CN104914722A - 时滞关联大系统的自适应模糊动态面控制方法 - Google Patents
时滞关联大系统的自适应模糊动态面控制方法 Download PDFInfo
- Publication number
- CN104914722A CN104914722A CN201510262169.9A CN201510262169A CN104914722A CN 104914722 A CN104914722 A CN 104914722A CN 201510262169 A CN201510262169 A CN 201510262169A CN 104914722 A CN104914722 A CN 104914722A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mover
- mtr
- mtd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 11
- 238000013461 design Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种时滞关联大系统的自适应模糊动态面控制方法,利用模糊逻辑系统逼近系统中的未知关联时滞函数,并用参考信号代换逼近器输入中的未知时滞信号。本发明提供的一种时滞关联大系统的自适应模糊动态面控制方法,可以处理系统输出中完全未知的时变时滞,并能保证系统所有信号半全局一致有界,同时可使跟踪误差收敛到包含原点的小邻域内。
Description
技术领域
本发明属于非线性时滞大系统领域,具体涉及一种时滞关联大系统的自适应模糊动态面控制方法。
背景技术
关联大系统的分散控制方法具有设计简单,可靠性强,便于实现实时控制等优点,近年来,基于反推法(backstepping)对不确定非线性时滞关联大系统自适应分散控制问题的研究引起了广泛关注。方斯琛、Nasir等人讨论了非线性大系统的分散控制问题,但他们都没有考虑子系统之间信号传递的延时。由于倒立摆的非线性、欠驱动、自然不稳定等特性,对倒立摆的控制涉及到控制科学中处理复杂对象的关键技术,因此,倒立摆常被用来检验新的控制方法是否具有较强的处理非线性、多变量、欠驱动和绝对不稳定系统的能力。现有技术也对单极双倒立摆系统和含时滞的互联双倒立摆系统的控制问题进行了研究,但没有考虑时滞对系统稳定性的影响,或假设时滞为已知常数。
发明内容
本发明的目的之一是为解决上述的难题,提供一种能保证系统所有信号半全局一致有界的时滞关联大系统的自适应模糊动态面控制方法。
本发明提供一种时滞关联大系统的自适应模糊动态面控制方法,
由N个子系统组成的非线性关联大系统,第i个子系统Σi为:
其中xi∈Rni,ui∈R,yi∈R分别表示子系统的状态、输入和输出;为未知光滑函数,yd=[y1(t-d1(t)),…,yN(t-dN(t))]T,其中d1(t),…,dN(t)为完全未知的时变时滞;gi(x)≠0为已知光滑函数;ni为正常数;记yr=[y1,r,…,yN,r]T;
步骤包括:
S1、在第一步时,定义面函数Si,1=xi,1-yi,r,其对时间的导数为用模糊逻辑系统逼近fi,1,有
其中为逼近误差,满足Ψi,11为逼近误差的正常数边界;
对所述式作如下变换:
定义为代换误差ωi,1,记
其中有ωi,1=υi,1+νi,1;
根据υi,1和νi,1满足下式
其中li,11和li,12为Lipschitz常数,上式中的υi,1≤||yd-yr,d||li,11将用于稳定性分析,对于νi,1≤||yr,d-yr||li,12,因||yr,d-yr||有界,且li,12为常数,存在未知正数Ψi,12≥|vi,1|,定义误差为并令Ψi,1=Ψi,11+Ψi,12,有
式(3)可写为
选择如下虚拟控制律
其中,Ki,1为控制增益,τi,1为滤波器时间常数,δi,1为设计参数,和为用于消除ei,1和υi,1对闭环系统稳定性的影响添加的自适应项,未知参数的自适应律为
其中,Γi,1为自适应增益,ri>0为设计参数;
S2、在第j步时,定义Si,j=xi,j-ai,j-1,有
重复所述步骤S1中(3)~(6),可得
未知参数的自适应律选择为
S3、在第ni步时,定义面函数有
同样,根据所述步骤S1中第1步的时滞代换思想,可得
设计控制律如下
未知参数的自适应律选择为
存在常数ψi,r>0(j=2,…,ni)使得|ei,1|<ψi,j,取有|ei,j|<ψi(j=1,…,ni),和的自适应律选择为
进一步的,系统参考信号y1,r(t),…,yN,r(t)在区间t∈(-∞,∞)上连续且有界,在紧集内,模糊逻辑系统可被用来逼近系统位置的函数,此时有
其中为F(x)的模糊逼近,ε(x)为逼近误差且满足|ε(x)|<δ,δ为未知逼近误差上界。在紧集Ωx上,满足Lipschitz条件,即存在常数l*,使得下式成立
本发明的有益效果在于,本发明提供的一种时滞关联大系统的自适应模糊动态面控制方法,使处理系统输出中的完全未知的时变时滞,并能保证系统所有信号半全局一致有界,同时可使跟踪误差收敛到包含原点的小邻域内。
附图说明
图1所示为本发明实施例系统Σ1输出y1跟踪参考信号y1,x的仿真曲线图。
图2所示为本发明实施例子系统信号曲线图。
图3所示为本发明实施例控制输入u1的曲线。
图4所示为本发明实施例系统Σ1输出y2跟踪参考信号y2,x的仿真曲线图。
图5所示为本发明实施例子系统信号曲线图。
图6所示为本发明实施例控制输入u2的曲线。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。
本发明提供一种时滞关联大系统的自适应模糊动态面控制方法,
由N个子系统组成的非线性关联大系统,第i个子系统Σi为:
其中xi∈Rni,ui∈R,yi∈R分别表示子系统的状态、输入和输出;为未知光滑函数,yd=[y1(t-d1(t)),…,yN(t-dN(t))]T,其中d1(t),…,dN(t)为完全未知的时变时滞;gi(x)≠0为已知光滑函数;ni为正常数;记yr=[y1,r,…,yN,r]T;
步骤包括:
S1、在第一步时,定义面函数Si,1=xi,1-yi,r,其对时间的导数为用模糊逻辑系统逼近fi,1,有
其中为逼近误差,满足Ψi,11为逼近误差的正常数边界;
对所述式作如下变换:
定义为代换误差ωi,1,记
其中有ωi,1=υi,1+νi,1;
根据υi,1和νi,1满足下式
其中li,11和li,12为Lipschitz常数,上式中的υi,1≤||yd-yr,d||li,11将用于稳定性分析,对于νi,1≤||yr,d-yr||li,12,因||yr,d-yr||有界,且li,12为常数,存在未知正数Ψi,12≥|vi,1|,定义误差为并令Ψi,1=Ψi,11+Ψi,12,有
式(3)可写为
选择如下虚拟控制律
其中,Ki,1为控制增益,τi,1为滤波器时间常数,δi,1为设计参数,和为用于消除ei,1和υi,1对闭环系统稳定性的影响添加的自适应项,未知参数的自适应律为
其中,Γi,1为自适应增益,ri>0为设计参数;
S2、在第j步时,定义Si,j=xi,j-ai,j-1,有
重复所述步骤S1中(3)~(6),可得
未知参数的自适应律选择为
S3、在第ni步时,定义面函数有
同样,根据所述步骤S1中第1步的时滞代换思想,可得
设计控制律如下
未知参数的自适应律选择为
存在常数ψi,r>0(j=2,…,ni)使得|ei,1|<ψi,j,取有|ei,j|<ψi(j=1,…,ni),和的自适应律选择为
进一步的,系统参考信号y1,r(t),…,yN,r(t)在区间t∈(-∞,∞)上连续且有界,在紧集内,模糊逻辑系统可被用来逼近系统位置的函数,此时有
其中为F(x)的模糊逼近,ε(x)为逼近误差且满足|ε(x)|<δ,δ为未知逼近误差上界;在紧集Ωx上,满足Lipschitz条件,即存在常数l*,使得下式成立
实施例:
倒立摆由于其非线性、欠驱动、自然不稳定等特性,因此一直以来是控制领域比较理想的实验设备,通常被用来检验一个新的控制方法的有效性。本文考虑的为带有时滞的互联双倒立摆模型。该双倒立摆的数学模型可建立如下:
仿真中,为构造系统模型,假设未知关联项为带弹力滞后的弹簧,则未知函数f1,2和f2,2为
式(17)~(18)中,系统输出y1和y2为摆偏离垂直位置的角度,摆头的重量为m1=2kg和m2=2.5kg,运动惯性为J1=0.5kg和J2=0.625kg,弹簧常数为k=100Nm,摆高为r=0.5m,弹簧自然长度为l=0.5m,重力加速度取为g=9.81m/s2,两摆铰链间距为b=0.4m。式(18)中的时滞假定为d1(t)=1.6(1+sin(t)),d2(t)=1.6(1+cos(t))。控制目标是使大系统的输出y1和y2稳定跟踪参考信号y1,r(t)=sin(t)和y2,r=sin(0.5t)sin(t)。
采用逼近器逼近f1,2,模糊隶属函数选择为其中a1,j=1,1/b1,j=10,y1,j=0.9-0.3j,j=0,1,…,6。采用逼近器逼近f2,2,模糊隶属函数选择为其中a1,k=1,1/b1,k=10,y1,k=1-0.5k,k=0,1,…,4,得(i=1,2)
控制器可设计为
参数自适应律为
当系统参数选为Γ1,2=Γ2,2=5,γ1,1=γ2,1=2,γ1,2=γ2,2=1,K1,1=K2,1=3,K1,2=K2,2=5,δ1=δ2=0.1,τ1,1=τ2,1=r1=r2=0.01,系统的初始状态为x1,1=x2,1=0.5,x1,2=x2,2=-0.5的时候,仿真结果如图1~2所示。其中,图1和图4给出了系统输出y1,y2跟踪参考信号y1,x,y2,x的仿真曲线,y1BP和y2BP则为采用文献方法时得到的系统输出。由图可知,由于选取的时滞di(t)为未知时变时滞,因此y1BP和y2BP不能很好的跟踪参考目标,而本文方法可以获得很好的跟踪效果。图2~3和图5~6分别为各子系统信号和控制输入ui的曲线(i=1,2),由图可知,这些信号均为有界。
本发明提供的一种时滞关联大系统的自适应模糊动态面控制方法,使处理系统输出中的完全未知的时变时滞,并能保证系统所有信号半全局一致有界,同时可使跟踪误差收敛到包含原点的小邻域内。
本文虽然已经给出了本发明的一些实施例,但是本领域的技术人员应当理解,在不脱离本发明精神的情况下,可以对本文的实施例进行改变。上述实施例只是示例性的,不应以本文的实施例作为本发明权利范围的限定。
Claims (2)
1.一种时滞关联大系统的自适应模糊动态面控制方法,
由N个子系统组成的非线性关联大系统,第i个子系统Σi为:
其中xi∈Rni,ui∈R,yi∈R分别表示子系统的状态、输入和输出; 为未知光滑函数,yd=[y1(t-d1(t)),…,yN(t-dN(t))]T,其中d1(t),…,dN(t)为完全未知的时变时滞;gi(x)≠0为已知光滑函数;ni为正常数;记yr=[y1,r,…,yN,r]T;
其特征在于,步骤包括:
S1、在第一步时,定义面函数Si,1=xi,1-yi,r,其对时间的导数为用模糊逻辑系统逼近fi,1,有
其中为逼近误差,满足Ψi,11为逼近误差的正常数边界;
对所述式作如下变换:
定义为代换误差ωi,1,记
其中有ωi,1=υi,1+νi,1;
根据υi,1和νi,1满足下式
其中li,11和li,12为Lipschitz常数,上式中的υi,1≤||yd-yr,d||li,11将用于稳定性分析,对于νi,1≤||yr,d-yr||li,12,因||yr,d-yr||有界,且li,12为常数,存在未知正数Ψi,12≥|vi,1|,定义误差为并令Ψi,1=Ψi,11+Ψi,12,有
式(3)可写为
选择如下虚拟控制律
其中,Ki,1为控制增益,τi,1为滤波器时间常数,δi,1为设计参数,和为用于消除ei,1和υi,1对闭环系统稳定性的影响添加的自适应项,未知参数的自适应律为
其中,Γi,1为自适应增益,ri>0为设计参数;
S2、在第j步时,定义Si,j=xi,j-ai,j-1,有
重复所述步骤S1中(3)~(6),可得
未知参数的自适应律选择为
S3、在第ni步时,定义面函数有
同样,根据所述步骤S1中第1步的时滞代换思想,可得
设计控制律如下
未知参数的自适应律选择为
存在常数ψi,r>0(j=2,…,ni)使得|ei,1|<ψi,j,取有|ei,j|<ψi(j=1,…,ni),和的自适应律选择为
2.如权利要求1所述的一种时滞关联大系统的自适应模糊动态面控制方法,其特征在于,系统参考信号y1,r(t),…,yN,r(t)在区间t∈(-∞,∞)上连续且有界,在紧集内,模糊逻辑系统可被用来逼近系统位置的函数,此时有
其中为F(x)的模糊逼近,ε(x)为逼近误差且满足|ε(x)<δ,δ为未知逼近误差上界;在紧集Ωx上,满足Lipschitz条件,即存在常数l*,使得下式成立
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510262169.9A CN104914722A (zh) | 2015-05-21 | 2015-05-21 | 时滞关联大系统的自适应模糊动态面控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510262169.9A CN104914722A (zh) | 2015-05-21 | 2015-05-21 | 时滞关联大系统的自适应模糊动态面控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104914722A true CN104914722A (zh) | 2015-09-16 |
Family
ID=54083893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510262169.9A Pending CN104914722A (zh) | 2015-05-21 | 2015-05-21 | 时滞关联大系统的自适应模糊动态面控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914722A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107390527A (zh) * | 2017-08-22 | 2017-11-24 | 广州大学 | 一种执行器时滞和失效时的模糊自适应补偿控制方法 |
CN113671831A (zh) * | 2021-08-12 | 2021-11-19 | 南京邮电大学 | 一种非线性互联系统的自适应跟踪控制方法 |
CN114384800A (zh) * | 2021-12-09 | 2022-04-22 | 上海工程技术大学 | 一种具有输入信号延时的未知非线性系统反推控制方法 |
CN114815621A (zh) * | 2022-05-09 | 2022-07-29 | 电子科技大学 | 一种基于t-s模糊的具有时滞的凝固过程有限时间自适应控制方法 |
-
2015
- 2015-05-21 CN CN201510262169.9A patent/CN104914722A/zh active Pending
Non-Patent Citations (1)
Title |
---|
郭涛等: "时滞关联大系统的自适应模糊动态面控制及仿真", 《系统仿真学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107390527A (zh) * | 2017-08-22 | 2017-11-24 | 广州大学 | 一种执行器时滞和失效时的模糊自适应补偿控制方法 |
CN107390527B (zh) * | 2017-08-22 | 2020-07-10 | 广州大学 | 一种执行器时滞和失效时的模糊自适应补偿控制方法 |
CN113671831A (zh) * | 2021-08-12 | 2021-11-19 | 南京邮电大学 | 一种非线性互联系统的自适应跟踪控制方法 |
CN113671831B (zh) * | 2021-08-12 | 2024-04-09 | 南京邮电大学 | 一种非线性互联系统的自适应跟踪控制方法 |
CN114384800A (zh) * | 2021-12-09 | 2022-04-22 | 上海工程技术大学 | 一种具有输入信号延时的未知非线性系统反推控制方法 |
CN114384800B (zh) * | 2021-12-09 | 2023-09-12 | 上海工程技术大学 | 一种具有输入信号延时的未知非线性系统反推控制方法 |
CN114815621A (zh) * | 2022-05-09 | 2022-07-29 | 电子科技大学 | 一种基于t-s模糊的具有时滞的凝固过程有限时间自适应控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107662208B (zh) | 一种基于神经网络的柔性关节机械臂有限时间自适应反步控制方法 | |
Levine et al. | Variational policy search via trajectory optimization | |
Farges et al. | H∞ analysis and control of commensurate fractional order systems | |
CN104914722A (zh) | 时滞关联大系统的自适应模糊动态面控制方法 | |
Muhammad et al. | Passivity-based control applied to the dynamic positioning of ships | |
Dou et al. | Identification of nonlinear aeroelastic system using fuzzy wavelet neural network | |
CN104991444A (zh) | 基于跟踪微分器的非线性pid自适应控制方法 | |
Gao et al. | Sliding mode fault tolerant control with prescribed performance | |
Wang et al. | Neural learning control of flexible joint manipulator with predefined tracking performance and application to baxter robot | |
CN107102544A (zh) | 基于扰动观测器的全局有限时间航迹跟踪控制方法 | |
CN105629739B (zh) | 一种无拖曳卫星相对位移通道的输出反馈抗干扰控制方法 | |
WO2016054148A1 (en) | System and method for controller adaptation | |
Andreev et al. | Motion control of multilink manipulators without velocity measurement | |
Tseng et al. | Design of digital differentiator using supervised learning on keras framework | |
De Lellis et al. | Modeling, identification and control of a quadrotor aircraft | |
Yoo et al. | Decentralized low-complexity tracking of uncertain interconnected high-order nonlinear systems with unknown high powers | |
CN105589334B (zh) | 一种基于输入平滑的特征模型参数辨识方法 | |
CN107991878A (zh) | 一种基于深度信念网络的混沌追踪控制方法 | |
Cardeliquio et al. | ℋ 2 output-feedback control of continuous-time MJLS with uncertain transition rates | |
Khantsis et al. | UAV controller design using evolutionary algorithms | |
KR102116054B1 (ko) | 심층 신경망 기반의 음성인식 시스템 | |
Peñaloza-Mejía et al. | Gp-based motion control design for the double-integrator system subject to velocity constraint | |
Szuster et al. | Discrete Globalised Dual Heuristic Dynamic Programming in Control of the Two‐Wheeled Mobile Robot | |
Li et al. | A novel decentralised adaptive NN tracking control for double inverted pendulums | |
Aguilera-Ruiz et al. | Control by online learning using a maximum sensibility neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150916 |
|
RJ01 | Rejection of invention patent application after publication |