CN114660946A - 一种时滞成型过程系统的模糊自适应动态面控制方法 - Google Patents

一种时滞成型过程系统的模糊自适应动态面控制方法 Download PDF

Info

Publication number
CN114660946A
CN114660946A CN202210497526.XA CN202210497526A CN114660946A CN 114660946 A CN114660946 A CN 114660946A CN 202210497526 A CN202210497526 A CN 202210497526A CN 114660946 A CN114660946 A CN 114660946A
Authority
CN
China
Prior art keywords
process system
fuzzy
forming process
dynamic surface
state
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
Application number
CN202210497526.XA
Other languages
English (en)
Other versions
CN114660946B (zh
Inventor
陈勇
庄之樾
刘越智
黄求安
高丰
张龙杰
潘尧杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
China South Industries Group Automation Research Institute
Original Assignee
University of Electronic Science and Technology of China
China South Industries Group Automation Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China, China South Industries Group Automation Research Institute filed Critical University of Electronic Science and Technology of China
Priority to CN202210497526.XA priority Critical patent/CN114660946B/zh
Publication of CN114660946A publication Critical patent/CN114660946A/zh
Application granted granted Critical
Publication of CN114660946B publication Critical patent/CN114660946B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本发明公开了一种成型过程系统的跟踪控制方法，其中主要涉及了一种模糊自适应动态面控制方法在成型系统中的应用。本发明所针对的成型过程系统，具有不确定性、非线性、时变时滞和多约束的特点，对其跟踪控制算法提出了高效，高精，高安全的要求。为此，公开了一种成型过程系统的跟踪控制方法，实现对成型过程系统精密跟踪控制的目的。本发明的技术方案是：一种的时滞成型过程系统的模糊自适应动态面控制方法，该方法主要包括以下步骤：1)参考输入与系统输出做差得到误差，将其输入进模糊自适应动态面控制器；2)使用势垒李雅普诺夫函数保证系统各个状态都不会超出其约束；3)使用LK方程补偿状态时滞带来的影响，并最终获得控制信号；4)将控制信号输入到成型过程系统中，对成型过程系统进行控制；5)模糊状态观测器获得系统的各个状态信息并输入进自适应控制器以更新控制器参数。

Description

一种时滞成型过程系统的模糊自适应动态面控制方法
技术领域
本发明涉及一种的时滞成型过程系统的模糊自适应动态面控制方法，属于控制算法应用领域范畴。
背景技术
成型工业是制造业的核心技术之一，是实体经济和综合国力的重要体现。在工业成型过程中，对高效，高精，高安全的成型控制方法提出了要求，但是由于成型过程系统面临非线性和外界扰动的挑战，采用线性化模型逼近非线性系统，会造成控制精度不佳、成品质量下降等影响。
由于成型材料本身的物理化学特性，时滞现象十分突出，这会直接降低成型控制系统的性能，甚至造成系统不稳定。因此，有必要使用特定的方法去让系统在时滞影响下保持稳定，并减弱时滞对系统造成的影响。此外，在实际的成型控制系统中，出于系统安全性考虑，需要对温度、压强等因素进行严格约束。
因为成型控制系统存在非线性、不确定等特点，传统的模糊控制的方法得到了广泛应用。该方法具有不依赖被控对象的精确数学模型、鲁棒性强等特点，对成型过程系统的非线性、不确定性等具有较好的适应能力。
然而传统模糊控制算法具有局限性，不仅需要对系统的先验知识有一定的掌握，而且面对具有时变时滞、外界干扰和有约束的成型过程系统控制效果有限，因此需要对传统的模糊控制算法进行进一步的改进。
发明内容
本发明的目的在于提供一种的时滞成型过程系统的模糊自适应动态面控制方法，克服背景技术中提到的不足。
为实现上述目的，本发明提供如下技术方案：
一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于，包括如下步骤：
步骤1，将参考输入与系统输出做差，获得跟踪误差，将其输入进模糊自适应动态面控制器；
步骤2，使用势垒李雅普诺夫函数对系统各个状态进行约束，保证系统的状态不会超出其指定的上下界；
步骤3，使用Lyapunov–Krasovskii方程来补偿状态时滞带来的影响，最终在控制器获得控制信号；
步骤4，将控制信号输入到成型过程系统中，对成型过程系统进行跟踪控制调节，并使用模糊状态观测器获得系统状态信号和系统输出信号的估计值；
步骤5，将模糊观测器获得的估计值输入进模糊自适应动态面控制器，并通过自适应律更新控制器参数，返回步骤1。
所述成型过程系统的参考输入信号需预先通过结构研究和机理推导等方法进行设计，并将其与系统输出做差，获得跟踪误差，将其输入到模糊自适应动态面控制器中；
所述设计的势垒李雅普诺夫函数，当状态误差接近所指定的约束时，其函数值会趋于无穷大，这会直接提高控制效果，保证系统状态不会违反其约束；
所述时滞补偿方法是通过构造Lyapunov–Krasovskii泛函，将时滞信息融入稳定性判据中，进而来补偿时滞对成型过程系统造成的影响，并输入进控制器中，最后在控制器中获得控制信号；
所述将步骤3所获得的控制信号输入到成型过程系统中，对成型过程系统进行跟踪控制调节，然后模糊状态观测器会将系统输出和系统状态通过模糊隶属度函数模糊化，并计算出各个状态的估计值。
所述将各个状态的估计值并输入到控制器中，然后通过预先设计好的模糊自适应动态面控制自适应律去更新控制器的各个参数，以获得自适应控制的效果，并返回步骤1。
附图说明
图1是本发明一种时滞成型过程系统的模糊自适应动态面控制方法的系统控制框图
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，用于解释本发明，不能解释为对本发明的限制。
以一种成型过程系统为例，简述所述具有全状态约束的时滞成型系统模糊自适应动态面控制方法的应用过程。
设该成型过程系统的标称模型为如下关系式：
Figure BDA0003633302240000021
其中
Figure BDA0003633302240000022
为系统状态向量，并满足|xi|＜ξci，κi(t)为未知时变时滞，fi(x)表示系统状态对成型过程系统的影响，hi(x(t-κi(t))表示时滞对成型过程系统的干扰，两个函数都是未知的非线性平滑函数，并且都满足fi(0)＝0和hi(0)＝0，di(t)表示外界因素对系统的干扰，u表示控制输入，y表示系统输出。
参考输入yr与系统输出y做差，获得跟踪误差z1，将其输入进模糊自适应动态面控制器。
在本文中，未知的连续非线性函数
Figure BDA0003633302240000023
是使用FLS进行模糊逼近的。选择IF-THEN规则来构建模糊逻辑系统，模糊逻辑系统可以描述为：
Figure BDA0003633302240000031
其中
Figure BDA0003633302240000032
是模糊隶属度函数，且有：
Figure BDA0003633302240000033
则FLS可以描述为：
Figure BDA0003633302240000034
为了实现对各个状态进行约束的目的，构建tan型势垒李雅普诺夫函数，表达式如下：
Figure BDA0003633302240000035
当zi接近所指定的约束时，其函数值会趋于无穷大，因而可以保证有|zi|＜ξi，即系统的状态不会超出指定的上下界。
指数型Lyapunov–Krasovskii泛函表达式如下：
Figure BDA0003633302240000036
最终，结合势垒李雅普诺夫方程和Lyapunov–Krasovskii泛函表达式，可获得稳定性判据如下所示：
Figure BDA0003633302240000037
可见，时滞信息融入进稳定性判据中，进而来补偿时滞对系统造成的影响，并输入进控制器中，最后在控制器中获得控制信号u。
使用模糊状态观测器计算出各个状态的估计值，可先将原成型过程系统方程重写成如下形式：
Figure BDA0003633302240000038
其中有：
Figure BDA0003633302240000039
则可以设计出模糊状态观测器如下：
Figure BDA00036333022400000310
进而计算出各个状态的估计值。
将模糊观测器获得的估计值输入进模糊自适应动态面控制器，并通过设计好的自适应律更新控制器参数，返回步骤1。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于，包括如下步骤：
步骤1，将参考输入与系统输出做差，获得跟踪误差，将其输入进模糊自适应动态面控制器；
步骤2，使用势垒李雅普诺夫函数对系统各个状态进行约束，保证系统的状态不会超出其指定的上下界；
步骤3，使用Lyapunov–Krasovskii方程来补偿状态时滞带来的影响，最终在控制器获得控制信号；
步骤4，将控制信号输入到成型过程系统中，对成型过程系统进行跟踪控制调节，并使用模糊状态观测器获得系统状态信号和系统输出信号的估计值；
步骤5，将模糊观测器获得的估计值输入进模糊自适应动态面控制器，并通过自适应律更新控制器参数，返回步骤1。
2.根据权利要求1所述一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于：步骤1所述成型工程系统的参考输入信号需预先通过结构研究和机理推导等方法进行设计，并将其与系统输出做差，获得跟踪误差。
3.根据权利要求1所述一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于：步骤2所述设计的势垒李雅普诺夫函数，当状态误差接近所指定的约束时，它会趋于无穷大，这会使得系统状态不会违反其约束。
4.根据权利要求1所述一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于：步骤3所述时滞补偿方法是通过构造Lyapunov–Krasovskii泛函，将时滞信息融入稳定性判据中，进而来补偿时滞对成型过程系统造成的影响，并输入进控制器中，最后在控制器中获得控制信号。
5.根据权利要求1所述一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于：步骤4所述将步骤3所获得的控制信号输入到成型过程系统中，对成型过程系统进行跟踪控制调节，然后模糊状态观测器会根据系统输出和系统状态，通过计算获得各个状态的估计值。
6.根据权利要求1所述一种的时滞成型过程系统的模糊自适应动态面控制方法，其特征在于：步骤5所述将各个状态的估计值并输入到控制器中，然后通过预先设计好的模糊自适应动态面控制自适应律去更新控制器的各个参数，以获得自适应控制的效果，并返回步骤1。
CN202210497526.XA 2022-05-09 2022-05-09 一种时滞成型过程系统的模糊自适应动态面控制方法 Active CN114660946B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210497526.XA CN114660946B (zh) 2022-05-09 2022-05-09 一种时滞成型过程系统的模糊自适应动态面控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210497526.XA CN114660946B (zh) 2022-05-09 2022-05-09 一种时滞成型过程系统的模糊自适应动态面控制方法

Publications (2)

Publication Number Publication Date
CN114660946A true CN114660946A (zh) 2022-06-24
CN114660946B CN114660946B (zh) 2023-06-16

Family

ID=82036641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210497526.XA Active CN114660946B (zh) 2022-05-09 2022-05-09 一种时滞成型过程系统的模糊自适应动态面控制方法

Country Status (1)

Country Link
CN (1) CN114660946B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0717791D0 (en) * 2007-09-12 2007-10-24 Mitsubishi Electric Inf Tech Determination of time shift of a band-pass signal
AT512251A2 (de) * 2013-02-28 2013-06-15 Avl List Gmbh Verfahren zum Entwerfen eines nichtlinearen Reglers für nichtlineare Prozesse
CN104749952A (zh) * 2015-04-16 2015-07-01 大连海事大学 一种自适应动态面控制器结构及设计方法
CN104834212A (zh) * 2015-05-21 2015-08-12 安阳师范学院 一种简化的自适应模糊动态面控制方法
CN107061158A (zh) * 2017-06-27 2017-08-18 星际（重庆）智能装备技术研究院有限公司 一种低风速下风力发电机的预测与跟踪控制方法
CN109033585A (zh) * 2018-07-13 2018-12-18 河海大学 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法
CN109991852A (zh) * 2019-04-19 2019-07-09 贵州大学 具有磁滞特性的分数阶静电驱动微机电系统控制方法
CN110347044A (zh) * 2019-07-15 2019-10-18 贵州大学 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法
CN111846009A (zh) * 2020-08-03 2020-10-30 哈尔滨工程大学 一种水下多足仿生蟹机器人多足协同容错控制方法
CN113031446A (zh) * 2021-03-15 2021-06-25 贵州大学 不确定时滞非线性系统非奇异性神经自适应跟踪控制方法
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
CN114280944A (zh) * 2021-12-31 2022-04-05 贵州大学 一种具有输出约束的pmsm系统有限时间动态面控制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0717791D0 (en) * 2007-09-12 2007-10-24 Mitsubishi Electric Inf Tech Determination of time shift of a band-pass signal
AT512251A2 (de) * 2013-02-28 2013-06-15 Avl List Gmbh Verfahren zum Entwerfen eines nichtlinearen Reglers für nichtlineare Prozesse
CN104749952A (zh) * 2015-04-16 2015-07-01 大连海事大学 一种自适应动态面控制器结构及设计方法
CN104834212A (zh) * 2015-05-21 2015-08-12 安阳师范学院 一种简化的自适应模糊动态面控制方法
CN107061158A (zh) * 2017-06-27 2017-08-18 星际（重庆）智能装备技术研究院有限公司 一种低风速下风力发电机的预测与跟踪控制方法
CN109033585A (zh) * 2018-07-13 2018-12-18 河海大学 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法
CN109991852A (zh) * 2019-04-19 2019-07-09 贵州大学 具有磁滞特性的分数阶静电驱动微机电系统控制方法
CN110347044A (zh) * 2019-07-15 2019-10-18 贵州大学 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法
CN111846009A (zh) * 2020-08-03 2020-10-30 哈尔滨工程大学 一种水下多足仿生蟹机器人多足协同容错控制方法
CN113031446A (zh) * 2021-03-15 2021-06-25 贵州大学 不确定时滞非线性系统非奇异性神经自适应跟踪控制方法
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
CN114280944A (zh) * 2021-12-31 2022-04-05 贵州大学 一种具有输出约束的pmsm系统有限时间动态面控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
LIU Z等: ""Adaptive Fuzzy Tracking Control of Nonlinear Time-Delay Systems With Dead-Zone Output Mechanism Based on a Novel Smooth Model"", vol. 23, no. 23, pages 1 - 13 *
WANG C等: ""Barrier Lyapunov Functions-based dynamic surface control for pure-feedback systems with full state constraints"", vol. 11, no. 11, pages 524 - 530, XP006060149, DOI: 10.1049/iet-cta.2016.0333 *
司文杰;王聪;董训德;曾玮;: "全状态约束的时滞系统神经网络输出反馈控制", vol. 04, no. 09, pages 1537 - 1546 *
郭涛;张军英;: "一种简化的自适应模糊动态面控制", no. 12, pages 1387 - 1390 *
郭涛;张军英;: "非线性时滞系统自适应模糊动态面控制", no. 09, pages 1929 - 1935 *

Also Published As

Publication number Publication date
CN114660946B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Chang et al. Observer-based adaptive finite-time tracking control for a class of switched nonlinear systems with unmodeled dynamics
Song et al. Adaptive backstepping sliding mode control with fuzzy monitoring strategy for a kind of mechanical system
Liu et al. Adaptive neural network finite-time control for uncertain robotic manipulators
CN108415249B (zh) 一种基于低频学习的电液伺服系统自适应鲁棒控制方法
CN104333280B (zh) 一种直驱电机系统的鲁棒自适应控制方法
CN107976942B (zh) 无穷时域优化的间歇过程2d约束容错控制方法
CN110673472B (zh) 基于神经网络补偿死区反演误差的自适应鲁棒控制方法
Mondal et al. Adaptive integral higher order sliding mode controller for uncertain systems
Wang et al. Adaptive backstepping control of uncertain nonlinear systems with input and state quantization
CN109298636B (zh) 一种改进的积分滑模控制方法
CN109946979B (zh) 一种伺服系统灵敏度函数的自适应调整方法
CN112462614B (zh) 改进的ladrc线性自抗扰控制系统及参数整定方法
Xu et al. Output-feedback prescribed performance control for the full-state constrained nonlinear systems and its application to DC motor system
Zhonghua et al. Robust adaptive deadzone compensation of DC servo system
CN110209122B (zh) 一种多轴运动平台的控制方法、装置、介质及设备
CN114428462A (zh) 基于mpc算法对被控系统进行动态控制的方法、设备和介质
CN114660946B (zh) 一种时滞成型过程系统的模糊自适应动态面控制方法
CN112486099B (zh) 基于模糊pid自整定计算的超精密车床运动控制方法
Sarbaz et al. Adaptive optimal control of chaotic system using backstepping neural network concept
CN109324503B (zh) 基于鲁棒积分的多层神经网络电机系统控制方法
CN109164702B (zh) 一种自适应多变量广义超螺旋方法
Lu et al. Gpc‐based self‐tuning PI controller for speed servo system of PMSLM
CN115128951A (zh) 一种基于期望轨迹受限优化的双环高性能控制方法
CN111077782B (zh) 一种基于标准型的连续系统u模型抗扰控制器设计方法
CN109039166B (zh) 一种永磁同步直线伺服系统速度环pi-ip控制参数自校正方法

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