項(xiàng)部分通過控制器構(gòu)建的輔助變量函數(shù)的方式進(jìn)行處理，最終完成機(jī)械臂的控制。本發(fā)明充分利用系統(tǒng)的已知信息進(jìn)行控制器設(shè)計(jì)，從而可實(shí)現(xiàn)更好的控制效果。本發(fā)明提出的控制方法與現(xiàn)有控制方法的跟蹤誤差的平均絕對值分別為0.0167、0.0279，穩(wěn)定后誤差范圍分別為[?0.0107,0.0107]°、[?0.019,0.019]°。

技術(shù)領(lǐng)域

本發(fā)明屬于智能控制與機(jī)器人技術(shù)領(lǐng)域，公開了一種未知隨機(jī)非線性系統(tǒng)自適應(yīng)控制方法、控制器、終端、介質(zhì)，具體涉及一種機(jī)器人虛擬控制系數(shù)未知隨機(jī)非線性系統(tǒng)自適應(yīng)控制方法。

背景技術(shù)

目前，現(xiàn)有處理隨機(jī)非線性系統(tǒng)未知虛擬控制系數(shù)的方法主要由三種，分別為Nussbaum方法、基于不等式的方法和基于模糊邏輯/神經(jīng)網(wǎng)絡(luò)等的近似方法。上述方法分別存在以下不足。

(1)Nussbaum技術(shù)的處理方法，通過引入Nussbaum偶函數(shù)及其變量導(dǎo)數(shù)的方式進(jìn)行控制器設(shè)計(jì)，最后基于Nussbaum引理證明所設(shè)計(jì)控制器的穩(wěn)定性。

如文獻(xiàn)[3]A Novel Adaptive Fuzzy Control for Output ConstrainedStochastic Non-strict Feedback Nonlinear Systems所示，在控制器設(shè)計(jì)的第k步中，虛擬控制信號α_k和Nussbaum變量χ_k變化率定義如下：

其中為Nussbaum偶函數(shù)，用于處理隨機(jī)系統(tǒng)中的未知虛擬控制系數(shù)。

Nussbaum函數(shù)和Nussbaum變量變化率是成對出現(xiàn)的，即每使用一次Nussbaum函數(shù)，便需要求解一次Nussbaum變量的微分方程。所以，隨著系統(tǒng)階次的增加，需要求解的微分方程數(shù)量也隨之增加，控制器計(jì)算復(fù)雜性明顯加大。

(2)基于不等式的處理方法，利用不等式對虛擬控制系數(shù)進(jìn)行縮放，進(jìn)而利用其最小值進(jìn)行處理，設(shè)計(jì)完成控制器。

如文獻(xiàn)[2]Adaptive finite-time prescribed performance control forstochastic nonlinear systems with unknown virtual control coefficients所示，所構(gòu)建虛擬控制信號和實(shí)際控制信號分別為：

該方法和本專利所提出的方法完全不同。

(3)基于模糊邏輯/神經(jīng)網(wǎng)絡(luò)等的近似器處理方法，隨著系統(tǒng)變量的增加，該方法的計(jì)算復(fù)雜性急劇增大。

如文獻(xiàn)【3】Anovel adaptive fuzzy control for output constrainedstochastic non-strict feedback nonlinear systems.IEEE Transactions onFuzzySystems所示，在控制設(shè)計(jì)的每一步中，將未知量通過模糊邏輯系統(tǒng)進(jìn)行近似為：

在第k步中，模糊邏輯系統(tǒng)的輸入變量包括x₁，x₂,......,x_k,y_d.隨著輸入變量的增加，模糊邏輯規(guī)則會呈指數(shù)規(guī)律增長，從而導(dǎo)致計(jì)算量過大問題。基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等其他方法的近似器存在同樣地問題。

(4)上述方法都是對虛擬控制系數(shù)整體進(jìn)行處理，當(dāng)虛擬控制系數(shù)變化范圍較大時(shí)，容易造成控制器異常。