一种非线性系统输出反馈智能控制方法与流程

技术特征：
1.一种非线性系统输出反馈智能控制方法，其特征在于，具体步骤如下：为了描述方便，本专利声明一些位于变量下脚的符号代表的含义，i＝1,...,n；j＝1,...,n-1；p＝2,...,n；l＝2,...,n-1；θ＝1,...,n 1；步骤一、考虑一类遭受非线性动态、时变外干扰以及输入饱和非线性影响并且仅输出信息可测量的非线性系统模型及控制问题如下所示：公式(1)中η
i
为系统状态，为与矢量相关的未知非线性动态，q
i
(t)为系统每个动态通道总的时变外干扰，y
o
为系统输出信息，α为实际控制输入；所述u(α)为饱和控制输入，其可以通过函数表达为公式(2)中，已知常数和u分别为u(α)的上、下界；控制目标：在仅有输出信息y
o
可测的情况下整合出有界的智能控制律α，并有效补偿系统中的未知非线性动态、时变外干扰以及饱和非线性等耦合不确定性影响，从而使系统的输出y
o
尽可能地跟踪期望的指令y
d
；假设1：系统期望跟踪的指令信号y
d
三阶连续可导且其三阶导数都有界；未知非线性函数二阶连续可导且其二阶导数都有界；未知非线性函数一阶连续可导且其一阶导数有界；假设2：存在未知正常数d
im
和d
im
满足|q
i
(t)|≤d
im
和引理1：定义一组二阶指令滤波器如下所示：公式(3)中，x
j1
和x
j2
为每个指令滤波器的状态，若输入信号φ
j
满足(其中和均为正常数)、x
j1
(0)＝φ
j
(0)以及x
j2
(0)＝0，那么存在正常数0<r
fj
<1、r
cj
以及δ
cj
使得|x
j1
–
φ
j
|≤δ
cj
以及始终有界；此外，本专利声明代表
·
的估计值，表示
·
的估计误差，
·
min
和
·
max
分别表示
·
的最小值和最大值；步骤二、基于神经网络估计系统遭受的未知非线性动态：对任意未知非线性函数且在范围内(表示与集合有关的紧集)，则存在径向基神经网络满足：
公式(4)中为常值理想权值矩阵，其中n
i1
、n
i2
分别为神经网络输入层和隐层的神经元的数量，表示径向基函数，表示函数重构误差；基于(4)，非线性函数可通过径向基神经网络近似为：步骤三、融合神经网络设计扩张状态观测器同时估计系统中的未知状态以及外干扰：首先定义变量和并将η
dn
扩张为一个新的状态变量，则系统模型(1)可进一步被整理为：基于公式(6)以及径向基神经网络的函数逼近特性，可设计扩张状态观测器为：为了便于后续的描述，引入一个矢量其中正常数ω
o
为可调节的增益，r
θ
为设计参数且需要确保观测器(7)的特征多项式r1s
n
r2s
n-1
... r
n 1
满足hurwitz准则，因此，r
θ
可以参数化为(n 1)！/θ！(n 1
–
θ)！；为了更新首先定义新的状态为其中w
j
表示可调节的正增益，那么，的时间微分可以表达为：基于公式(8)，则可以整合出如下所示的扰动观测器以估计非匹配扰动：步骤四、设计基于神经网络、扰动和饱和补偿的输出反馈智能控制器，其具体步骤如下：定义一组跟踪误差e
i
以及误差补偿信号z
i
如下所示：公式(10)中φ
p-1,c
为输入为虚拟控制函数φ
p-1
的指令滤波器的输出信号，其中，补偿滤波误差以及输入饱和影响的信号ζ
i
由以下辅助系统生成：
公式(11)中k
i
为正反馈增益；δu＝u(α)
–
α。虚拟控制函数φ1可以整合为：虚拟控制函数φ
l
可以整合为：实际的控制输入α可以整合为：步骤五、选取径向基神经网络权值参数的初始值及自适应律矩阵г
i
(г
i
>0)的值并调节参数ω
o
(ω
o
>0)、w
i
(w
i
>0)、k
i
(k
i
>0)、λ
i
(λ
i
>0)、r
fj
(0<r
fj
<1)和r
cj
(r
cj
>0)的值保证系统的输出y
o
＝η1准确地跟踪期望指令y
d
。2.根据权利要求1所述的非线性系统输出反馈智能控制方法，其特征在于，通过上述步骤整合出最终的控制输入，其能够通过多种可编程控制器，再通过通讯等方式联结显示器系统进而控制本发明所适用的非线性系统。3.根据权利要求1所述的非线性系统输出反馈智能控制方法，其特征在于，该方法其可应用于管材、板材等三维矢量精确成形控制、机电液伺服控制多种领域。

技术总结
本发明公开了一种非线性系统输出反馈智能控制方法，属于非线性控制领域，本发明选取一类非线性系统作为研究对象，以在仅输出信息可测的工况下，饱和非线性、非线性动态、外干扰等耦合不确定因素共同影响下其输出能准确地跟踪期望指令为控制目标，针对不可测系统状态通过扩张状态观测器进行实时估计；针对未知非线性动态通过径向基神经网络进行估计并前馈补偿；针对外干扰通过结合扩张状态观测器以及非线性扰动观测器进行估计并前馈补偿；整个控制方法通过基于指令滤波的反步技术进行设计，使控制器设计以及控制器结构更加简单；针对饱和以及滤波误差的影响，通过基于饱和及滤波误差的辅助系统进行补偿。更利于在难以测量的复杂工况中应用。杂工况中应用。杂工况中应用。


技术研发人员：杨贵超 王华 洪荣晶 陈捷
受保护的技术使用者：南京工大数控科技有限公司
技术研发日：2020.12.21
技术公布日：2022/2/23