無模型自適應(yīng)控制理論幾類問題的研究.pdf

1、論文以無模型自適應(yīng)控制理論為出發(fā)點，針對其在一般非線性離散時間系統(tǒng)跟蹤問題、系統(tǒng)擾動抑制、MIMO系統(tǒng)解耦、以及和其他無模型控制方法相互融合等方面存在的不足進行深入研究。研究過程中，將無模型自適應(yīng)控制、滑模變結(jié)構(gòu)控制、神經(jīng)網(wǎng)絡(luò)、前饋補償及迭代反饋整定的基本思想有機結(jié)合，提出一系列無模型自適應(yīng)控制的新方法。論文的主要工作及其貢獻總結(jié)如下： 1、借鑒無模型自適應(yīng)控制方法中SISO系統(tǒng)非參數(shù)動態(tài)線性化的方法，推導出一般非線性離散時間M

2、IMO系統(tǒng)非參數(shù)動態(tài)偏格式線性化（Partial Form Linearization，PFL）和非參數(shù)動態(tài)全格式線性化（Full Form Linearization，F(xiàn)FL）定理，并給出嚴格的數(shù)學證明。 2、針對一般非線性離散時間系統(tǒng)，提出一類自適應(yīng)準滑?？刂疲ˋdaptive Quasi-Sliding Mode Control，ASMC）的新方法。首先采用非參數(shù)動態(tài)緊格式線性化（Tight Form Linearizat

3、ion，TFL）方法將系統(tǒng)線性化，再設(shè)計自適應(yīng)準滑?？刂破鳎瑫r給出控制算法的穩(wěn)定性分析。在此基礎(chǔ)上將該算法推廣，提出基于偏格式線性化和全格式線性化的自適應(yīng)準滑模控制。 3、針對一般非線性離散時間系統(tǒng)的不確定性和擾動抑制問題，提出一種基于神經(jīng)網(wǎng)絡(luò)估計的自適應(yīng)準滑?？刂扑惴ǎ∟eural Network Based Adaptive Quasi-Sliding Mode Control，NN-SMC）。算法包括兩部分，其一是基于緊

4、格式動態(tài)線性化模型的自適應(yīng)準滑?？刂破髟O(shè)計，其中動態(tài)線性化方法中“偽偏導數(shù)”的估計算法僅依賴于系統(tǒng)I/O實時量測值。其二是采用徑向基神經(jīng)網(wǎng)絡(luò)估計器來估計系統(tǒng)的綜合不確定性。理論分析證明了系統(tǒng)的BIBO穩(wěn)定性。仿真結(jié)果驗證了所提算法的有效性。 4、針對一般非線性離散時間MIMO系統(tǒng)，基于非參數(shù)動態(tài)線性化模型，提出一種基于神經(jīng)網(wǎng)絡(luò)補償?shù)淖赃m應(yīng)準滑模解耦控制算法（Neural Network Based Adaptive Quasi-

5、Sliding Mode Decoupling Control，NN-SMDC）。該算法將其他回路的輸入對于某一回路輸出的耦合影響視為可測干擾，通過神經(jīng)網(wǎng)絡(luò)對這部分干擾進行估計、補償，再結(jié)合滑?？刂扑惴▽崿F(xiàn)系統(tǒng)解耦。理論證明該算法是穩(wěn)定的。 5、針對一般非線性離散時間MIMO系統(tǒng)．在非參數(shù)動態(tài)線性化基礎(chǔ)上，引入自適應(yīng)前饋補償思想，提出一種基于自適應(yīng)前饋補償?shù)慕怦羁刂疲ˋdaptive Feedforward Compensati

6、on Decoupling Control，AFCDC）方法。理論分析表明所提方法能夠保證系統(tǒng)廣義跟蹤誤差漸近收斂到零。 6、針對一般非線性離散時間系統(tǒng)，提出一種基于IFT方法的無模型自適應(yīng)控制器設(shè)計及其參數(shù)整定算法（IFT Based Model-Free Adaptive Control， IFT-MFAC）。該算法首先依據(jù)TFL、PFL、FFL定理推導出3種相應(yīng)的控制器結(jié)構(gòu)，再采用IFT方法整定控制器參數(shù)?？刂破鹘Y(jié)構(gòu)的合理