非线性动态系统逆模型与辨识
合集下载
- 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、"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、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)。
则系统的输出 y(k ), k 0 ,由u(k) 与x0 惟一确定:
y(k) T x0, T
由 Y 到 U 的映射算子
,使之由 P 的输出{yd (k )} 作为其输入,
产生需加到 P 输入端的控制{ud (k )} ,
以驱动 P 产生希望的输出{yd (k )} 。 1
3-7 非线性动态系统逆模型与辨识
3-7-1 非线性系统的逆与可逆性
进一步阐述 SISO、BIBO 系统的逆与可逆性问题。
泛函分析:
系统相当于由输入空间 U 映射到输出空间 Y 的算子 T : U Y ;
反之,其逆相当于由 Y 映射到 U 的算子T : Y U 。
设u(k), y(k)是系统 P 的输入输出,系统有确定的初始条件或初始状态x0 ,
8
2.系统—逆模型辨识
即节 3-3-1 所述逆模型特殊辨识结构,见图。
由神经逆模型辨识器 NNII 的期望输入 s 与系统 P
输出 y 之差来训练 NNII。因系统 P 未知,在辨识 ( NNII 权系训练)过程中,需知被辨识系统P
的模型,故该法难以实现。
y(k) gy(k 1), , y(k n), u(k d ), u(k (d m))
y 、u :系统输入、输出。
已知初始条件:
y0 [ y(1), , y(n)] u0 [u(d ), ,u((d m))]
在满足系统具有稳定逆的条件下,
s(k) y(k)
z 1 y(k 1)
z 1 y(k n)
若在相同的条件下,式上是等式,称系统 P 是奇异的。
4. 可逆系统
非线性系统的可逆性一般与状态 x 位置有关。 故系统在 x0 点存在逆系统时,称系统在点是可逆的;
如存在某域 M Rn ,系统在每一 x M 均可逆,称其为可逆系统。
3
3-7-2 非线性系统逆模型
讨论由节 3-5-1M1 描述的非线性 SISO、BIBO,d 阶时延可逆系统:
1.直接逆模型辨识
即节 3-3-1 所述逆模型的一般辨识结构。
神经逆模型辨识器输入是系统的输入 u、输出 y; 输出uˆ 与u 比较,优化准则函数:
E(V(k),k) 1 [u(k) uˆ(k)]2 2
训练其权系V。
Pd1 的神经逆模型辨识器Pˆd1 表达式:
uˆ(k d) Ng 1y(k), y(k 1) , y(k n), u(k (d 1)), ,u(k (d m)); V
u(k d ) g 1y(k), y(k 1) , y(k n), u(k (d 1)), ,u(k (d m))
逆系统需具有与系统相同的初始条件,设系统输入:
s(k) y(k)
则 Pd1 的差分方程(见图):
u(k d ) g 1s(k), y(k 1), , y(k n), u(k (d 1)), ,u(k (d m)
Pd1 g 1[s(k), y(k 1), ,
y(k n),u(k (d 1)), ,u(k (d m))]
系统逆的输出应是有界的。
u(k (d m))
u(k (d 1))
z 1
z 1
u(k d)
图 3-7-1 d 阶时延逆系统
4
上式描述的 d 阶时延非线性系统,其 d 阶时延逆系统Pd1 差分方程:
s(k) y(k)
z 1
y(k 1)
z 1
y(k n)
Pd1 g 1[s(k ), y(k 1), ,
y(k n), u(k (d 1)), , u(k (d m))]
u(k d)
u(k (d m))
u(k (d 1))
z 1
z 1
图 3-7-1 d 阶时延逆系统
5
可用与上式等价的差分方程描述:
y(k) P
= s(k)
y(k d)
y(k) zd
(b)
图 3-7-2 d 阶时延逆系统与 d 阶时延系统串联(非线性)
6
3-7-3 神经逆模型辨识
阐述 d 阶时延系统逆模型辨识的四种方法。 d 阶时延逆系统Pd1 差分方程:
u(k d ) g 1y(k), y(k 1) , y(k n), u(k (d 1)), ,u(k (d m))
u(k) g 1s(k), y(k d 1), , y(k d n), u(k 1), ,u(k m)
此时,系统输入:
s(k) y(k d)
可见,若 d 阶时延逆系统Pd1 与 d 阶时延系统 P 串联的系统(见图)有 Pd1 P z d
s(k) y(k d)
u(k) Pd1
(a)
Pˆd1 的结构见图,由非线性 DTNN 实现。
u(k)
y(k)
P
uˆ (k )
-
e(k )
Pˆd1(NNII ) 学习算法
图 3-7-3 直接逆模型辨识示意图
u(k d) P
u(k)
TDL
y(k d) TDL
多层前馈网络
- uˆ(k)
NNII (Pˆd 1)
e(k) 学习算法
图 3-7-4 d 阶时延系统直接逆模型辨识结构
若算子满足:
TTy(k d ) Tu(k) y(k) 称该系统为系统 P 的 d 阶时延逆系统 Pd 1 。
2
3.系统的可逆性定义
设u1(•) 、u2 (•) 是任两个给予系统 P 的不同的输入, 若由此得到 P 的输出总能满足:
y1[k, x0 , u1(•)] y2[k, x0 , u2 (•)] 则系统 P 具有可逆性,称 P 为可逆的。
以下给出逆系统与系统的可逆性定义。 1. 逆系统定义
设系统初始状态为 x0 (由x0 确定),由输入到输出的算子T : y u ,
若算子满足:
TTy(k) Tu(k) y(k) 称该系统为系统 P 的逆系统 P 1 。
2. d 阶时延逆系统定义 设系统,初始状态为 x0 (由x0 确定),由输入到输出的算子T : y u ,
可用等价表达式:
uˆ(k) Ng 1y(k d), y(k d 1) , y(k d n), u(k 1), ,u(k m); V 7
直接逆模型辨识:
逆模型Pˆd1 表达式:
uˆ(k) Ng 1y(k d ), y(k d 1) , y(k d n), u(k 1), ,u(k m); V