CN114859725B - 一种非线性系统自适应事件触发控制方法及系统 - Google Patents

一种非线性系统自适应事件触发控制方法及系统 Download PDF

Info

Publication number
CN114859725B
CN114859725B CN202210499465.0A CN202210499465A CN114859725B CN 114859725 B CN114859725 B CN 114859725B CN 202210499465 A CN202210499465 A CN 202210499465A CN 114859725 B CN114859725 B CN 114859725B
Authority
CN
China
Prior art keywords
controller
nonlinear
nonlinear system
output
auxiliary variable
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.)
Active
Application number
CN202210499465.0A
Other languages
English (en)
Other versions
CN114859725A (zh
Inventor
马慧
任鸿儒
周琪
李鸿一
鲁仁全
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210499465.0A priority Critical patent/CN114859725B/zh
Publication of CN114859725A publication Critical patent/CN114859725A/zh
Application granted granted Critical
Publication of CN114859725B publication Critical patent/CN114859725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

本发明涉及非线性系统控制技术领域，提供了一种非线性系统自适应事件触发控制方法及系统，包括：获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；获取动态事件触发机制中的动态信号，依次通过虚拟控制器和动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；基于第二辅助变量，得到自适应律以更新所述虚拟控制器。减少了动态事件触发机制的触发次数。

Description

一种非线性系统自适应事件触发控制方法及系统
技术领域
本发明属于非线性系统控制技术领域，尤其涉及一种非线性系统自适应事件触发控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
非线性系统广泛存在于智能制造和电力等重要领域。但是，非线性系统所具有的结构复杂、不确定性强和耦合度高等特点，导致了其控制器设计过程非常困难。因此长期以来，非线性系统控制问题一直是工业自动化领域中备受关注的难点问题。且近年来，相比于易造成通讯资源浪费的时间触发技术，另一种灵活性更强、通讯资源利用率更高的事件触发技术逐渐成为控制及通信领域的研究热点。
近年来，非线性系统自适应事件触发控制得到了广泛的关注，并取得了许多重要的研究成果。但是，由于实际非线性系统容易受到外界环境干扰，并且实际非线性系统大多存在输入饱和现象，导致现有非线性系统自适应控制方法难以实现非线性系统的快速稳定，非线性系统不能在上述实际约束和实际干扰下有效地对参考信号进行跟踪。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种非线性系统自适应事件触发控制方法及系统，基于动态规则调整事件触发条件的阈值参数，减少了动态事件触发机制的触发次数，提高了跟踪精度、加快了收敛速度、降低了信道负载。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种非线性系统自适应事件触发控制方法，其包括：
获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入；
基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；
基于第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；
获取动态事件触发机制中的动态信号，结合所述第一辅助变量、第二辅助变量和所述扰动项的估计值，依次通过虚拟控制器和动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；
基于第二辅助变量，得到自适应律以更新所述虚拟控制器。
进一步地，所述更新控制器输出的具体方法为：当动态事件触发机制未被触发时，时间标记保持不变，从而保持控制器输出不变；当动态事件触发机制未被触发时，时间被重新标记，得到重新标记时间的控制器输出。
进一步地，所述扰动项的估计值的为：所述第二辅助变量与中间变量的差值，与非线性扰动观测器的参数的乘积。
进一步地，非线性系统为具有输入饱和与外部干扰的非线性系统，表示为：
y＝x1,1≤i≤n-1
其中，表示非线性系统的状态向量，xi代表非线性系统的一个状态分量；υ(t)代表控制器输出，t代表时间；fi(x)是非线性函数；/>代表外界扰动；/>为非线性系统输出，u(υ(t))为非线性系统控制输入。
进一步地，所述中间控制信号为：
其中，M和ε为正设计参数；ζ(t)是动态事件触发机制中的动态信号；αn表示第n步的虚拟控制器；是参考信号yd对时间t的n阶导数；zn表示反步法中第n步的坐标变换。
进一步地，所述辅助系统定义为：
其中，χi是第一辅助变量，是χi对时间t的一阶导数；ρi为设计参数；Δu＝u(υ(t))-υ(t)，υ(t)代表控制器输出，t代表时间，u(υ(t))为非线性系统控制输入。
本发明的第二个方面提供一种非线性系统自适应事件触发控制系统，其包括：
数据获取模块，其被配置为：获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入；
辅助变量确定模块，其被配置为：基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；
扰动项估计模块，其被配置为：基于第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；
控制器输出更新模块，其被配置为：获取动态事件触发机制中的动态信号，结合所述第一辅助变量、第二辅助变量和所述扰动项的估计值，依次通过虚拟控制器和动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；
虚拟控制器更新模块，其被配置为：基于第二辅助变量，得到自适应律以更新所述虚拟控制器。
本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种非线性系统自适应事件触发控制方法中的步骤。
本发明的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种非线性系统自适应事件触发控制方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供了一种非线性系统自适应事件触发控制方法，其设计了一种动态事件触发机制，减少了一些不必要的信号传输以节省通信资源；对比于固定阈值的触发策略，本发明与控制输入系数为固定值的相对阈值触发机制不同，本发明基于动态规则调整事件触发条件的阈值参数，所设计动态事件触发机制的触发次数相对较少。
本发明提供了一种非线性系统自适应事件触发控制方法，其设计了带有辅助变量的扰动观测器，且所设计的非线性扰动观测器能够保证扰动估计误差收敛到有界紧集内，有效地抑制了非线性系统中未知的外部干扰；通过构造辅助系统，利用李雅普诺夫稳定性分析方法，确保了闭环系统的稳定性。
本发明提供了一种非线性系统自适应事件触发控制方法，其在自适应反步法的框架下，利用模糊基函数的性质，针对一类非严格反馈非线性系统，既能避免芝诺行为，又能保证闭环系统的稳定性，可以确保系统信号的有界性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一的一种非线性系统自适应事件触发控制方法流程图；
图2是本发明实施例一的参考信号与输出信号示意图；
图3是本发明实施例一的跟踪误差轨迹示意图
图4为本发明实施例一的事件触发时间间隔示意图；
图5为本发明实施例一的输入饱和示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供了一种非线性系统自适应事件触发控制方法，如图1所示，具体包括以下步骤：
步骤1：获取参考信号yd和初始时刻的控制器输出υ(0)，并得到初始时刻的非线性系统控制输入u(υ(0))。
其中，非线性系统为具有输入饱和与外部干扰的非线性系统。对一类具有输入饱和与外部干扰的非线性系统的物理特性建立动力学模型，本实施例的具有输入饱和与外部干扰的非严格反馈非线性系统如下：
y＝x1,1≤i≤n-1
其中，表示非线性系统的状态向量，xi代表非线性系统的一个状态分量；/>表示xi对时间t的导数；υ(t)代表控制器输出，t代表时间；fi(x)和fn(x)是未知非线性函数；/>代表外界扰动，外界扰动满足/>并且有 和/>为大于零的常数；/>为非线性系统输出，u(υ(t))为具有饱和非线性系统控制输入，其表示为：
其中，和/>分别表示非线性系统控制输入的最小值和最大值；非线性系统的控制输入有界且状态有界。
步骤2：基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；基于二辅助变量，通过非线性扰动观测器，得到扰动项的估计值。其中，扰动项的估计值的为，第二辅助变量与中间变量的差值，与非线性扰动观测器的参数的乘积。
根据设定的系统动力学模型设计辅助系统，设计坐标变换，设计非线性干扰观测器。
首先，为了补偿输入饱和对所考虑的系统的负面影响，设计以下辅助系统：
其中，χi是第一辅助变量，是χi对时间t的一阶导数；设计参数ρ1＝1/2，ρi≥1(i＝2,...,n)，Δu＝u(υ(t))-υ(t)。
应用反步技术，设计如下坐标变换：
z1＝y-yd-χ1
其中，yd表示期望的参考信号，并假设它及其i阶导数都是已知且有界的，αi-1为虚拟控制信号。反步法一共有n步，zi是第i步的坐标变换，每步一次坐标变换，一共n次。
定义以下第二辅助变量：
s＝zn-η
其中，η是一个中间变量。
基于第二辅助变量s，将非线性扰动观测器设计为
其中，是扰动项d的估计值，即对扰动项d的观测；/>为关于非线性扰动观测器的正的参数；ω是一个中间变量。
步骤3：获取动态事件触发机制中的动态信号，结合第一辅助变量、第二辅助变量和扰动项的估计值，通过虚拟控制器，得到中间控制信号。
根据辅助系统、坐标变换和非线性干扰观测器，设计第1步到第n步的虚拟控制器，以及中间控制信号。
虚拟控制器αi为
其中，λi和μ是正的设计参数；特别地，/> 是扰动d的估计值；Θi和θl分别是/>和/>的估计值，/>需要说明的是，θl只是一个量，这个符号是一个整体，下标l是一个独立标志，此外估计误差 和/>是模糊逻辑系统中的理想权重；/>是模糊逻辑系统中的第i步的模糊基函数。
中间控制信号为：
其中，和ε为正设计参数；ζ(t)是动态事件触发机制中的动态信号，σ是一个正的设计参数；/>是参考信号yd对时间t的n阶导数；αn表示第n步的虚拟控制器。
步骤4：通过动态事件触发模糊控制器，更新控制器输出，并返回至辅助系统。其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整。
设计动态事件触发模糊控制器。为了减少控制器更新的频率，节约能源或通信成本，对于k∈Z+，其中，k来记录触发的次数，k＝1就是第一次触发，k＝2就是第二次触发，tk表示第k次触发的触发时刻，动态事件触发模糊控制器的动态事件触发机制定义如下：
tk+1＝inf{t＞tk||e(t)|＞ζ(t)|υ(t)|+σ}
其中，a是一个可调参数，ι≥2是一个设计参数；对于任意给定的初值ζ(0)∈(0,1)，可得0＜ζ(t)＜1， 为当前控制器输入，/>为控制器输出υ(t)与/>之间的测量误差；在时间t∈[tk,tk+1)期间，控制信号一直保持/>不变；当动态事件触发机制被触发时，时间将立即被标记为tk+1，控制器输出υ(tk+1)将作用于非线性系统。tk+1＝inf{t＞tk||e(t)|＞ζ(t)|υ(t)|+σ}表示|e(t)|＞ζ(t)|υ(t)|+σ时，即误差达到一定程度，就需要进行触发，此时第k+1次触发的触发时刻tk+1被记录为当前时刻t，且t大于tk。换句话说，tk代表上一次触发时刻，那么下一次触发时刻tk+1取值多少呢？需要寻找这样的一个时间t，这个t肯定在tk之后，即t大于tk；inf表示极小值，即使得误差|e(t)|大于ζ(t)|υ(t)|+σ的时候的t，即为下一次触发时刻tk+1。即，更新控制器输出的具体方法为：当动态事件触发机制未被触发时，时间标记保持不变，从而保持控制器输出不变；当动态事件触发机制未被触发时，时间被重新标记，得到重新标记时间的控制器输出υ(tk+1)，并作用于非线性系统，得到非线性系统控制输入。
步骤5：基于第二辅助变量，得到自适应律以更新虚拟控制器。
根据坐标变换确定李雅普诺夫函数，并根据非线性干扰观测器，得到自适应律。设计如下的李雅普诺夫函数Vi：
其中，李雅普诺夫函数的作用是分析系统稳定性和设计控制器。
设计自适应律和/>为
其中，Γl、Γi、κl和κi是正的设计参数。自适应律和/>为虚拟控制器中的θl和Θi对时间t的导数。得到自适应律/>和/>以更新θl和Θi，进而更新虚拟控制器。
为了证实本实施例的有效性，下面进行单连杆机械臂仿真实验。在仿真实验中，控制目标是连杆角度跟踪轨迹yd(t)＝sin(t)。本实施例所采用模型考虑如下包含电机动力学、输入饱和与外部干扰的单连杆机械臂：
其中，u(υ(t))为饱和控制输入，表示电机转矩；定义输入饱和限制τ表示电力系统产生的转矩；ql，/>和/>分别表示连杆的位置、角速度和角加速度；/>和/>分别为机械惯性和电枢电感；/>是与载荷质量和重力系数有关的位置常数；/>为电枢电阻；/>和/>分别为关节处黏性摩擦系数和反向电动势系数；定义x1＝ql，/> 则单连杆机械臂系统可表示为：
y＝x1
其中，d(t)＝0.4cos(2t)；定义期望的跟踪信号为yd(t)＝sin(t)；选取设计的自适应动态事件触发控制器的相关参数为ρ1＝0.5，ρ2＝38，ρ3＝58，λ1＝25，λ2＝29，λ3＝61，μ＝26，Γl＝82，Γ1＝98，Γ2＝73，Γ3＝34，κl＝58，κ1＝10，κ2＝90，κ3＝88，a＝59，σ＝2，M＝4，∈＝16。
针对一类具有输入饱和与外部扰动的单连杆机械臂系统，通过非线性系统自适应事件触发控制方法，使得连杆角度与跟踪目标趋于一致，同时降低了通讯负担与扰动对系统控制性能的影响。
根据所选取的李亚普诺夫函数推导所得：说明基于该方法下所得的控制律能够使系统所有信号有界，因此系统状态能够与跟踪目标达到一致。
图2、图3、图4和图5给出了所设计的控制器对于单连杆机械臂的仿真结果。参考信号yd和输出信号y的响应如图2所示，跟踪误差如图3所示。图4绘制了每两个相邻事件触发的时间间隔。此外，图5描述了信号v和u的轨迹。仿真结果表明，本发明基于扰动观测器和动态事件触发机制的模糊控制方法是可行的。
针对一类非严格反馈非线性系统，通过非线性系统自适应事件触发控制方法略，既能避免芝诺行为，又能保证闭环系统的稳定性。为了更好地利用带宽资源，设计了动态事件触发机制，以减少控制器到执行器之间的数据传输。对比于固定阈值的触发策略，本实施例所设计动态事件触发机制的触发次数相对较少。与使用的相对阈值触发机制不同，本实施例设计的动态事件触发机制的关键特征是阈值参数ζ(t)不再限制为一个固定的常数值。作为替代方案，它可以根据如下规律进行动态调整。在自适应反步法的框架下，利用模糊基函数的性质，设计了一种基于干扰观测器和动态事件触发机制的自适应模糊控制策略，可以确保系统信号的有界性。最后，单连杆机械臂仿真验证了本实施例提出的控制策略的有效性。
实施例二
本实施例提供了一种非线性系统自适应事件触发控制系统，其具体包括如下模块：
数据获取模块，其被配置为：获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入；
辅助变量确定模块，其被配置为：基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；
扰动项估计模块，其被配置为：基于第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；
控制器输出更新模块，其被配置为：获取动态事件触发机制中的动态信号，结合所述第一辅助变量、第二辅助变量和所述扰动项的估计值，依次通过虚拟控制器和动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；
虚拟控制器更新模块，其被配置为：基于第二辅助变量，得到自适应律以更新所述虚拟控制器。
其中，更新控制器输出的具体方法为：当动态事件触发机制未被触发时，时间标记保持不变，从而保持控制器输出不变；当动态事件触发机制未被触发时，时间被重新标记，得到重新标记时间的控制器输出。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种非线性系统自适应事件触发控制方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种非线性系统自适应事件触发控制方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种非线性系统自适应事件触发控制方法，其特征在于，包括：
获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入；
基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；
基于第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；
获取动态事件触发机制中的动态信号，结合所述第一辅助变量、第二辅助变量和所述扰动项的估计值，通过虚拟控制器，得到中间控制信号后，通过动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；
基于第二辅助变量，得到自适应律以更新所述虚拟控制器；
所述更新控制器输出的具体方法为：当动态事件触发机制未被触发时，时间标记保持不变，从而保持控制器输出不变；当动态事件触发机制未被触发时，时间被重新标记，得到重新标记时间的控制器输出；
所述扰动项的估计值的为：所述第二辅助变量与中间变量的差值，与非线性扰动观测器的参数的乘积；
非线性系统为具有输入饱和与外部干扰的非线性系统，表示为：
y＝x1,1≤i≤n-1
其中，表示非线性系统的状态向量，xi代表非线性系统的一个状态分量；υ(t)代表控制器输出，t代表时间；fi(x)是非线性函数；/>代表外界扰动；/>为非线性系统输出，u(υ(t))为非线性系统控制输入；
所述中间控制信号为：
其中，M和ε为正设计参数；ζ(t)是动态事件触发机制中的动态信号；αn表示第n步的虚拟控制器；是参考信号yd对时间t的n阶导数；zn表示反步法中第n步的坐标变换。
2.如权利要求1所述的一种非线性系统自适应事件触发控制方法，其特征在于，所述辅助系统定义为：
其中，χi是第一辅助变量，是χi对时间t的一阶导数；ρi为设计参数；Δu＝u(υ(t))-υ(t)，υ(t)代表控制器输出，t代表时间，u(υ(t))为非线性系统控制输入。
3.一种非线性系统自适应事件触发控制系统，其特征在于，包括：
数据获取模块，其被配置为：获取参考信号和初始时刻的控制器输出，并得到初始时刻的非线性系统控制输入；
辅助变量确定模块，其被配置为：基于参考信号、控制器输出和非线性系统控制输入，通过辅助系统得到第一辅助变量，并通过坐标变换，得到第二辅助变量；
扰动项估计模块，其被配置为：基于第二辅助变量，通过非线性扰动观测器，得到扰动项的估计值；
控制器输出更新模块，其被配置为：获取动态事件触发机制中的动态信号，结合所述第一辅助变量、第二辅助变量和所述扰动项的估计值，通过虚拟控制器，得到中间控制信号后，通过动态事件触发模糊控制器，更新控制器输出，并返回至所述辅助系统；其中，动态事件触发模糊控制器的动态事件触发机制对事件触发条件的阈值参数进行动态调整；
虚拟控制器更新模块，其被配置为：基于第二辅助变量，得到自适应律以更新所述虚拟控制器；
所述更新控制器输出的具体方法为：当动态事件触发机制未被触发时，时间标记保持不变，从而保持控制器输出不变；当动态事件触发机制未被触发时，时间被重新标记，得到重新标记时间的控制器输出；
所述扰动项的估计值的为：所述第二辅助变量与中间变量的差值，与非线性扰动观测器的参数的乘积；
非线性系统为具有输入饱和与外部干扰的非线性系统，表示为：
y＝x1,1≤i≤n-1
其中，表示非线性系统的状态向量，xi代表非线性系统的一个状态分量；υ(t)代表控制器输出，t代表时间；fi(x)是非线性函数；/>代表外界扰动；/>为非线性系统输出，u(υ(t))为非线性系统控制输入；
所述中间控制信号为：
其中，M和ε为正设计参数；ζ(t)是动态事件触发机制中的动态信号；αn表示第n步的虚拟控制器；是参考信号yd对时间t的n阶导数；zn表示反步法中第n步的坐标变换。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一项所述的一种非线性系统自适应事件触发控制方法中的步骤。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-2中任一项所述的一种非线性系统自适应事件触发控制方法中的步骤。
CN202210499465.0A 2022-05-09 2022-05-09 一种非线性系统自适应事件触发控制方法及系统 Active CN114859725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210499465.0A CN114859725B (zh) 2022-05-09 2022-05-09 一种非线性系统自适应事件触发控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210499465.0A CN114859725B (zh) 2022-05-09 2022-05-09 一种非线性系统自适应事件触发控制方法及系统

Publications (2)

Publication Number Publication Date
CN114859725A CN114859725A (zh) 2022-08-05
CN114859725B true CN114859725B (zh) 2024-04-05

Family

ID=82636435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210499465.0A Active CN114859725B (zh) 2022-05-09 2022-05-09 一种非线性系统自适应事件触发控制方法及系统

Country Status (1)

Country Link
CN (1) CN114859725B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117215175B (zh) * 2023-09-12 2024-03-22 大连海事大学 一种基于切换模型的航空发动机事件触发综合抗干扰方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918284A (zh) * 2018-01-10 2018-04-17 重庆大学 非线性倒立摆系统基于事件触发策略的模糊控制方法
CN107966908A (zh) * 2018-01-17 2018-04-27 重庆大学 基于事件触发机制的非线性卡车拖车系统的模糊控制方法
CN108717264A (zh) * 2018-05-29 2018-10-30 重庆大学 一种设计基于事件触发的磁悬浮系统模糊控制器的方法
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN112506045A (zh) * 2020-09-28 2021-03-16 中国科学院数学与系统科学研究院 非标准型离散时间非线性系统的自适应控制方法及系统
CN112882391A (zh) * 2021-01-26 2021-06-01 四川大学 一种双端事件触发的非线性控制方法
CN113110055A (zh) * 2021-04-20 2021-07-13 山东师范大学 时滞切换系统的自适应事件触发输出反馈控制方法及系统
CN113359469A (zh) * 2021-07-02 2021-09-07 西安邮电大学 一种基于事件触发的非线性系统的固定时间容错控制方法
CN114114928A (zh) * 2021-12-01 2022-03-01 吉林大学 一种压电微定位平台的固定时间自适应事件触发控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918284A (zh) * 2018-01-10 2018-04-17 重庆大学 非线性倒立摆系统基于事件触发策略的模糊控制方法
CN107966908A (zh) * 2018-01-17 2018-04-27 重庆大学 基于事件触发机制的非线性卡车拖车系统的模糊控制方法
CN108717264A (zh) * 2018-05-29 2018-10-30 重庆大学 一种设计基于事件触发的磁悬浮系统模糊控制器的方法
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN112506045A (zh) * 2020-09-28 2021-03-16 中国科学院数学与系统科学研究院 非标准型离散时间非线性系统的自适应控制方法及系统
CN112882391A (zh) * 2021-01-26 2021-06-01 四川大学 一种双端事件触发的非线性控制方法
CN113110055A (zh) * 2021-04-20 2021-07-13 山东师范大学 时滞切换系统的自适应事件触发输出反馈控制方法及系统
CN113359469A (zh) * 2021-07-02 2021-09-07 西安邮电大学 一种基于事件触发的非线性系统的固定时间容错控制方法
CN114114928A (zh) * 2021-12-01 2022-03-01 吉林大学 一种压电微定位平台的固定时间自适应事件触发控制方法

Also Published As

Publication number Publication date
CN114859725A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
Xu et al. A learning-based stable servo control strategy using broad learning system applied for microrobotic control
Lin et al. Data-based fault tolerant control for affine nonlinear systems through particle swarm optimized neural networks
Huang et al. Practical tracking via adaptive event-triggered feedback for uncertain nonlinear systems
Zhao et al. Neuroadaptive robotic control under time-varying asymmetric motion constraints: A feasibility-condition-free approach
CN110597061B (zh) 一种多智能体完全分布式自抗扰时变编队控制方法
Lai et al. Adaptive fuzzy tracking control of nonlinear systems with asymmetric actuator backlash based on a new smooth inverse
Jing et al. Fuzzy adaptive fault-tolerant control for uncertain nonlinear systems with unknown dead-zone and unmodeled dynamics
Peng et al. Identification and adaptive neural network control of a DC motor system with dead-zone characteristics
Yao et al. Uncertain disturbance rejection and attenuation for semi-Markov jump systems with application to 2-degree-freedom robot arm
Diao et al. Adaptive fuzzy event-triggered control for single-link flexible-joint robots with actuator failures
Fan et al. Asymptotic tracking controller design for nonlinear systems with guaranteed performance
Fan et al. Quantization-based adaptive actor-critic tracking control with tracking error constraints
CN111496792A (zh) 一种机械臂输入饱和固定时间轨迹跟踪控制方法及系统
Su et al. Event-triggered adaptive fuzzy tracking control for uncertain nonlinear systems preceded by unknown Prandtl–Ishlinskii hysteresis
Wu et al. Adaptive fuzzy quantized control for nonlinear systems with hysteretic actuator using a new filter-connected quantizer
CN114859725B (zh) 一种非线性系统自适应事件触发控制方法及系统
CN116619383B (zh) 基于确定学习的机械臂pid控制方法及系统
CN104852639A (zh) 基于神经网络的永磁同步电机参数自整定速度控制器
Yang et al. Adaptive neural control of nonaffine systems with unknown control coefficient and nonsmooth actuator nonlinearities
Benosman et al. Nonlinear learning-based adaptive control for electromagnetic actuators
CN113219825A (zh) 一种四足机器人单腿轨迹跟踪控制方法及系统
Bouzid et al. 3D trajectory tracking control of quadrotor UAV with on-line disturbance compensation
Li et al. Repetitive learning control of nonlinear continuous-time systems using quasi-sliding mode
CN116604532A (zh) 一种上肢康复机器人智能控制方法
Seyboth et al. Synchronized model matching: a novel approach to cooperative control of nonlinear multi-agent systems

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