技术特征:
1.一种基于极限学习机的分散式自适应跟踪控制方法,其特征在于:包括,基于n个子系统的不确定非线性互联系统,利用极限学习机的近似原则建立互联系统模型;根据所述互联系统模型构建基于极限学习机的状态观测器估计状态,得到观测误差;引入辅助系统处理输入饱和,根据动态面控制技术建立跟踪误差方程;结合反演控制技术搭建虚拟控制器和自适应率,得到实际控制器。2.根据权利要求1所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:所述n个子系统的不确定非线性互联系统包括,所述n个子系统的不确定非线性互联系统包括,所述n个子系统的不确定非线性互联系统包括,y
i
=x
i,1
其中,i=1,...,n,l=2,...,n
i
‑
1,分别表示第i个子系统的状态和输出,f
i,l
(
·
)表示未知的光滑非线性函数,h
i,l
(
·
)表示子系统之间的未知互联项,也是光滑函数,v
i
是需要设计的控制器输入,u
i
(
·
)表示受饱和非线性影响的系统控制输入。3.根据权利要求1或2所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:还包括,其中,u
m
>0是已知的常数。4.根据权利要求3所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:建立所述互联系统模型包括,建立所述互联系统模型包括,建立所述互联系统模型包括,y
i
=x
i,1
其中,l=2,
…
n
i
‑
1,5.根据权利要求4所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:利用极限学习机的近似原则进行改写,包括,利用极限学习机的近似原则进行改写,包括,
y
i
=x
i,1
其中,l=2,
…
,n
i
‑
1。6.根据权利要求5所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:构建所述状态观测器包括,构建所述状态观测器包括,构建所述状态观测器包括,构建所述状态观测器包括,其中,l=2,
…
,n
i
‑
1,分别是x
i,l
,w
i,l
的估计值。7.根据权利要求6所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:定义观测误差和权重矢量误差根据所述互联系统模型和所述状态观测器,得到观测器误差系统方程,如下,其中,其中,8.根据权利要求7所述的基于极限学习机的分散式自适应跟踪控制方法,其特征在于:结合所述动态面控制技术定义跟踪误差,包括,z
i,1
=y
i
‑
y
didi
χ
i,j
=ω
i,j
‑
α
i,j
‑1,j=2,...,n
i
其中,l=2,
…
,n
i
‑
1,α
i,l
是虚拟控制输入,ω
i,l
是一阶低通滤波器的输出信号。
技术总结
本发明公开了一种基于极限学习机的分散式自适应跟踪控制方法,包括,基于N个子系统的不确定非线性互联系统,利用极限学习机的近似原则建立互联系统模型;根据所述互联系统模型构建基于极限学习机的状态观测器估计状态,得到观测误差;引入辅助系统处理输入饱和,根据动态面控制技术建立跟踪误差方程;结合反演控制技术搭建虚拟控制器和自适应率,得到实际控制器。本发明通过采用动态面控制技术进行跟踪误差的设计,避免了在对虚拟控制器进行重复的微分运算时会导致复杂性爆炸问题,另一方面,本发明利用基于极限学习机的状态观测器,极限学习机算法在学习速度和泛化能力方面具有更好的计算效率。好的计算效率。好的计算效率。
技术研发人员:张忠洋 高志峰 王邢波 赵静 林金星
受保护的技术使用者:南京邮电大学
技术研发日:2021.07.14
技术公布日:2021/9/21
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。