CN110320804A - 一种非仿射动力学系统的控制方法 - Google Patents
一种非仿射动力学系统的控制方法 Download PDFInfo
- Publication number
- CN110320804A CN110320804A CN201910655430.XA CN201910655430A CN110320804A CN 110320804 A CN110320804 A CN 110320804A CN 201910655430 A CN201910655430 A CN 201910655430A CN 110320804 A CN110320804 A CN 110320804A
- Authority
- CN
- China
- Prior art keywords
- nonaffine
- dynamic system
- control
- pseudo
- control input
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种非仿射动力学系统的控制方法,包括以下步骤:确定非仿射动力学系统;定义跟踪误差和跟踪误差函数;跟踪误差e=x1‑x1d,跟踪误差函数引入伪控制输入V,针对伪控制输入V设计混合控制器;定义伪控制输入设计伪控制输入V的混合控制器为:V=v1+v2‑v3+v4;根据伪控制输入V计算非仿射动力学系统的控制输入,对系统进行反馈控制。本发明方法通过引入伪控制输入,并针对伪控制输入设计控制器,并根据伪控制输入结算原始系统的控制输入,不需要对非仿射动力学系统进行简化或等价转换,就能实现对非仿射动力学系统的直接控制。
Description
技术领域
本发明属于自动控制技术领域,尤其涉及一种非仿射动力学系统的控制方法。
背景技术
控制输入是线性的动力学系称为仿射动力学系统,反之,控制输入是非线性的动力学系统则为非仿射动力学系统。在实际应用中,大多数的动力学系统都是非仿射动力学系统。对于非仿射动力学系统来说,由于控制输入是非线性的,给其控制系统的设计带来了很大困难。传统的处理方法是将非仿射动力学系统在一定假设条件下对控制输入线性化,将其简化为仿射动力学系统,再针对简化后的仿射动力学系统设计控制器。但这种处理方法会导致一些关键动力学特性的丢失,所得到的仿射控制方法存在失效的风险。后来,有研究学者提出了非仿射动力学系统的间接非仿射控制方法,该方法先将非仿射动力学系统等价转化为仿射动力学系统,再基于转换的仿射动力学系统设计控制器。由于间接非仿射控制方法采用的是等价转化,理论上可以避免传统仿射控制方法因模型简化而导致的控制失效的风险;但将非仿射动力学系统等价转化为仿射动力学系统过程复杂,会增大模型的不确定性,使得保证控制系统的鲁棒性变得更加困难。
发明内容
本发明的目的在于提供一种不需要对非仿射动力学系统进行简化或等价转换的非仿射动力学系统的直接控制方法。
为了实现上述目的,本发明采取如下的技术解决方案:
一种非仿射动力学系统的控制方法,包括以下步骤:
确定非仿射动力学系统;非仿射动力学系统方程为:式中的F(x,u)表示非仿射动力学系统的系统函数,x为非仿射动力学系统的状态向量,u为控制输入,y为非仿射动力学系统的输出,x=[x1,x2,…,xn]T,x1,x2,…,xn为非仿射动力学系统的状态变量,分别表示状态变量x1,x2,…,xn的一阶导数,n为状态变量的数量;
定义跟踪误差和跟踪误差函数;跟踪误差e=x1-x1d,跟踪误差函数其中,x1为非仿射动力学系统的第1个状态变量,x1d为非仿射动力学系统的给定参考指令,表示对时间t求一阶导数,λ为大于0的常数,τ为积分变量;
引入伪控制输入V,针对伪控制输入V设计混合控制器;定义伪控制输入式中的为F(x,u)的估计值,设计伪控制输入V的混合控制器为:V=v1+v2-v3+v4,式中的v1为参考指令补偿项,v2为主反馈项,v3为逼近项,v4为鲁棒项;
根据伪控制输入V计算非仿射动力学系统的控制输入u,对系统进行反馈控制,表示的逆函数。
进一步的,跟踪误差函数其中, e(n-1)分别为e的一阶导数、二阶导数、…、n-1阶导数。
进一步的,所述参考指令补偿项
进一步的,所述主反馈项k2为主反馈项的设计参数。
进一步的,所述逼近项ψ(·)为模糊小波神经网络的基函数,为||W||2的估计值,W为模糊小波神经网络的权值矩阵,采用以下自适应律:式中的κ1为自适应律的设计参数。
进一步的,所述鲁棒项
进一步的,令即根据计算出非仿射动力学系统的控制输入,K0为伪控制输入的设计参数。
由以上技术方案可知,本发明为了处理动力学系统的非仿射特性,通过引入伪控制输入,为伪控制输入设计混合控制器,混合控制器的设计参数包含主反馈项、参考指令补偿项、逼近项与鲁棒项,其中,主反馈项用于镇定闭环控制系统、参考指令补偿项用于对参考指令的高阶导数进行补偿,逼近项用于逼近伪控制输入的估计误差,鲁棒项用于消除逼近误差的不良影响,本发明根据伪控制输入来计算非仿射动力学系统的控制输入,实现对非仿射动力学系统的直接控制,并可以克服仿射控制方法因模型简化而带来的控制失效风险,还避免了间接非仿射控制方法的繁琐过程。
附图说明
图1为本发明方法控制结构的示意图;
图2为采用本发明方法进行仿真得到的跟踪误差图;
图3为采用本发明方法进行仿真得到的系统状态图;
图4为采用本发明方法进行仿真时的控制输入图。
下面结合附图和各实施例对本发明进一步详细说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下获得的所有其他实施例,都属于本发明保护的范围。
针对动力学系统的非仿射特性,本发明方法的基本思路是:引入伪控制输入,针对伪控制输入来设计混合控制器,通过伪控制输入计算原始控制系统(非仿射动力学系统)的控制输入,从而实现对非仿射动力学系统的直接控制,解决了传统方法不能直接针对非仿射动力学系统设计控制器的问题。
以上是本发明的核心思想,下面对本发明的方法做进一步的说明,本发明方法的步骤如下:
步骤一、确定非仿射动力学系统;
非仿射动力学系统方程为:式中的x为非仿射动力学系统的状态向量,y为非仿射动力学系统的输出,F(·)表示非仿射动力学系统的系统函数,u为控制输入,x=[x1,x2,…,xn]T,x1,x2,…,xn为非仿射动力学系统的状态变量,分别表示状态变量x1,x2,…,xn的一阶导数,n为状态变量的数量,系统函数F(·)是关于u的非线性函数,且满足y、u均为实数,状态变量x=[x1,x2,…,xn]T∈Rn,[·]T表示矩阵转置,Rn表示n维实数空间,即表示x为n维矢量,且元素均为实数;
步骤二、定义跟踪误差和跟踪误差函数;
跟踪误差e=x1-x1d,式中的x1为非仿射动力学系统的第1个状态变量,x1d为非仿射动力学系统的给定参考指令;
跟踪误差函数式中的表示对时间t求一阶导数,λ为大于0的常数,τ为积分变量;更进一步的,跟踪误差函数其中,Λ∈Rn, e(n-1)分别为e的一阶导数、二阶导数、…、n-1阶导数,(s+λ)n为Hurwitz多项式,s为拉普拉斯算子,与s存在对应关系,对时域信号进行拉普拉斯变换时,即为s;
步骤三、引入伪控制输入V,针对伪控制输入V设计混合控制器;
定义伪控制输入式中的为F(x,u)的估计值,伪控制输入的估计误差为混合控制器的设计参数包括参考指令补偿项v1、主反馈项v2、逼近项v3和鲁棒项v4,基于v1、v2、v3和v4,设计伪控制输入V的混合控制器为:V=v1+v2-v3+v4;
参考指令补偿项即v1是给定参考指令x1d的n阶导数;主反馈项k2为主反馈项的设计参数,k2>0;逼近项为了抵消伪控制输入的估计误差ΔF,本发明引入模糊小波神经网络对ΔF进行在线逼近,ψ(·)为模糊小波神经网络的基函数,为||W||2的估计值,W为模糊小波神经网络的权值矩阵,采用以下自适应律:式中的κ1为自适应律的设计参数,κ1>0;鲁棒项用于抵消对的估计误差,鲁棒项
步骤四、根据伪控制输入V计算非仿射动力学系统的控制输入u, 表示的逆函数,即表示的逆函数,可令即根据u=K0V计算出非仿射动力学系统的控制输入,式中的K0为伪控制输入的设计参数,K0>0。本发明方法的控制结构如图1所示,由于系统的控制输入u可以直接从伪控制输入V解算,从而实现对系统进行反馈控制,本发明方法解决了传统方法不能直接针对非仿射动力学系统设计控制器的技术问题。
本发明的各设计参数的取值均为经验值,各参数的取值根据不同的非仿射动力学系统以及实际的控制效果来确定,没有一成不变的固定取值,例如λ通常选取较小的数值用以消除稳态误差,λ取值较大时可能会导致闭环系统不稳定。k2主要影响控制误差e的收敛速度,其取值根据实际的控制效果来确定,k2值越大时跟踪误差e收敛越快,但k2值过大会带来较大的超调量。κ1主要影响的收敛特性(响应速度),其取值根据的估计效果(收敛特性)来合理选取。K0的取值以不至于导致u超出其合理范围为宜。
下面通过一具体实施例对本发明的方法作进一步的说明。本实施例的非仿射动力学系统为三阶非仿射动力学系统:非仿射动力学系统的给定参考指令x1d=sin(0.01πt),仿真采用MATLAB/Simulink软件,采用定步长为0.01s的四阶Runge-Kutta法求解,所有状态的初值均为零;
定义跟踪误差e=x1-x1d,误差函数
伪控制输入的混合控制器为:其中,的自适应律为
根据伪控制输入V计算非仿射动力学系统的控制输入u,仿真结果如图2~图4所示。图2为跟踪误差e的曲线图,从图2可以看出,采用本发明方法对系统进行控制,系统的跟踪误差不超过10-3,实现了对参考质量的高精度跟踪。图3为非仿射动力学系统的状态图,图4为非仿射动力学系统的控制输入图,从图3和图4可以看出系统状态和控制输入均有界,表明闭环控制系统稳定,本发明的控制方法可以有效工作。仿真结果充分验证了本发明方法的有效性,表明本发明方法可实现对非仿射动力学系统的直接非仿射控制。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (7)
1.一种非仿射动力学系统的控制方法,其特征在于,包括以下步骤:
确定非仿射动力学系统;非仿射动力学系统方程为:式中的F(x,u)表示非仿射动力学系统的系统函数,x为非仿射动力学系统的状态向量,u为控制输入,y为非仿射动力学系统的输出,x=[x1,x2,…,xn]T,x1,x2,…,xn为非仿射动力学系统的状态变量,分别表示状态变量x1,x2,…,xn的一阶导数,n为状态变量的数量;
定义跟踪误差和跟踪误差函数;跟踪误差e=x1-x1d,跟踪误差函数其中,x1为非仿射动力学系统的第1个状态变量,x1d为非仿射动力学系统的给定参考指令,表示对时间t求一阶导数,λ为大于0的常数,τ为积分变量;
引入伪控制输入V,针对伪控制输入V设计混合控制器;定义伪控制输入式中的为F(x,u)的估计值,设计伪控制输入V的混合控制器为:V=v1+v2-v3+v4,式中的v1为参考指令补偿项,v2为主反馈项,v3为逼近项,v4为鲁棒项;
根据伪控制输入V计算非仿射动力学系统的控制输入u,对系统进行反馈控制, 表示的逆函数。
2.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:跟踪误差函数其中, 分别为e的一阶导数、二阶导数、…、n-1阶导数。
3.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:所述参考指令补偿项
4.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:所述主反馈项k2为主反馈项的设计参数。
5.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:所述逼近项ψ(·)为模糊小波神经网络的基函数,为||W||2的估计值,W为模糊小波神经网络的权值矩阵,采用以下自适应律:式中的κ1为自适应律的设计参数。
6.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:所述鲁棒项
7.如权利要求1所述的非仿射动力学系统的控制方法,其特征在于:令即根据计算出非仿射动力学系统的控制输入,K0为伪控制输入的设计参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910655430.XA CN110320804B (zh) | 2019-07-19 | 2019-07-19 | 一种非仿射动力学系统的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910655430.XA CN110320804B (zh) | 2019-07-19 | 2019-07-19 | 一种非仿射动力学系统的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110320804A true CN110320804A (zh) | 2019-10-11 |
CN110320804B CN110320804B (zh) | 2022-06-17 |
Family
ID=68124081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910655430.XA Active CN110320804B (zh) | 2019-07-19 | 2019-07-19 | 一种非仿射动力学系统的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110320804B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112346342A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军空军工程大学 | 一种非仿射动力学系统的单网络自适应评价设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068420A (zh) * | 2015-05-08 | 2015-11-18 | 南昌航空大学 | 一种区间约束的非仿射不确定系统自适应控制方法 |
CN107160398A (zh) * | 2017-06-16 | 2017-09-15 | 华南理工大学 | 基于确定学习的全状态受限刚性机械臂安全可靠控制方法 |
CN108897227A (zh) * | 2018-08-20 | 2018-11-27 | 西北工业大学 | 非线性严格反馈系统全局有限时间神经网络控制方法 |
-
2019
- 2019-07-19 CN CN201910655430.XA patent/CN110320804B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068420A (zh) * | 2015-05-08 | 2015-11-18 | 南昌航空大学 | 一种区间约束的非仿射不确定系统自适应控制方法 |
CN107160398A (zh) * | 2017-06-16 | 2017-09-15 | 华南理工大学 | 基于确定学习的全状态受限刚性机械臂安全可靠控制方法 |
CN108897227A (zh) * | 2018-08-20 | 2018-11-27 | 西北工业大学 | 非线性严格反馈系统全局有限时间神经网络控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112346342A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军空军工程大学 | 一种非仿射动力学系统的单网络自适应评价设计方法 |
CN112346342B (zh) * | 2020-11-03 | 2022-10-11 | 中国人民解放军空军工程大学 | 一种非仿射动力学系统的单网络自适应评价设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110320804B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Castillo et al. | Enhanced extended state observer-based control for systems with mismatched uncertainties and disturbances | |
CN106774273B (zh) | 针对变时滞控制系统执行器故障的滑模预测容错控制方法 | |
Yang et al. | Disturbance rejection of dead-time processes using disturbance observer and model predictive control | |
Gao et al. | Observer-based controller design for stochastic descriptor systems with Brownian motions | |
CN106647271B (zh) | 基于神经网络理论的非线性系统自适应比例积分控制方法 | |
Liu et al. | Soft variable structure controller design for singular systems | |
CN109100935B (zh) | 大时滞系统的阻尼智慧pi控制方法 | |
CN108181920A (zh) | 基于给定时间的四旋翼无人机高精度姿态跟踪控制方法 | |
CN106094530A (zh) | 倒立摆的非线性控制器设计方法 | |
CN108107723A (zh) | 非线性间歇过程的2d最优模糊控制器设计方法 | |
Chen et al. | Stabilization of uncertain multi‐order fractional systems based on the extended state observer | |
Liu et al. | Neural network dynamic surface backstepping control for the speed and tension system of reversible cold strip rolling mill | |
CN110320804A (zh) | 一种非仿射动力学系统的控制方法 | |
CN109150630B (zh) | 基于整数阶网络拥塞模型可调节分岔点控制器的建立方法 | |
Lu et al. | Gpc‐based self‐tuning PI controller for speed servo system of PMSLM | |
Tang et al. | Output synchronous control of multi‐agent beam equations with boundary and domain structure time‐varying disturbances and general disturbances | |
Kadam et al. | Control of integrating processes with dead-time using PID controllers with disturbance observer based smith predictor | |
Xie et al. | The design and simulation of fuzzy PID parameter self-tuning controller | |
Yu et al. | Relaxed fuzzy observer‐based output feedback control synthesis of discrete‐time nonlinear control systems | |
Xin et al. | Temperature control system based on fuzzy self-adaptive PID controller | |
Zhang et al. | Adaptive synchronization analysis of memristive cohen-grossberg inertial neural networks with time delays | |
Cao et al. | Dual observers based adaptive fuzzy output feedback control of a motor-driven launching platform with input saturation and disturbance rejection | |
CN103809434A (zh) | 纵向飞行模型簇复合根轨迹多级pid控制器设计方法 | |
CN114371616B (zh) | 一种死区非线性时滞系统的跟踪控制方法 | |
Ying et al. | Design of fuzzy PID controller based on adaptive particle swarm optimization with cloud theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |