基于逆系统方法的非线性内模控制

合集下载

基于逆系统迭代学习观测器的故障调节方法

基于逆系统迭代学习观测器的故障调节方法
李 炜, 任 波 ,毛海杰
( 兰州理 工大 学 电 气工程 与信 息工程 学 院,兰州 705 ) 30 0

要 :针对一类满足 Lpci 条件的多输入 多输 出非线性可逆 系统执行器故障问题, 出了一种基于迭代 学 i hz s t 提
习观测器的逆 系统 内模故障调节方法。引入 P D型迭代 学习策略, 设计 了迭代学习故障诊断观测器, 用于对执行
mo e o k e h o l e rs s m l n o n ce y i v r emo e s u o l e r a in, n , o ie n en lmo e o — d l e p t e n n i a y t p a t n e t d b e s d l e d — n a i t t n e c n p i z o a d c mb n d i tr a d l n c t l o c r a l tlr n o t lo e p e d - n a i t n s se r ar f ut o ea tc nr ft s u o l e r a i y tm. F n l ot y o h i z o i al y,smu ain r s h h w t e ef cie e s o e i l t c u s s o h f t n s ft o e v h
C a smeh d o a l a c mmo ain b s d o n e s y tm ls t o f u t c o f d t a e n i v re s se o
ie aie la nn b ev r trtv e r i g o s r e
L i R N B , O H ii I We , E o MA a- e j

基于支持向量机的非线性系统内模控制

基于支持向量机的非线性系统内模控制

内部模型控 制 (ne a Moe C nr , MC It nl dl ot l I )是 r o

种简单的控制设计方法 ,具有 良好的调节特性和鲁 。内模控制的设 计思路是将被 控对象 的模 型
棒性
( 内部模 型 ) 与实 际 的被 控 对 象 相并 联 ,控 制器 即
图 1中 P表示被控对象的传 递算子 , 是 内部模 型的 传递算子 ,c是 内模控制器的传 递算子 ,被控对 象的 输入是 ,系统 的输 出是 Y ,内部模 型 的输 出是 Y , 参考输入是 r ,干扰是 d 。 内模控制器 的输入 。 ,Y 是
21 0 2年 5月
机床与液压
MACHI NE OOL & HYDRAUL CS T I
Ma 0l v2 2
第4 0卷 第 9期
Vo. 0 No 9 14 .
Hale Waihona Puke DO :1 . 9 9 j i n 1 0 I 0 3 6 / .s . 0 1—3 8 . 0 2 0 . 0 s 8 12 1 .9 0 6
I e na o lCo t o o n i e r S s e s d o pp r c o a h n nt r lM de n r lf r No ln a y t m Ba e n Su o tVe t r M c i e
CAO qin Ke a g,HU i n mo L a g u,LIXio a g,S Xi big agn U n n
( 即逆模 型控制器 )逼 近模型 的动态逆 。从 内模控制 的设计 思路可 以看出 ,尽可能准确地构造 被控对 象的 内部模 型和逆模型控制器对 内模 控制的性 能具有重要 的影响 。 支持 向量机 ( u pa V c r ahns V Sp o et cie ,S M)是 oM

基于U模型的非线性控制剖析

基于U模型的非线性控制剖析

3.1 极点配置控制器设计(2)
U模型设计的思想是指定预定闭环特征多项式 Ac ,并对其
求解。只要 R, S 和 T 确定,代入(6)中可得 U t 。
M
j t u j t 1 U t
(9)
uk
1
t
1
uk
t
1
d
j0
M
j
t
u
j
t
1
du t 1j0来自u j t 1ukj t 1
3.2 实例
实例1:连续搅拌釜反应器的非线性动态过程描述:
4. 广义预测控制
r(k) Gr + Yr(k+1) + +-
β
左乘 ∆U(k) 代数 U(k) 牛顿迭 u(k) 被控 y(k)
d1T
运算
代算法
对象
S(Z-1)
基于U模型的广义预测控制系统方框图
y k U k 1 k
1 z1 1 z1 y k U k 1 k
(10)
(4)
0.6y t 1u3 t 1et 2 et 1 et
转换为是 U 模型的形式:
U t 0 t 1 t u t 1 2 t u2 t 1 3 t u3 t 1 et
(5)
yt U t
其中,
2. U模型描述(4)
例因如此:,假U模设型非可线以性把自繁回琐归的滑N动A平R均M模A型X模:型转换到一种简洁
2. U模型描述(3)
r(t)
控制器 U(t)
Φ(t)
u(t-1) 非线性 y(t)
被控对象
U模型的控制原理图
SISO系统,r(t)是控制器的输入;U(t)是控制器的输出; y(t)是线性系统的输出。

基于逆系统的非线性自适应逆控制

基于逆系统的非线性自适应逆控制
庞 宇 ,曹柳林
(L ( _大 学 信 息科 学与技 术 学院 ,北京 102 ) -  ̄化 T I 0 09
摘要:针对非线性系统自适应逆控制 的不完善 ,本 文引入逆系统方 法将非线
性系统转化为伪线性系统.然后使用最; - 乘 支持向量机 ( S S M 建立 J  ̄ L-V ) 了逆系统模型 .最后利用 成熟的线性系统 自适 应逆控 制理论 实现非线 性系统
1 L - V 建 立 逆 系 统 模 型 SS M
L — V 是一种理论扎实并且实际效 果好的机器学习方法。其 SS M 优 点为不依赖于先验知识 自动优化模型的结构 ,小样本集上的效果 比较好 ,推广能力有理论保障,有唯一最优解,无局部极小的问题 等 [] 7 。基 于 L — VM 的 阶逆 系统辨识结构如图 1 SS 所示。 首 先 构 造 最 小 二 乘 支 持 向 量 机 的 输 入 样 本 集 XK = ((—) (・)… , yk ) 和输 出样本 集 YK uk )利用 图 yk 1, k 2, y (一 ) = (一 , 1a 所示结构对原系统进行 阶逆 模型辨识 ,将 阶逆模型 串联 () 到对象的前端就构成 性系统 是因为输 出和 输入 是线性关 系 ,而 系统内部是 非线性关
的 自 适应 逆 控 制 。 引 入 逆 系 统方 法后 实 现 了 两 大功 能 :其 一 .消 除 了 非 线 性
系统的干扰 .而且 不需要 设计逆对 象模型 :其 二.实现 了多 变量 ( 维 变 n
( MO 的非线性系统 ( 维变量 ) 但实现解耦控制 ,而且还 MI ) n 节省了 3 (一) nn 1 个滤 波器的设计。本文 以一 个多变量连续搅拌釜式 反应器 ( T CS R)为对象进行 了仿真控 制试验 ,研究结果说 明了本文 所提方法 的有效性。

基于SVM逆系统的非线性系统广义预测控制

基于SVM逆系统的非线性系统广义预测控制

b sd n u p r co Ma hn ( VM ) iv re o to i rp sdT e VM i a pid t ie t te t —re iv re ae o S p ot Ve tr c ie S n es c nr l s p o o e .h S s p l o d ni h ah od r n es e
LI Ch o e g LU J u i n GPC a g r t m o n n i e r y t m s a e o s p o t e t r o xa . l o ih f o l a s se b s d n u p r v c o m a h ne n n c i i -
mo e f t e o t l d p a t wh c S c s a e b f r h rg n l y t m o r a e u o 1 e r s b s s m . d t e o d 1 o h c n r l ln . i h i a c d d e e t e o i i a s se t c e t a p s d .i a u .y t An h n f r o e o n e t e i l p s d — n a s b s se t e e e a ie p e it e o to a g r h h s mp y e u o l e r u -y t m h g n r l d r d c i c n r l lo i m c n e u e . i lt n r s l o y ia i z v t a b s d S mu ai e u t f a t p c l o s n n 1 e r s se o .i a y t m s o t a h r s n e t o a c u aey mo e h iv re d n mi y tm . n a h c a a t r — n h w h t t e p e e td me h d c n a c r t l d 1 t e n e s y a c s se a d h s t e h r c e i s t s o r a r c i g a c r c b  ̄e o u t e s sa i t a d a t d su b n e b ly i f g e t ta k n c u a y, e r r b sn s t b l y, n n i it r a c a i t . c i . i

(完整版)智能控制考试题库

(完整版)智能控制考试题库

填空题(每空1分,共20分)控制论的三要素是:信息、反馈和控制。

传统控制是经典控制和现代控制理论的统称。

智能控制系统的核心是去控制复杂性和不确定性。

神经元(即神经细胞)是由细胞体、树突、轴突和突触四部分构成。

按网络结构分,人工神经元细胞可分为层状结构和网状结构按照学习方式分可分为:有教师学习和无教师学习。

前馈型网络可分为可见层和隐含层,节点有输入节点、输出节点、计算单元。

神经网络工作过程主要由工作期和学习期两个阶段组成。

1、智能控制是一门控制理论课程,研究如何运用人工智能的方法来构造控制系统和设计控制器;与自动控制原理和现代控制原理一起构成了自动控制课程体系的理论基础。

2、智能控制系统的主要类型有:分级递阶控制系统,专家控制系统,学习控制系统,模糊控制系统,神经控制系统,遗传算法控制系统和混合控制系统等等。

3、模糊集合的表示法有扎德表示法、序偶表示法和隶属函数描述法。

4、遗传算法是以达尔文的自然选择学说为基础发展起来的。

自然选择学说包括以下三个方面:遗传、变异、适者生存。

5、神经网络在智能控制中的应用主要有神经网络辨识技术和神经网络控制技术。

6、在一个神经网络中,常常根据处理单元的不同处理功能,将处理单元分成输入单元、输出单元和隐层单元三类。

7、分级递阶控制系统:主要有三个控制级组成,按智能控制的高低分为组织级、协调级、执行级,并且这三级遵循“伴随智能递降精度递增”原则。

传统控制方法包括经典控制和现代控制,是基于被控对象精确模型的控制方式,缺乏灵活性和应变能力,适于解决线性、时不变性等相对简单的控制。

智能控制的研究对象具备以下的一些特点:不确定性的模型、高度的非线性、复杂的任务要求。

IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)AC:描述系统的动力学特征,是一种动态反馈。

AI :是一个用来模拟人思维的知识处理系统,具有记忆、学习、信息处理、形式语言、启发推理等功能。

OR:是一种定量优化方法,如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。

基于逆系统方法的非线性二自由度内模控制

基于逆系统方法的非线性二自由度内模控制
维普资讯
第 2卷 第6 5 期
20 年 1 06 2月
兰 州 交 通 大 学 学 报 (自 然 科 学 版 )
Jun1 f azo J oo ̄U b rt ; a rl c ne) o ra o Lnh ̄ i tn n/ ay( t a Si c . a e i:N U e s
非线性动态特性线性化 , 然后再用熟知的线性 系统 适合工程应 用。
1 逆 系统方 法的 非线性 2 O - F内模 控制 D
11 逆系统方法 。 . 一
有其它 的新 方 法 如神 经 网络 逼 近 ] 模 糊 自适 , 应[ , 5 微分几何 方法唧 , ] 小波 网络逼 近[ , l 逆系统方 法I等 , s 都给非线性系统 的分析和设计提供了有效 ]
性能好, 精度高, 且控制器设计简单。 系 使 统同时吴有良 好的跟踪性和鲁棒性.
关键词 : 非线性 I 系统方法 I 自由度 # 逆 二 内棋控制 I 跟踪性 ; 鲁棒 性 中圈分 类号 : P 7 T 23 文献标 识码 : A
O 引 言

cnr1设计 方法. ot ) o 根据 原系统设计 a阶积分逆 系
常数 f 1 i ≤ ≤ +抛 使下式成立 ( )
J( ・ 丑 …, F , ≤ f J i £ )I xI () 2
型失配的系统, 以兼顾各方面的性能要求而获得 难 满意的控制效果. 针对一类非线性 系统 , 本文提 出一种基于逆系
统方法 的二自由度内模控制(- O tra m d l 2D F i e l o e n n
Vo . 5 No 6 12 .
De . 0 6 c2 0
文 章 编 号 :O l 3 3 2 0 ) 60 0 —4 lO 一 7 (0 6 0 -0 10 4

基于C—R模型的非线性系统模糊内模控制算法研究

基于C—R模型的非线性系统模糊内模控制算法研究

收稿 日期 : 0 . - ( 2 81 2 修改稿 ) 0 04

2 6・
化 工
自 动 化 及 仪 表
第3 5卷
“t ( —n+1 )]
则 系统 的最后 输 出 由局部 模 型 的加权 平均 得
c R模糊模 型由模糊推理和局部解 析模型两部 -
分组成 , 它包 含两类 知识 : 一类是 由 ite 规则表示 fhn -
的定性知识 ( ( ) ; 式 1 ) 另一 类是 由局部模 型表 示 的
定量知识 ( ( ) 。 式 2 ) CR模糊模型描述如下所示 : —
R : 1i F n … i s ad f。
中, 为内模 的状 态估计 器是 一个可充 分逼近被 控 作 对象非线性动力学的神经网络。但由于神经 网络的 学习特点决定 了上述的过程模 型及逆模 型的辨识 必 须 离线进行 , 这就在一定程度 上影 响了算法 的应用 。
与神经 网络相 比, 模糊系统表现出了明显 的优越性。
近年来 , 模糊建 模方 法受 到工程 和学术 界 的广
泛重视 。这种建模方法表现 出对系统 良好 的逼 近特 性 。一 方面, 它提供 了非线性控制 函数 , 从而能提 高 闭环控制系统 的性能 ; 另一方面 , 从控制和建模角度 来看 , 很多文献都 证明 了模 糊 系统可 以实现任 意 的 非线性 连 续控 制 规 律 和控 制 模 型 。其 中 , C o 由 a,

人输 出数据定量提取 系统 的定性知识 。文献 [ ,] 56
在 CR模型 的基础 上 实现 了非 线性 系统 的 预测 控 —
i F te t s hnY( +1 l ) () 1
制, 并对其动态特性进行 了分析 , 结果表 明其控 制效 果 良好 , 具有 一定 的指 导意 义。文献 [ ] C R模 7在 — 型的基础上 验证 了系统 的广义最小方差 自校正控 制 算法的有效性 。从而可 以看 出 c R模型及其辨识算 —

基于ANN逆模型的非线性系统内模控制结构方案及仿真研究

基于ANN逆模型的非线性系统内模控制结构方案及仿真研究

1l MC结 构 原理 及 A NN逆模 型 I MC结构 方案
11I 结构 原 理 . MC 图 l是典型 I MC结构 原理 图 引 ,其 中 d 、 l 分别 表示系统 内部扰 动和输出扰 动。图 1 中包括控 制器 c、 非线性 系统模型 的虚线 框组成 了一个 完
整 的反 馈控制 系统 。应 注意 的是 ,由于 P不 满足叠 加原理 ,因此不能将 d 移 至对象 的输 } 端 。实 际上 , } {
20 09年 l 月 1
文 章编号 :1 7 — 5 2< 0 9 60 5 - 5 6 3 1 2 20 )0 —6 6 0
基 于 A 模 型 的 NN逆
非线性 系统 内模控制结构方案及仿真研究
曲东才 ,徐庆九 ,吴晓男,董万里
( 军航 空工 程 学 院 控 制 工 程 系 ,山东 烟 台 2 4 0 ) 海 6 0 1
Y=C P,。 -
() 3
式 () 3描述 的 I MC 控 制结构 简单 明 了 ,其控制 器设 计 比一般 反馈控 制 系统容易 。实 际上 ,I MC结 构 与常 规反馈 控制结 构足 可相互 等效转 换 的 ,其等 效转 换过 程及其 结构 可参 阅有关 文献p 】 。 在 实际实现 逆控 制器 时 ,由于受 到环境 因素影

要 :基于逆模 型的非线性 系统控制器设计方法 已得到 了快速发展 ,并成为设 汁控制系统 的一种重要方法。
但对大量复杂 、未知 和不确定的非线性 对象 ,建立具有一定通用性的逆模 型控 制器 ,在实际非线性系统设计巾
是非常困难的。文巾基于系统内模控制 (MC) I 原理 和神经网络 ( N 的非线性映射 、大规模并行处理 等特性 , A N) 设计了非线性系统的 A N正模型辨识 器及逆模型控制器 ,基于 I N MC原理和 A N理论建立 了非线性 系统的 I N MC 结构方案。大量仿真研究表明 ,设计 的基于 A N逆模型 的 I N MC结构方案是有效的 ,A N逆模型控制器具 有良 N 好控制性能 ,且其结构简单 ,具有一定通用性 。 关键词 :非线性 系统 ;神经网络 ;逆模型 ;内模控制 ;仿真

基于逆系统方法的航空发动机逆模型控制系统设计

基于逆系统方法的航空发动机逆模型控制系统设计

保证发 动机 在设计点有较好 的控制 性能, 在其他状 态的控 制性 能则较差 。针 对这个 缺 点, 利用 逆 系统方 法, 立发 动机 的逆 建
模 型, 并基于此逆模 型设计 发动机的逆模型控制 系统。仿真结 果表 明, 逆模 型控 制 系统 具有较 快 的响应速度 , 同时精度 符合 控 制要求。 关键词 逆系统 逆模 型 逆模 型控制系统 航 空发 动机
的逆模 型控 制 系统 。仿 真结 果 显 示 , 模 型 控 制 系 逆
统 能够 较 好 地 完 成 此 型 号 发 动 机 的稳 态 和 过 渡 态 控制 , 并且 控制 精度 和稳 定性 较好 。
现代 控制 理 论 向 智 能 控 制 发 展 的 一 个 全 新 的 活 跃 分 支 。资 料 显 示 , 模 型控 制 已经 在 船 舶 J 电炉 逆 、 温度 预报 ]飞行 模拟 器 等 领 域 中得 以应 用 。2 、 0
T y( ( )=Y , 0 = , ,‘ : yO 。 ( ) … Y一 ( ) = O
一 ”) 。
真 实 验 的方 法来 获取 上述 关 系。
1为 系统 阶次 , I阶可微 函数 。若在 满 足初始 条 7 , Y为 t ,
件的情况下 , 存在一个系统即便换 :一 则称该 y ,
的建立等 , 目前这些控制方法均未应用到实际的发
动 机控 制 中 。
18 96年 , 国斯 坦 福 大 学 著 名 教 授 Wirw 首 美 do
次 提 出逆模 型控 制 (n es o t 1 的概 念 J 也 就 Iv r cnr ) e o , 是 利用 逆 系 统 方 法 为 对 象 设 计 逆 模 型 控 制 系 统 。 经 过 近二 十年 的发 展 和 应 用 , 模 型 控 制 已经 成 为 逆

基于逆系统多模型内模主动容错控制

基于逆系统多模型内模主动容错控制
i v r e s se i tr a d l o t l t o .F rt t e meh d u e S S n es y tm en l n mo e nr h d i , h to s sL — VM o stu v re s s m d l rn r c o me s t e p i e s y t mo e f o - n e o ma n a lsw t a h k n fp ir b e k o n sta in h n c n tu e h n e s d lb n . B s d o n l a d fu t i e c id o r i r a d w i t ,t e o si ts t e i v re mo e a k h o u o t ae n i-
ABS TRACT: e u c h xsi g n ni e r s se i n u f in n q ik e s a d rl bl y f r fut oea t B c a e te e it o l a y tm s i s f ce t i u c n s n e i i t o a l-tl rn , n n i a i w ih otn r s l n f i r h c f e u t i al e,B e e r h n o i e rs se w t r r k o e g fp s il al r ,t e p p r e s u y r s a c ig a n n n a y tm i p i i n wld e o o sb e fi e h a e l h o u
v re s se meh d,te i v re mo e sc n e td t he s se t r a p e o ie rs se a d t sg h e s y tm t o h n e s d li o n c e o t y tm o f m s ud -ln a y tm n ode in t e o itr l d lc ntol rwih g o o us e fr a c . W he h y tm sr n i g,te d cso n ena mo e o r le t o d r b tp ro m ne nt e s se i u n n h e iin—ma n c a im kig me h ns

含有磁滞逆的状态反馈非线性系统动态面控制

含有磁滞逆的状态反馈非线性系统动态面控制

科技资讯2015 NO.28SCIENCE & TECHNOLOGY INFORMATION学 术 论 坛253科技资讯 SCIENCE & TECHNOLOGY INFORMATION磁滞是一种常见的非线性现象,很多智能材料制作的装置中都会出现,比如:压电陶瓷驱动器[1]。

磁滞现象的存在制约了闭环控制系统的精确度和稳定性,容易产生震荡[2]。

由于现代工业大规模采用以智能材料为核心部件制作的装备,因此,系统中的非线性磁滞现象受到国内外学术界的广泛关注[3]。

反推法在非线性系统中常被用来设计控制器。

但是反推法在设计高阶系统控制器时会出现“微分膨胀”问题,并且给计算机带来极大的计算量。

在处理磁滞问题时,有鲁棒自适应[4]和建立磁滞逆模型[5,6]两种方法,由于建立磁滞逆模型对于模型的精确性要求较高并且推导复杂,所以,大部分学者采用鲁棒自适应方法来克服系统中的磁滞现象,该文采用构造磁滞逆的方法来解决非线性系统的控制问题。

通过设计合适的Lyapunov函数,保证闭环系统所有信号一致有界。

仿真结果表明所设计的控制器具有较好的跟踪性能。

1 系统描述考虑如下严格反馈系统: 1()(,)i i i i i i x g x f x x t θ+=++∆ ()(x)(,)n n n n n xg u t f x t θ=++∆ (1)1y =x 其中, ()[]()M u t y v t =, 1=[,i x x …T ,]i i x R ∈, 1,,i n = 是状态向量且 n x x =,式中 i g , i θ为系统的未知参数; ()i f x 为已知光滑函数; y R ∈为系统的输出;u 为待设计的控制信号。

对于系统有如下假设:假设1:参考信号 r y 光滑、有界且对于 t ≥0, T [,,]r r r y y y 属于某一紧集。

假设2: i g , 1,i =…,n ,的符号已知且存在一个常数 min g ,使得min g ≤ig 。

非线性系统仿射逆控制技术研究

非线性系统仿射逆控制技术研究

非线性系统仿射逆控制技术研究在工业控制应用中,许多系统会表现出非线性特征,这对于系统的控制和稳定性带来了很大的挑战。

在很多情况下,传统的线性控制方法难以应对这些问题,需要采用更加高级的控制技术。

其中一种比较常见的方法是仿射逆控制。

仿射逆控制技术常用来处理非线性系统中的跟踪问题。

它的基本思想是通过逆向系统模型,得到系统输入与输出之间的关系,并通过仿射逆变换将输出映射到所需输入空间中,从而实现跟踪控制。

这种方法的优点在于它不需要对系统进行较为严格的建模,因此对于具有非线性特征的系统,仍然能够很好地进行控制。

仿射逆控制技术还有一些其他的特点。

例如,它可以在系统非线性不变的情况下实现超调抑制和稳态误差抑制。

同时,仿射逆控制技术可以很好地处理系统的不确定性和鲁棒性。

在实际应用中,仿射逆控制技术经常用于机器人控制、飞行器控制、风力发电设备控制等领域。

例如,在机器人控制中,需要机器人在执行任务的同时对其自身位置和速度进行控制,这也是一种非线性控制问题。

采用仿射逆控制技术,可以很好地实现机器人的精确控制,保证其在运动过程中稳定性和精度。

在风力发电设备控制中,风速等环境因素也往往会影响设备的运行。

采用仿射逆控制技术,可以克服这些不利因素,实现设备的高效稳定运行。

当然,仿射逆控制技术也有其局限性。

例如,它只适用于输出与输入之间存在单一的映射关系的系统,不适用于多输入多输出系统等其他特殊情况。

此外,仿射逆控制技术在实际应用中也需要考虑实时性、计算复杂度等问题。

总体来说,仿射逆控制技术是一种非常有效的非线性控制方法。

尽管它也存在一定的局限性,但在处理跟踪问题、处理不确定性和鲁棒性等方面具有非常好的应用前景。

随着计算机与控制技术的不断进步,相信这种方法也将在今后的控制领域得到更加广泛的应用。

基于LS_SVM的非线性系统直接逆模型控制

基于LS_SVM的非线性系统直接逆模型控制

(2) 初始化系统的输入输出和训练参数 , 构
造训练样本 ,使用 L S - SVM 训练系统的逆模型
控制器 f 1 ; (3) 选定参考输入 r;
(4) 根据式 (3) 计算 f 1 的输出 u( k - 1) ,再根 据式 (4) 计算被控对象的输出 y ( k) ;
(5) 如果需要停止控制 ,就退出 ,否则 k = k +
性系统逆模型的建模精度非常高 。
图 8 阶跃信号时 LS SVM 逆模型的输出
图 9 阶跃信号时 LS SVM 逆模型的校验误差
u( k) = g[ y ( k + 1) , …, y ( k - n) , u( k - 1) , …, u( k - m) ] (2)
在建模过程中 , 可将 L S - SVM 的结构选择 与式 (2) 一致 ,利用 L S - SVM 完成对上述非线性 系统映射的逼近 。而且在模型中不存在反馈 ,且利 用了系统的输入输出数据作为辨识信息对支持向 量机进行训练 , 因此有利于保证辨识模型的收敛 性和稳定性 。
以 p 对训练数据{ X ( i) , Y ( i) } ( i = 1 ,2 , …, p) 来训练 L S - SVM 。在构造训练样本时 ,需要注 意的是辨识信号不仅要激励系统的所有动态 , 同 时还要使系统的输入输出覆盖系统所有可能的工 况 ,并着重体现信号的变化过程 。 1. 2 非线性系统的直接逆模型控制原理
控制算法用来控制系统 。
参考图 3 , 假设 f 1 为训练得到的基于 L S SVM 的逆模型控制器 。在逆模型控制算法的运行
过程中 ,逆模型控制器 f 1 的实际输入输出可表示 为
u1 ( k) = f 1 [ r( k + 1) , …, r( k - n + 1) ,

基于极限学习机的非线性内模控制

基于极限学习机的非线性内模控制

基于极限学习机的非线性内模控制唐贤伦;周家林;张娜;刘庆【摘要】A nonlinear internal model control system based on the modified extreme learning machine algorithm is proposed.L1 norm penalty andL2 norm penalty are used to modify the model of ordinary extreme learning machine, then the modified extreme learning machine (MELM) is employed to establish the internal model and inverse model of nonlinear systems. In the simulation experiment, four typical signals are selected for tracking, and then the system’s anti-interference ability and the robustness when the system parameters change are verified. The results show that, compared with least-squared support vector machine and extreme learning machine algorithm, the proposed internal model control has better control performance, anti-interference ability and robustness for nonlinear system.%针对非线性的内模控制的逆模难以求解的问题,该文提出一种基于改进极限学习机(MELM)的非线性内模控制方法。

基于极端学习机逆模方法的非线性内模控制

基于极端学习机逆模方法的非线性内模控制

基于极端学习机逆模方法的非线性内模控制
黄宴委;李竣;金涛
【期刊名称】《系统仿真学报》
【年(卷),期】2012(24)11
【摘要】在基于输入输出数据的基础上,针对纯时滞系统,由极端学习机建立被控系统的最小相位系统的逆模,串接于被控系统前,实现基于极端学习机逆模方法的非线性内模控制。

同时,推导出时滞内模控制系统的稳态误差,来评估内模控制系统的性能。

将所提出的内模控制策略分别应用于时滞系统与连续搅拌釜反应器系统进行控制仿真,仿真实验说明基于极端学习机的逆模方法的内模控制系统是可行的,具有系统稳态误差小、鲁棒性强等特点。

【总页数】5页(P2302-2306)
【作者】黄宴委;李竣;金涛
【作者单位】福州大学电气工程与自动化学院
【正文语种】中文
【中图分类】TP13
【相关文献】
1.基于逆系统方法的非线性二自由度内模控制
2.基于逆系统方法的非线性系统内模控制
3.基于支持向量机α阶逆系统方法的非线性内模控制
4.基于逆系统方法的非线性内模控制
5.基于极限学习机的非线性内模控制
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第28卷 第5期2002年9月自 动 化 学 报A CTA AU TOM A T I CA S I N I CA V o l 128,N o 15Sep t .,2002 基于逆系统方法的非线性内模控制1)陈庆伟1 吕朝霞1 胡维礼1 吴宏鑫21(南京理工大学自动化系 南京 210094)2(北京控制工程研究所 北京 100080)(E 2m ail :qw chen @jlonline .com )摘 要 针对一类非线性连续系统,利用小波网络逼近原系统的Α阶积分逆系统,针对复合后的伪线性系统提出了基于逆系统方法的内模控制,证明了闭环系统的鲁棒稳定性,分析了系统性能.仿真结果表明所提的方法控制性能好,精度高,且控制器设计简单.关键词 非线性,逆系统方法,内模控制,鲁棒性,小波网络中图分类号 1)国家自然科学基金(60034010和60174019)资助收稿日期 2000208209 收修改稿日期 2000211229NONL INEAR INTERNAL MOD EL CONTR OL BASED ONINVERSE S Y STE M M ETHODCH EN Q ing 2W ei 1 LU Zhao 2X ia 1 HU W ei 2L i 1 W U Hong 2X in21(D ep a rt m en t of A u to m a tion ,N anj ing U n iversity of S cience and T echnology ,N anj ing 210094)2(B eij ing Institu te of Con trol E ng ineering ,B eij ing 100080)(E 2m ail :qw chen @jlonline .com )Abstract W avelet netw o rk s are used to app roxi m ate to the Α2integral inverse system of a class of nonlinear continuous system s .T hen the internal model contro l based on inverse system m ethod is p ropo sed fo r the com bined p seudo 2linear system .Stability and robustness of the clo sed 2loop system are p roved ,and its perfo rm ances are ana 2lyzed .Si m ulati on results show that the m ethod has better perfo rm ance ,h igh accuracy and si m p le design .Key words N onlinear ,inverse system m ethod ,I M C ,robustness ,w avelet netw o rk s 1 引言逆系统方法[1]作为一种直接的反馈线性化解耦控制方法,要求原系统及其逆系统的数学模型已知.由于非线性系统的复杂性,精确建模是困难的,求其逆模型则更难,这是逆系统方法在实际应用中的瓶颈之一.针对建模问题,一些学者提出了用神经网络建模的逆系统方法[2,3].但由于不可避免地存在建模误差,而逆系统方法对建模误差的鲁棒性是不尽人意的,这也在一定程度上限制了其在工程上的推广应用.本文用小波网络[4]逼近非线性系统的逆模型,较之神经网络建模有更多的优点[5],对存在非线性建模误差的伪线性系统引入内模控制[6].理论分析和仿真研究均表明,本文提出的基于逆系统方法的非线性内模控制,具有很强的鲁棒稳定性、很好的动态性能及很高的跟踪精度.2 基于逆系统方法的内模控制考虑由输入输出微分方程描述的S ISO 非线性连续系统2F (y (n ),y (n -1),…,y ,u (m ),u (m -1),…,u )=0,初值u(i )(t 0)=u (i )0,i =0,1,…,m -1y (j )(t 0)=y (j )0,j =0,1,…,n -1(1)上式中u ∈R u <R 为系统输入;y ∈R y <R 为输出;R u ,R y 为有界紧集;系统输入输出阶次分别为m 和n (m ≤n );F ( )是定义在R u ×R y 上关于各变量连续的非线性函数,且满足线性增长性条件,即存在正常数l i (1≤i ≤m +n )使下式成立F (x 1,…,x m +n ,t ) ≤∑m +ni =1l i x i(2)2.1 系统结构对式(1)描述的非线性系统,基于小波网络求得其Α阶积分逆系统,再与原系统复合成伪线性系统.对伪线性系统引入内模控制,系统结构如图1所示,其中内部模型为理想的Α阶积分环节,内模控制器为滤波器与模型逆的乘积,伪线性系统的输入为u ,输出为y 1,r 为系统的参考输入,d 为外界干扰,闭环系统的输出y =y 1+d .2.2 鲁棒稳定性研究引理1[7].对于满足假设(2)的系统(1),存在一组与输入输出及其导数相关的有界时变函数a i ,b j (1≤i ≤n ,0≤j ≤m ),使其可表示为时变线性系统A (s ,t )y =B (s ,t )u(3)这里A (s ,t )=s n +a 1(t )s n -1+…+a n -1(t )s +a n (t ),B (s ,t )=b 0s m +…+b m -1(t )s +b m (t )(4)其中a i ,b j 满足有界性条件q ≤L ,q =a i 或b j , L =∑m +n i =1li (5)617自 动 化 学 报 28卷在每一具体时刻,时变参数是确定的,从而系统(1)又可以等价为若干线性定常系统的组合.设图1中伪线性系统的传递函数为G (s ),内部模型为G m (s ),内模控制器为G c (s ).由于非线性建模误差的存在,G (s )可以看成是由若干线性定常系统组成的模型集合,在频域中可描述为0=G (j Ξ):G (j Ξ)2G m (j Ξ)G m (j Ξ)= l m (j Ξ) ≤l γm (6)其中l γm 为误差的上界.引理2.对于单位负反馈控制系统,具有建模误差的被控对象传递函数为G (s ),其模型为G m (s ),控制器传递函数为C (s ),则保证闭环系统稳定的充要条件为C (j Ξ)G m (j Ξ) l γm < 1+C (j Ξ)G m (j Ξ) ,ΠΞ(7)定理1.对于由图1所描述的内模控制系统,保证闭环系统稳定的充要条件为G c (j Ξ)G m (j Ξ) l γm <1,ΠΞ(8)证明.由图1可得内模控制系统的闭环传函为H (s )=G (s )G c (s )1+G c (s )(G (s )-G m (s ))(9)其等效开环传递函数为O (s )=H (s )1-H (s )=G (s )G c (s )1-G c (s )G m (s )(10)进而可得到等价的单位负反馈系统控制器的传函为C (s )=G c (s )1-G c (s )G m (s )(11)将上式代入式(7),得G c (j Ξ)G m (j Ξ)1-G c (j Ξ)G m (j Ξ)l γm <11-G c (j Ξ)G m (j Ξ),ΠΞ(12)显见可得式(8).证毕.在本文所研究的基于逆系统方法的内模控制结构中,内模控制器G c (s )=F (s )・G -1m (s ),代入式(8),有F (j Ξ)G -1m (j Ξ)G m (j Ξ) l γm = F (j Ξ) l γm <1,ΠΞ(13)由式(13)可见,对于一定的建模误差界l γm ,可以通过滤波器参数的选取,使式(13)成立,从而保证闭环系统稳定.3 逆系统方法3.1 Α阶积分逆系统设非线性系统2的动力学模型可用一个输入到输出的非线性映射算子Η表示为y =Ηu(14)若系统2满足可逆性条件,则其逆系统0可表示为u d =Ηλy d (15)7175期 陈庆伟等:基于逆系统方法的非线性内模控制式中y d 为可微函数,Ηλ为非线性逆映射算子,则称0为2的单位逆系统.单位逆系统常常是非正则的,难以工程实现.为此可构造下列Α阶积分逆系统0Α.设Υ(t )=y (Α)d(t ),算子ΗλΑ满足ΗΗλΑΥ=ΗΗλΑ(y (Α)d )=Ηu d =y d (16)则称0Α为原系统2的Α阶积分逆系统,和原系统复合后的伪线性系统为1 s Α.本文采用小波网络逼近一类非线性系统的Α阶积分逆系统.3.2 小波网络Α阶积分逆系统引理3.对H ilbert 空间任一连续平方可积函数f ,存在满足框架条件的小波函数族{Ωj ,k }j ,k ∈Z ,使得由小波函数作为隐层基函数的小波网络输出f ^=∑j ,k ∈Z w j ,k Ωj ,k 可以任意精度逼近f ,即对ΠΕ>0,有‖f -f ^‖<Ε.引理4[3].对于式(1)描述的S ISO 非线性连续系统,若在某开集D 内有9F ( )9u (m )≠0且在D 内处处连续,则该系统在D 内可逆.于是,根据隐函数定理,有u(m )=g (y (n ),y (n -1),…,y ,u (m -1),…,u )(17)其中g ( )为光滑映射,且在系统输入输出有界范围内平方可积.令Υ=y (n )d , zj =y (j -1)d (1≤j ≤n ), v i =u (i -1),u =v 1(1≤i ≤m )(18)式(17)和(18)就是以Υ为输入,u 为输出的Α=n 阶积分逆系统.根据引理3,可由一个具有n +m +1个输入节点、一个输出节点的小波网络逼近该积分逆系统,如图2所示.根据小波和信号的时频特性分析,结合正交化优化方法来确定小波网络的结构[5].采用最小二乘法辨识网络权值参数,把训练好的小波网络Α阶积分逆系统与原系统串接,构成Α阶积分伪线性系统.4 系统性能分析取内部模型为G m (s )=1s Α(19)内模控制器可取为G c (s )=F (s )G -1m (s )(20)选取滤波器F (s )使G c (s )正则.817自 动 化 学 报 28卷由图1可得闭环系统的误差方程为(设扰动为d (s )=0)E (s )=(1-F (s ))1+F (s )G -1m(s )(G (s )-G m (s ))R (s )(21)1)当F (s )取一型滤波器时,F (s )=1(Κf s +1)n ,代入式(21)有E (s )=(Κf s +1)n -1(Κf s +1)n +l m (s )R (s )(22)设li m s →0l m (s )=C (常数),得①R (s )=r 0s ,e (∞)=li m s →0s (Κf s +1)n -1(Κf s +1)n +l m (s )・r 0s =0;②R (s )=r 0s 2,e (∞)=li m s →0s (Κf s +1)n -1(Κf s +1)n +l m (s )・r 0s 2=n Κf r 01+C (常数).2)当F (s )取二型滤波器时,F (s )=n Κf s +1(Κf s +1)n ,同理可推得①R (s )=r 0s 及R (s )=r 0s2时,e (∞)=0;②R (s )=r 0s3,e (∞)=n (n -1)Κ2f r 02(1+C )(常数).同理可推得系统对扰动的抑制能力.因此,对伪线性系统引入内模控制结构,采用一型滤波器,可无静差跟踪阶跃信号,并可完全抑制恒值扰动.采用二型滤波器,可无静差跟踪阶跃和斜坡信号,并可完全抑制阶跃和斜坡扰动.5 仿真研究考虑如下可逆非线性系统y α=-0.2(sin y -co s y )-y(1+y 2)+(0.4sin y co s y 2+0.8)u , y (0)=0,假设仅已知系统输出阶次n =1,输入阶次m =0.5.1 设计小波网络Α=1阶积分逆系统对原系统输入u (t )=sin 2t +co s t ,在t =0~10秒内均匀采样500个点,并计算输出的一阶导数,构成样本集{y ,y α},{u }.构造223521小波网络,母小波为Ω(x )=x e -x 22,小波函数的伸缩、平移参数的取值为j ∈[-3,1],k ∈[-2,2],利用RL S 方法(Κ=0.995)离线训练.训练好的小波网络为1阶积分逆系统.5.2 设计内模控制闭环系统①取内部模型为s -1,内模控制器G c (s )=F (s )G -1m(s )=sF (s ).②取二型滤波器F (s )=2Κf s +1(Κf s +1)2(Κf =0.1),跟踪阶跃r (t )=0.1、斜坡r (t )=0.1t 和正弦信号r (t )=0.1sin (2Π・0.25t ),结果如图3所示.系统可渐近无差跟踪阶跃和斜坡信号,对正弦信号的跟踪精度也很高(图略).③考察系统抑制扰动的能力假设系统跟踪阶跃信号的过程中,在t =3秒时受到外界幅值为0.05的强干扰,即9175期 陈庆伟等:基于逆系统方法的非线性内模控制027自 动 化 学 报 28卷6 结束语本文用小波网络逼近非线性系统的逆模型,将逆系统方法和内模控制方法相结合,提出了基于逆系统方法的非线性内模控制,证明了闭环系统的鲁棒稳定性.理论分析和仿真结果表明,这种基于逆系统方法的内模控制系统,不仅具有很高的跟踪精度,并且当存在非线性系统的建模误差或发生参数摄动和外界干扰时,系统仍具有很好的性能.本文所提出的方法较一般的逆系统方法的鲁棒稳定性好、设计简单、跟踪精度高,便于工程应用.参考文献1李春文,冯元琨.多变量非线性控制的逆系统方法.北京:清华大学出版社,19912戴先中,刘军,冯纯伯.连续非线性系统的神经网络Α阶逆系统控制方法.自动化学报,1998,24(4):463~4683何丹.非线性系统控制的神经网络逆系统方法[学位论文].南京:东南大学,19994Z hang Q ing hua ,A lbert B enven iste .W avelet net w orks .IEEE T rans .N eural N etwo rk s ,1992,3(6):889~8985吕朝霞.非线性系统的内模控制研究[学位论文].南京:南京理工大学,20006Ga rcia C E .In terna l m od el con trol :A un if y ing rev ie w and so m e ne w resu lts .Ind .Eng .Chem .P ro .D es .D ev .,1982,21(2):308~3237朱瑞军.非线性系统的状态估计和控制中的若干问题研究[博士后研究报告].南京:南京理工大学,2000陈庆伟 教授.1988年于南京理工大学自动控制系获硕士学位.目前在南京理工大学自动化系攻读博士学位.主要研究方向为智能控制系统及数字交流伺服系统的研究与设计.吕朝霞 1992年毕业于南京理工大学自动控制系,1997年获南京理工大学硕士学位,2000年获南京理工大学博士学位.主要研究方向为智能控制、神经网络控制等.胡维礼 教授,博士生导师.1965年毕业于清华大学自动控制系,1981年获南京理工大学硕士学位.长期从事高精度伺服系统控制与应用、自适应控制及智能控制等方面的研究.吴宏鑫 研究员,博士生导师.1965年毕业于清华大学自动控制系.从事自适应控制理论和智能控制研究及其在航天控制和工业过程控制领域中的应用.1275期 陈庆伟等:基于逆系统方法的非线性内模控制。

相关文档
最新文档