基于量子微粒子群優(yōu)化算法的非線性觀測器研究.pdf

1、隨著非線性控制理論特別是反饋線性化理論的發(fā)展，非線性系統(tǒng)狀態(tài)觀測器的設(shè)計以及基于狀態(tài)觀測的非線性控制理論的研究顯得愈發(fā)重要。針對傳統(tǒng)的非線性狀態(tài)觀測器設(shè)計方法的缺點，本文將群體智能算法應(yīng)用于非線性狀態(tài)觀測器設(shè)計過程中的優(yōu)化問題，對基于動態(tài)回歸神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)觀測器和基于滾動時域優(yōu)化的非線性狀念觀測器設(shè)計方法進行了深入研究，設(shè)計并實現(xiàn)了兩類基于粒子群算法的智能非線性狀態(tài)觀測器。 本文首先對傳統(tǒng)的非線性狀態(tài)觀測器設(shè)計原理進行研究

2、，研究表明規(guī)范型狀態(tài)觀測器的設(shè)計需滿足非?？量痰拇嬖跅l件，因此在很大程度上限制了規(guī)范型觀測器的適用范圍；基于線性化的非線性觀測器設(shè)計方法對原系統(tǒng)做線性化近似處理，然后按照線性系統(tǒng)的方法進行觀測器設(shè)計，因而有較大的局限性：而運用Lyapunov方法設(shè)計非線性狀態(tài)觀測器時Lyapunov函數(shù)的選擇缺乏構(gòu)造性，所以大多數(shù)情況下只能用其作為證明所設(shè)計觀測器漸近穩(wěn)定的工具。由此，在闡述了群體智能算法的基本原理之后，本文對基于動態(tài)回歸神經(jīng)網(wǎng)絡(luò)的非線

3、性狀態(tài)觀測器和基于滾動時域優(yōu)化的非線性狀態(tài)觀測器進行了重點研究。 動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)是極具潛力的一種建模法，它代表了神經(jīng)網(wǎng)絡(luò)建模、辨識和控制的發(fā)展方向?；趧討B(tài)遞歸神經(jīng)網(wǎng)絡(luò)的非線性觀測器在一定的初始條件下，具有逼近一般非線性系統(tǒng)狀態(tài)軌跡的能力。建立基于動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)觀測器模型，核心問題是網(wǎng)絡(luò)權(quán)值的學(xué)習算法，本文提出一種采用粒子群算法的權(quán)值學(xué)習方法，仿真實驗表明，該學(xué)習算法較傳統(tǒng)的動態(tài)BP學(xué)習算法具有收斂速度快，收斂精

4、度高的優(yōu)點，系統(tǒng)具有良好的觀測性能。 針對滿足一致重構(gòu)條件的一般非線性連續(xù)時間系統(tǒng)，有學(xué)者提出了一種滾動時域狀態(tài)觀測器，這是一種基于優(yōu)化的非線性系統(tǒng)狀態(tài)觀測器設(shè)計方法，其基本思想是通過最小化區(qū)間[t-T，t]上的某個代價函數(shù)對t時刻非線性系統(tǒng)的狀態(tài)進行估計，這種方法具有方法簡單，可操作性強，應(yīng)用范圍廣的優(yōu)點，其關(guān)鍵問題在于優(yōu)化算法的選擇。本文提出采用粒子群算法進行滾動時域狀態(tài)觀測器的設(shè)計，仿真實驗表明，基于粒子群優(yōu)化算法的滾動時