CN112506045A - 非标准型离散时间非线性系统的自适应控制方法及系统 - Google Patents
非标准型离散时间非线性系统的自适应控制方法及系统 Download PDFInfo
- Publication number
- CN112506045A CN112506045A CN202011042312.0A CN202011042312A CN112506045A CN 112506045 A CN112506045 A CN 112506045A CN 202011042312 A CN202011042312 A CN 202011042312A CN 112506045 A CN112506045 A CN 112506045A
- Authority
- CN
- China
- Prior art keywords
- parameter
- auxiliary
- estimation
- adaptive control
- parameters
- 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
Images
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
Description
技术领域
本发明涉及控制技术领域,具体涉及一种非标准型离散时间非线性系统的自适应控制方法及系统。
背景技术
自适应控制是一种能够有效处理含有参数不确定性的线性或非线性系统的控制技术。近年来,通过应用反馈线性化、BackStepping等技术,自适应控制设计已经被广泛的应用。现有的大多数自适应控制方法都集中在具有显性相对阶结构和无限零结构的标准型非线性系统上。然而,在实际应用中,很多系统模型都是非标准型的,他们的系统参数或结构具有较大的不确定性如飞机的飞行控制系统和智能电网系统等。因此,研究具有参数不确定性的非标准型非线性系统具有重要的理论与实际意义。
针对标准型离散时间非线性系统具有显性相对阶结构并且控制器设计可以基于智能逼近技术来达到稳定的输出跟踪,然而,非标准型系统没有显性的特征结构,因此标准型离散时间非线性系统的控制方法不适用于控制非标准型系统。也就是说非标准型离散时间非线性系统的自适应控制问题面临着新的技术问题:隐式相对阶、非线性参数化不确定性以及非仿射的控制输入。
发明内容
本发明提出的一种非标准型离散时间非线性系统的自适应控制方法及系统,可解决非标准型离散时间非线性系统无法适应标准型离散时间非线性系统的控制方法,存在隐式相对阶、非线性参数化不确定性以及非仿射的控制输入的技术问题。
为实现上述目的,本发明采用了以下技术方案:
一种非标准型离散时间非线性系统的自适应控制方法,包括以下步骤:
包括以下步骤:
S100、基于非标准型离散时间非线性系统构建其输出动态模型;
S200、针对输出动态模型中的未知参数信号引入辅助参数信号;
S300、对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
S500、基于S200-S400中的构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律;
S600、分析系统闭环稳定性和跟踪性能。
进一步的,所述S100、基于非标准型离散时间非线性系统构建其输出动态模型;
具体包括:
非标准型离散时间非线性模型描述的系统:
x(t+1)=f(x(t))+g(x(t))u(t),
y(t)=Cx(t), (1)
其中离散时间t∈{1,2,…};x(t)=[x1(t),x2(t),…,xn(t)]T∈Rn为t时刻的状态向量,n为状态向量的维度,R表示实数域,上标T表示矩阵转置,u(t)∈R为t时刻的控制输入,y(t)∈R为t时刻的系统输出;CT=[c1,c2,…,cn]T∈Rn是一个未知常数参数向量,这些未知参数是系统参数,是由系统本身所决定;映射f:Rn→Rn和g:Rn→Rn充分光滑且非线性映射满足以下形式:
f(x(t))=[f1(x(t)),f2(x(t)),…,fn(x(t))]T,
g(x(t))=[g1(x(t)),g2(x(t)),…,gn(x(t))]T。
且对某一正整数pi和qi,pi和qi可以是任意的正整数,有
假设系统(1)中的函数f(x(t))可表示为:
f(x(t))=Ax+[f1(x(t)),f2(x(t)),...,fn(x(t))]T, (3)
其中A=αI,α为某一已知常数,I为单位矩阵;fi(x(t))由(2)式给出,
此外,fi(x)是全局李普希兹函数,即fi(x)对x的偏导数是有界的。;
在此假设下,系统(1)可重写为:
x(t+1)=αx(t)+f(x(t))+g(x(t))u(t),y(t)=Cx(t), (4)
则构建系统的输出动态模型步骤如下:
当系统相对阶为2时,系统的输出动态模型表示如下:
其中x(t+1)=[x1(t+1),x2(t+1),...,xn(t+1)]T,
并假设对于所有x(t),x(t+1)∈Rn,有
进一步的,所述S200、针对输出动态模型中的未知参数信号引入辅助参数信号;
具体包括:
针对系统的未知参数信号引入3个辅助的参数化信号
v(t)=y(t)-α2y(t-2)∈R (7)
ωi(t-1)=xi(t-1)-αxi(t-2)∈R (8)
z(t)=y(t)-αy(t-1)∈R (9)
辅助信号的具体构造过程如下:
对于参数v(t):
由(5)式可知
因此,v(t)可表示为:
其中
对于参数ωi(t-1):
令ω(t-1)=[ω1(t-1),..,ωn(t-1)]T; (16)
由(4)可知,ω(t-1)=f(x(t-2))+g(x(t-2))u(t-2),因此
此外,
由(4)可知,
由此可知
进一步的,所述S300、对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
具体包括:
定义
针对以上3个新产生的参数信号,利用改进的梯度算法对未知参数进行估计;具体过程如下:
首先,引入估计误差如下:
首先记
且由上面条件可知:
具体包括:
使用θz(t)构造一个y(t+1)的估计值:
因此,令
其在当前时刻有效。
进一步的,所述S500、基于S200-S400中的构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律;
具体包括:
构造一个关于自适应控制率u(t)的隐函数输出方程,该方程对u(t)具有唯一解,该解即是所期望的自适应控制律;
具体过程分为以下4步:
6)使用可得信号和参数估计值构造辅助函数;
为方便起见,令
则h(t)可表示为:
其中ε0为某一正常数;
8)求解辅助方程获得自适应控制律:
通过(43)式,构造方程:
上式需要参考信号ym(t+2)满足对所有t=2,3,4,...时均成立;
此时,(44)式中所有参数和信号均可得或已知的,则(44)式是可解的,其解可写成:
上述u(t)即为跟踪参考信号ym的自适应控制率。
另一方面本发明还公开一种非标准型离散时间非线性系统的自适应控制系统,包括以下模块:
输出动态模型建立单元,用于基于非标准型离散时间非线性系统构建其输出动态模型;
辅助参数信号引入单元,用于针对输出动态模型中的未知参数信号引入辅助参数信号;
参数估计单元,用于对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
自适应控制率确定单元,基于构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律。
由上述技术方案可知,本发明的非标准型离散时间非线性系统的自适应控制方法,针对非标准型离散时间非线性系统,利用反馈线性化和隐函数理论,提出一种自适应状态反馈跟踪控制方法。由于非标准型离散时间非线性系统的非线性动态输出对控制输入和一些未知参数的依赖会引发3个技术问题:隐式相对阶,非线性参数不确定性以及非仿射控制输入问题,本方法首先利用反馈线性化和隐函数理论来构造依赖于相对阶的标准型,然后提出基于自适应参数重构的方法来处理动态输出中线性和非线性参数的不确定性,最后构造一个关键隐函数方程来获得自适应控制律以保证系统闭环稳定性和和渐进输出跟踪。
附图说明
图1是本发明的方法流程图;
图2是本发明实例一的单连杆柔性关节机器人示意图;
图3是本实施例实例二输出相对于恒定基准输出的响应即系统输出y(t)与参考输出ym(t);
图4是本实例二控制输入和系统的响应即控制输入u(t)与系统状态x(t);
图5是本实例二表示参数自适应的响应即参数θv(t),θω1(t),θz(t)的自适应;
图6是本实施二展示了输出相对于时变参考输出的响应即系统输出y(t)与参考输出ym(t);
图7表示本实例二控制输入和系统状态的响应即控制输入u(t)与系统状态x(t),
图8给出了实例二参数自适应的响应即参数θv(t),θω1(t),θz(t)的自适应。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
本发明实施例要解决的技术问题是针对非标准型离散时间非线性系统,利用反馈线性化和隐函数理论,提出一种自适应状态反馈跟踪控制方法。此类系统的非线性动态输出对控制输入和一些未知参数的依赖会引发3个技术问题:隐式相对阶,非线性参数不确定性以及非仿射控制输入。
为解决以上技术问题,本方法首先利用反馈线性化和隐函数理论来构造依赖于相对阶的标准型,然后提出基于自适应参数重构的方法来处理动态输出中线性和非线性参数的不确定性,最后构造一个关键隐函数方程来获得自适应控制律以保证系统闭环稳定性和和渐进输出跟踪。
如图1所示,本实施例所述的非标准型离散时间非线性系统的自适应控制方法,包括以下步骤:
S100、基于非标准型离散时间非线性系统构建其输出动态模型;
S200、针对输出动态模型中的未知参数信号引入辅助参数信号;
S300、对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
S500、基于S200-S400中的构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律;
S600、分析系统闭环稳定性和跟踪性能。
以下针对上述每一步骤展开说明:
针对以下一类由非标准型离散时间非线性模型描述的系统:
x(t+1)=f(x(t))+g(x(t))u(t),
y(t)=Cx(t), (1)
其中t∈{1,2,...};x(t)=[x1(t),x2(t),...,xn(t)]T∈Rn为状态向量,u(t)∈R为控制输入,y(t)∈R为系统输出;CT=[c1,c2,...,cn]T∈Rn是一个未知常数参数向量;映射f:Rn→Rn和g:Rn→Rn充分光滑且非线性映射满足以下形式:
f(x(t))=[f1(x(t)),f2(x(t)),...,fn(x(t))]T,
g(x(t))=[g1(x(t)),g2(x(t)),...,gn(x(t))]T。
且对某一正整数pi和qi,有
系统相对阶为2时基于隐函数自适应控制设计
给出设计步骤之前,我们首先做出如下假设:假设系统(1)中的函数f(x(t))可表示为:
f(x(t))=Ax+[f1(x(t)),f2(x(t)),...,fn(x(t))]T, (3)
其中A=αI,α为某一已知常数,I为单位矩阵;fi(x(t))由(2)式给出,
此外,fi(x)是全局李普希兹函数,即fi(x)对x的偏导数是有界的。
在此假设下,系统(1)可重写为:
x(t+1)=αx(t)+f(x(t))+g(x(t))u(t),y(t)=Cx(t), (4)
具体的说,自适应控制设计方法包含以下6个步骤:
1、构建系统的输出动态模型
基于上述假设,当系统相对阶为2时,系统的输出动态模型表示如下:
其中x(t+1)=[x1(t+1),x2(t+1),...,xn(t+1)]T,
并假设对于所有x(t),x(t+1)∈Rn,有
由于当前时刻并不能得到关于x(t+1)的信息且上式存在未知参数ci,因此不能对输出动态模型进行线性化,同时也不适合对自适应参数进行估计,需要引入一些辅助参数信号来对上述当前时刻不可得信号和未知参数进行处理。
2、针对系统的未知参数信号引入3个辅助的参数化信号
v(t)=y(t)-α2y(t-2)∈R (7)
ωi(t-1)=xi(t-1)-αxi(t-2)∈R (8)
z(t)=y(t)-αy(t-1)∈R (9)
上述3个信号在当前时刻均是可得的。辅助信号的具体构造过程如下:
对于参数v(t):
由(5)式可知
因此,v(t)可表示为:
其中
对于参数ωi(t-1):
令ω(t-1)=[ω1(t-1),..,ωn(t-1)]T。 (16)
由(4)可知,ω(t-1)=f(x(t-2))+g(x(t-2))u(t-2),因此
对于参数z(t):
由(4)可知,
由此可知
3、对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值
定义
首先记
且由上面条件可知:
至此,我们已经设计了自适应更新律来获得以上3个新记号的参数估计。接下来利用这些参数估计来构造对未来时间信号y(t+1)和x(t+1)的估计。
使用θz(t)构造一个y(t+1)的估计值:
其在当前时刻有效。
5、基于上述步骤中的构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律
构造一个关于自适应控制率u(t)的隐函数输出方程,该方程对u(t)具有唯一解,该解即是所期望的自适应控制律。
具体过程分为以下4步:
10)使用可得信号和参数估计值构造辅助函数;
为方便起见,令
则h(t)可表示为:
其中ε0为某一正常数。
12)求解辅助方程获得自适应控制律:
通过(50)式,构造方程:
上式需要参考信号ym(t+2)满足对所有t=2,3,4,...时均成立。此时,(51)式中所有参数和信号均可得或已知的,则(51)式是可解的,其解可写成:
上述u(t)即为跟踪参考信号ym的自适应控制率。
6、分析系统闭环稳定性和跟踪性能
将自适应律(52)作用于系统(1),在系统相对阶为2情况下验证分析系统闭环稳定性和渐进输出跟踪性能。
以下举例说明本方案:
实例一:
采用本发明提出的一种非标准型离散时间非线性系统的自适应控制方法,可有效用于单连杆柔性关节机器人控制律的设计。为了简单起见,在实际控制中忽略阻尼带来的影响。首先对该类机器人系统进行简单介绍。
如图2所示,单连杆柔性关节机器人的运动方程描述如下:
式中,q1、q2是连杆和电机的角位置,I和J是转动惯量,g为重力加速度,k是关节弹簧的弹性常数,M和L代表连杆的质量和重心位置,u是施加在电机上的扭矩。先将其转化为带控制信号的数学模型。令x1=q1,x3=q2,则等式(53)(54)可以表示为
因此,系统可以表示为以下形式:
其中,x=[x1,x2,x3,x4]T,
对于上述模型,假设M,L,I,J,k是未知的。所以可将(55)式重写为如下参数化形式:
其中T是一个恒定的采样间隔。
那么,关于单连杆柔性关节机器人自适应控制律设计的具体实现步骤如下:
步骤一:构建系统的输出动态模型;
假设系统输出选择为y(t)=sin(x3(t))。则,
y(t+1)=sin(x3(t+1))=sin(x4(t))
步骤二:针对系统中为止参数引入辅助参数化信号v(t),ωi(t-1),z(t)。
步骤六:验证使用该自适应控制律u(t)时,机器人系统的闭环稳定性和对预定轨迹的渐近输出跟踪性能。
综上,在实际应用中,本发明所提出的一种非标准型离散时间非线性系统的自适应控制方法,可为诸如带柔性关节的单连杆机器人这类具有非标准型模型的系统提供了一个有效,性能可靠的自适应控制器设计方法。
实例二:
以如下数值仿真模型为例:
x2(t+1)=0.2x2(t)5arctanx1(t)+1.3sinx3(t)
x3(t+1)=0.2x3(t)+1.6sinx2(t)
系统模型参数化后为
y(t)=Cx(t)
其中
则,
步骤一:假设系统输出y=x2(t),以此建立系统输出动态模型;
由上可知,y(t+1)=0.2x2(t)+1.5arctanx1(t)+1.3sinx3(t)未包含控制输入,因此有
步骤二:针对系统中为止参数引入辅助参数化信号v(t),ωi(t-1),z(t);
v(t)=y(t)-0.04y(t-2),
ωi(t-1)=xi(t-1)-0.2xi(t-2),i=1,2,3,
z(t)=y(t)-0.2y(t-1);
φz(t-1)=[arctanx1(t-1),sinx3(t-1)]T
其中,
步骤五:构造辅助函数
步骤六:性能分析及仿真结果:
常数信号情况:图3展示了输出相对于恒定基准输出的响应。图4表示控制输入和系统的响应。图5表示参数自适应的响应(只给出了部分参数估计)。
时变信号情况:图6展示了输出相对于时变参考输出的响应,图7表示控制输入和系统状态的响应,图8给出了参数自适应的响应(只给出了部分参数估计)。
仿真结果表明,系统输出跟踪参考输出信号良好,闭环信号都是有界的。如图5和8所示,虽然参数估计值可能不会收敛到其标称值。但达到了预期的系统性能指标。
综上所述,自适应控制在诸多实际系统有着广泛应用,比如柔性结构控制,飞行器控制,海洋船舶控制,多智能体系统控制,导弹自动驾驶仪设计,过程控制,电力系统控制,机械臂控制等。同时,在实际工业应用中,很多系统由于其特殊性,并不能完全由一个广义上的标准模型进行统一描述。针对具体系统建立的模型往往都是非标准型模型。因此,本发明实施例针对非标准型系统的自适应控制具有实际意义。
另一方面本发明实施例还公开一种非标准型离散时间非线性系统的自适应控制系统,包括以下模块:
输出动态模型建立单元,用于基于非标准型离散时间非线性系统构建其输出动态模型;
辅助参数信号引入单元,用于针对输出动态模型中的未知参数信号引入辅助参数信号;
参数估计单元,用于对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
自适应控制率确定单元,基于构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律。
可理解的是,本发明实施例提供的系统与本发明实施例提供的方法相对应,相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
2.根据权利要求1所述的非标准型离散时间非线性系统的自适应控制方法,其特征在于:所述S100、基于非标准型离散时间非线性系统构建其输出动态模型;
具体包括:
非标准型离散时间非线性模型描述的系统:
x(t+1)=f(x(t))+g(x(t))u(t),
y(t)=Cx(t), (1)
其中离散时间t∈{1,2,...};x(t)=[x1(t),x2(t),...,xn(t)]T∈Rn为t时刻的状态向量,n为状态向量的维度,R表示实数域,上标T表示矩阵转置,u(t)∈R为t时刻的控制输入,y(t)∈R为t时刻的系统输出;CT=[c1,c2,...,cn]T∈Rn是一个未知常数参数向量,这些未知参数是系统参数,是由系统本身所决定;映射f:Rn→Rn和g:Rn→Rn充分光滑且非线性映射满足以下形式:
f(x(t))=[f1(x(t)),f2(x(t)),...,fn(x(t))]T,
g(x(t))=[g1(x(t)),g2(x(t)),...,gn(x(t))]T。
且对某一正整数pi和qi,pi和qi是任意的正整数,有
假设系统(1)中的函数f(x(t))可表示为:
f(x(t))=Ax+[f1(x(t)),f2(x(t)),...,fn(x(t))]T, (3)
其中A=αI,α为某一已知常数,I为单位矩阵;fi(x(t))由(2)式给出,此外,fi(x)是全局李普希兹函数,即fi(x)对x的偏导数是有界的;
在此假设下,系统(1)可重写为:
x(t+1)=αx(t)+f(x(t))+g(x(t))u(t),y(t)=Cx(t), (4)
则构建系统的输出动态模型步骤如下:
当系统相对阶为2时,系统的输出动态模型表示如下:
其中x(t+1)=[x1(t+1),x2(t+1),...,xn(t+1)]T,
并假设对于所有x(t),x(t+1)∈Rn,有
3.根据权利要求2所述的非标准型离散时间非线性系统的自适应控制方法,其特征在于:所述S200、针对输出动态模型中的未知参数信号引入辅助参数信号;
具体包括:
针对系统的未知参数信号引入3个辅助的参数化信号
v(t)=y(t)-α2y(t-2)∈R (7)
ωi(t-1)=xi(t-1)-αxi(t-2)∈R (8)
z(t)=y(t)-αy(t-1)∈R (9)
辅助信号的具体构造过程如下:
对于参数v(t):
由(5)式可知
因此,v(t)可表示为:
其中
对于参数ωi(t-1):
令ω(t-1)=[ω1(t-1),..,ωn(t-1)]T; (16)
由(4)可知,ω(t-1)=f(x(t-2))+g(x(t-2))u(t-2),因此
此外,
对于参数z(t):
由(4)可知,
由此可知
4.根据权利要求3所述的非标准型离散时间非线性系统的自适应控制方法,其特征在于:所述S300、对由辅助参数信号描述的未知参数进行估计,引入估计误差,并基于估计误差设计自适应更新律来获得未知参数的估计值;
具体包括:
定义
针对以上3个新产生的参数信号,利用改进的梯度算法对未知参数进行估计;
具体过程如下:
首先,引入估计误差如下:
7.根据权利要求6所述的非标准型离散时间非线性系统的自适应控制方法,其特征在于:
所述S500、基于S200-S400中的构造参数和参数估计值构造辅助函数,建立跟踪参考输出信号的辅助方程,并求解得到自适应控制律;
具体包括:
构造一个关于自适应控制率u(t)的隐函数输出方程,该方程对u(t)具有唯一解,该解即是所期望的自适应控制律;
具体过程分为以下4步:
2)使用可得信号和参数估计值构造辅助函数;
为方便起见,令
则h(t)可表示为:
其中ε0为某一正常数;
4)求解辅助方程获得自适应控制律:
通过(43)式,构造方程:
上式需要参考信号ym(t+2)满足对所有t=2,3,4,...时均成立;
此时,(44)式中所有参数和信号均可得或已知的,则(44)式是可解的,其解可写成:
上述u(t)即为跟踪参考信号ym的自适应控制率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011042312.0A CN112506045B (zh) | 2020-09-28 | 2020-09-28 | 非标准型离散时间非线性系统的自适应控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011042312.0A CN112506045B (zh) | 2020-09-28 | 2020-09-28 | 非标准型离散时间非线性系统的自适应控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112506045A true CN112506045A (zh) | 2021-03-16 |
CN112506045B CN112506045B (zh) | 2022-04-01 |
Family
ID=74954047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011042312.0A Active CN112506045B (zh) | 2020-09-28 | 2020-09-28 | 非标准型离散时间非线性系统的自适应控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112506045B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934142A (zh) * | 2021-10-21 | 2022-01-14 | 江南大学 | 非线性离散系统无模型自适应滑模约束事件触发控制方法 |
CN114280942A (zh) * | 2021-12-31 | 2022-04-05 | 杭州电子科技大学 | 非线性振荡器非辨识自适应输出反馈控制方法 |
CN114371627A (zh) * | 2022-01-19 | 2022-04-19 | 中南林业科技大学 | 一种离散时间非线性系统的状态稳定性判定方法 |
CN114527660A (zh) * | 2022-02-23 | 2022-05-24 | 中国科学院数学与系统科学研究院 | 无人直升机偏航通道动力学的自适应跟踪控制方法及系统 |
CN114859725A (zh) * | 2022-05-09 | 2022-08-05 | 广东工业大学 | 一种非线性系统自适应事件触发控制方法及系统 |
CN116430737A (zh) * | 2023-06-13 | 2023-07-14 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种输入延时非线性系统的自适应控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177291A1 (en) * | 2006-09-13 | 2009-07-09 | Rockwell Automation Technologies, Inc. | Dynamic controller utilizing a hybrid model |
CN103208797A (zh) * | 2013-03-18 | 2013-07-17 | 西南交通大学 | 一种基于智能优化技术的含新能源配电网状态估计方法 |
CN106950841A (zh) * | 2017-05-12 | 2017-07-14 | 山东大学 | 与模型无关的pd‑smc仿生眼运动控制方法 |
CN108527372A (zh) * | 2018-06-22 | 2018-09-14 | 中国科学技术大学 | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 |
CN110109357A (zh) * | 2019-05-15 | 2019-08-09 | 曲阜师范大学 | 针对非标准型非线性航空器的半全局自适应控制方法 |
-
2020
- 2020-09-28 CN CN202011042312.0A patent/CN112506045B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090177291A1 (en) * | 2006-09-13 | 2009-07-09 | Rockwell Automation Technologies, Inc. | Dynamic controller utilizing a hybrid model |
CN103208797A (zh) * | 2013-03-18 | 2013-07-17 | 西南交通大学 | 一种基于智能优化技术的含新能源配电网状态估计方法 |
CN106950841A (zh) * | 2017-05-12 | 2017-07-14 | 山东大学 | 与模型无关的pd‑smc仿生眼运动控制方法 |
CN108527372A (zh) * | 2018-06-22 | 2018-09-14 | 中国科学技术大学 | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 |
CN110109357A (zh) * | 2019-05-15 | 2019-08-09 | 曲阜师范大学 | 针对非标准型非线性航空器的半全局自适应控制方法 |
Non-Patent Citations (6)
Title |
---|
JIN GUO,等: "ADAPTIVE TRACKING OF A CLASS OF FIRST-ORDER SYSTEMS WITH BINARY-VALUED OBSERVATIONS AND FIXED THRESHOLDS", 《J SYST SCI COMPLEX》 * |
YANJUN ZHANG,等: "A matrix decomposition based adaptive control scheme for a class of MIMO non-canonical approximation systems", 《AUTOMATICA》 * |
YANJUN ZHANG,等: "Relative Degrees and Implicit Function-Based Control of Discrete-Time Noncanonical Form Neural Network Systems", 《IEEE TRANSACTIONS ON CYBERNETICS》 * |
张言军: "非标准型非线性系统的自适应逼近控制技术", 《中国博士学位论文全文数据库 信息科技辑》 * |
李晓理: "一类离散时间非线性系统的多模型自适应控制", 《控制与决策》 * |
黄亚欣,等: "动态采样输出调节:切换自适应方法", 《系统科学与数学》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934142A (zh) * | 2021-10-21 | 2022-01-14 | 江南大学 | 非线性离散系统无模型自适应滑模约束事件触发控制方法 |
CN113934142B (zh) * | 2021-10-21 | 2024-03-19 | 江南大学 | 非线性离散系统无模型自适应滑模约束事件触发控制方法 |
CN114280942A (zh) * | 2021-12-31 | 2022-04-05 | 杭州电子科技大学 | 非线性振荡器非辨识自适应输出反馈控制方法 |
CN114280942B (zh) * | 2021-12-31 | 2024-04-02 | 杭州电子科技大学 | 非线性振荡器非辨识自适应输出反馈控制方法 |
CN114371627A (zh) * | 2022-01-19 | 2022-04-19 | 中南林业科技大学 | 一种离散时间非线性系统的状态稳定性判定方法 |
CN114371627B (zh) * | 2022-01-19 | 2024-04-02 | 中南林业科技大学 | 一种离散时间非线性系统的状态稳定性判定方法 |
CN114527660A (zh) * | 2022-02-23 | 2022-05-24 | 中国科学院数学与系统科学研究院 | 无人直升机偏航通道动力学的自适应跟踪控制方法及系统 |
CN114527660B (zh) * | 2022-02-23 | 2022-09-02 | 中国科学院数学与系统科学研究院 | 无人直升机偏航通道动力学的自适应跟踪控制方法及系统 |
CN114859725A (zh) * | 2022-05-09 | 2022-08-05 | 广东工业大学 | 一种非线性系统自适应事件触发控制方法及系统 |
CN114859725B (zh) * | 2022-05-09 | 2024-04-05 | 广东工业大学 | 一种非线性系统自适应事件触发控制方法及系统 |
CN116430737A (zh) * | 2023-06-13 | 2023-07-14 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种输入延时非线性系统的自适应控制方法 |
CN116430737B (zh) * | 2023-06-13 | 2023-08-18 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种输入延时非线性系统的自适应控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112506045B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112506045B (zh) | 非标准型离散时间非线性系统的自适应控制方法及系统 | |
Wu et al. | Practical adaptive fuzzy control of nonlinear pure-feedback systems with quantized nonlinearity input | |
Zhao et al. | Neuroadaptive robotic control under time-varying asymmetric motion constraints: A feasibility-condition-free approach | |
Na et al. | Robust adaptive finite‐time parameter estimation and control for robotic systems | |
Tyukin et al. | Adaptation and parameter estimation in systems with unstable target dynamics and nonlinear parametrization | |
Li et al. | ADP-based online tracking control of partially uncertain time-delayed nonlinear system and application to wheeled mobile robots | |
Na et al. | Unknown dynamics estimator-based output-feedback control for nonlinear pure-feedback systems | |
Song et al. | Model‐free finite‐time terminal sliding mode control with a novel adaptive sliding mode observer of uncertain robot systems | |
Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
Wang et al. | Neural-network-based adaptive control of uncertain MIMO singularly perturbed systems with full-state constraints | |
CN114839880B (zh) | 一种基于柔性关节机械臂的自适应控制方法 | |
Cho et al. | An indirect model reference adaptive fuzzy control for SISO Takagi–Sugeno model | |
Zhang et al. | Adaptive finite‐time tracking control for output‐constrained nonlinear systems with non‐strict‐feedback structure | |
Yang et al. | Adaptive neural tracking control of robotic manipulators with guaranteed nn weight convergence | |
Gan et al. | Extended adaptive optimal control of linear systems with unknown dynamics using adaptive dynamic programming | |
Zhao et al. | Synchronization and tracking control for dual‐motor driving servo systems with friction compensation | |
Wang et al. | Direct adaptive neural control of nonlinear strict‐feedback systems with unmodeled dynamics using small‐gain approach | |
Zheng et al. | Adaptive fuzzy optimal control for switched nonlinear systems with output hysteresis | |
Choi et al. | Filter-driven-approximation-based control for a class of pure-feedback systems with unknown nonlinearities by state and output feedback | |
CN115981162A (zh) | 一种基于新型扰动观测器的机器人系统滑模控制轨迹跟踪方法 | |
Li et al. | Backstepping-based fuzzy adaptive stabilization of reaction-diffusion equation with state constraints | |
Yang et al. | Adaptive neural network optimized control using reinforcement learning of critic-actor architecture for a class of non-affine nonlinear systems | |
Shi et al. | Learning-based adaptive control with an accelerated iterative adaptive law | |
Shi et al. | Neural adaptive appointed-time control for flexible air-breathing hypersonic vehicles: an event-triggered case | |
Li et al. | Adaptive control via neural output feedback for a class of nonlinear discrete-time systems in a nested interconnected form |
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 |