基于最新估计的动态线性化自适应滑模控制方法技术

本发明专利技术提供了一种基于最新估计的动态线性化自适应滑模控制方法，首先定义滑模面：

Dynamic linearization adaptive sliding mode control method based on the latest estimation

The invention provides a dynamic linearization adaptive sliding mode control method based on the latest estimation. Firstly, the sliding surface is defined.

【技术实现步骤摘要】
基于最新估计的动态线性化自适应滑模控制方法
本专利技术涉及动态线性化自适应控制方法，尤其涉及一种基于最新估计的动态线性化自适应滑模控制方法。
技术介绍
传统自适应控制算法的精度低，收敛性和稳定性差，可调能力有限；滑模变结构控制存在输出抖振的问题，造成误差加大。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种误差较小的基于最新估计的动态线性化自适应滑模控制方法。本专利技术提供了一种基于最新估计的动态线性化自适应滑模控制方法，使用指数趋近律算法如下：式中γ——趋近律参数，满足γ>1；q——趋近律参数，满足q>0；T——采样周期，满足0<T＝1。作为本专利技术的进一步改进，使用自适应控制律如下：式中δ——惩罚因子，满足δ>0；ρ——步进因子，满足ρ>0；χ——调节因子，满足χ>0。作为本专利技术的进一步改进，使用基于最新估计的动态线性化伪梯度向量估计算法一如下：式中μ1、μ2——权重因子，满足μ1>0，μ2>0；η1、η2——步进因子，满足η1∈(0,2]，η2∈(0,2]。作为本专利技术的进一步改进，使用基于最新估计的动态线性化伪梯度向量估计算法二如下：作为本专利技术的进一步改进，设定伪梯度向量复位条件如下：如果或如果或式中复位值；复位值；ε——复位因子，满足0<ε＝1。本专利技术的有益效果是：1、收敛性更强和稳定性得到了很大的提高、输出抖振幅度降低；2、较大地提高了输出精度；3、拥有更好的参数调节能力，算法可以调节伪梯度向量初值和复位值、步进因子、惩罚因子、权重因子、滑模趋近律调节因子、采样周期等。附图说明图1是本专利技术一种基于最新估计的动态线性化自适应滑模控制方法的流程框图。图2是本专利技术本专利技术一种基于最新估计的动态线性化自适应滑模控制方法的控制输出跟踪期望输出波形图。图3是本专利技术本专利技术一种基于最新估计的动态线性化自适应滑模控制方法的控制输出跟踪期望输出误差图。具体实施方式下面结合附图说明及具体实施方式对本专利技术作进一步说明。一种基于最新估计的动态线性化自适应滑模控制方法，具体包括以下内容：首先定义滑模面：然后构建如下的滑模趋近律：全格式动态线性化的输出方程定义如下：结合滑模趋近律式(18)和全格式动态线性化的控制输出式(19)，并增加惩罚因子δ、步进因子ρ和调节因子X，得到自适应滑模控制律如下：可选用基于最新估计的动态线性化伪梯度向量估计方案一如下：可选用基于最新估计的动态线性化伪梯度向量估计方案二如下：伪梯度向量复位条件设定如下：如果或如果或其中，0<ε＝1，η1∈(0,2]，η2∈(0,2]，μ1>0，μ2>0，λ>0，0<q<2/T，0<T＝1，δ>0，ρ>0，γ>1，χ>0，分别是的复位值。结合滑模趋近律(18)、自适应控制律(20)、基于最新估计的动态线性化伪梯度向量和估计方案(21)-(22)、伪梯度向量复位条件(25)-(26)，可以得到一组完整的单输入单输出系统的基于最新估计的动态线性化自适应滑模控制方法；结合滑模趋近律(18)、自适应控制律(20)、基于最新估计的动态线性化伪梯度向量和估计方案(23)-(24)、伪梯度向量复位条件(25)-(26)，可以得到另一组组完整的单输入单输出系统的基于最新估计的动态线性化自适应滑模控制方法。图1为本专利技术所提出的针对单输入单输出系统的基于最新估计的动态线性化自适应滑模控制算法框图，算法通过输出误差e(k)构建滑模趋近律前馈于自适应控制律u(k)，自适应控制律u(k)输入给被控对象并得到控制输出y(k+1)。由控制输出可以得到输出变化向量由控制律可以得到输入变化向量通过输入和输出变化向量以及前一时刻的伪梯度向量和的估计值等，可以得到当前时刻的伪梯度向量估计值和这两个动态线性化伪梯度向量和是递阶估计的，并且在后估计的伪梯度向量的估计式中利用先估计的伪梯度向量当前时刻的估计值代替前一时刻的估计值。图2为下例的基于最新估计的动态线性化自适应滑模控制输出跟踪期望输出的曲线，图3为控制算法的跟踪期望输出的误差图，从图2中，可以发现该算法具有很快的收敛速度和很高的跟踪精度，图3中的较大的波动是因为期望输出变化较大造成的抖动，但是整体输出误差平滑收敛。下面将通过实例说明基于最新估计的动态线性化自适应滑模控制算法的效果。例中的非线性系统的伪梯度向量的阶数设定为Ly＝1，Lu＝2，仿真代码使用滑模趋近律(18)、自适应控制律(20)、动态线性化伪梯度向量和估计方案(21)-(22)，被控对象为非线性系统如下：期望输出信号为：输入和输出的初始条件如下：u(1)＝u(2)＝0,y(1)＝y(2)＝0控制律步进因子设置为ρ＝1、惩罚因子δ＝0.05；伪梯度向量估计的权重因子设置为μ1＝10、μ2＝0.1、步进因子设置为η1＝η2＝1；伪梯度向量初值设置为本例没有设置伪梯度向量的复位条件；系统的伪阶数设定为Ly＝1、Lu＝2；滑模趋近律的采样周期设置为T＝0.001；控制律调节因子设置为X＝2；滑模趋近律调节因子设置为γ＝2.6和q＝10。本专利技术提供的一种基于最新估计的动态线性化自适应滑模控制方法，利用输出误差构造滑模趋近律进行前馈控制，滑模趋近律输入给自适应控制律；采用基于最新估计的动态线性化参数估计算法对非线性系统的伪梯度向量进行动态线性化辨识，并结合伪梯度向量的复位条件和自适应控制律，可以形成两种针对单输入单输出系统基于最新估计的动态线性化自适应滑模控制方法。本专利技术提供的一种基于最新估计的动态线性化自适应滑模控制方法，属于动态线性化自适应控制领域，主要针对单输入单输出系统。以上内容是结合具体的优选实施方式对本专利技术所作的进一步详细说明，不能认定本专利技术的具体实施只局限于这些说明。对于本专利技术所属
的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种基于最新估计的动态线性化自适应滑模控制方法，其特征在于：首先定义滑模面：s(k)＝e(k)＝y

【技术特征摘要】
1.一种基于最新估计的动态线性化自适应滑模控制方法，其特征在于：首先定义滑模面：s(k)＝e(k)＝y*(k)-y(k)然后构建如下的滑模趋近律：式中γ——趋近律参数，满足γ>1；q——趋近律参数，满足q>0；T——采样周期，满足0<T＝1。2.根据权利要求1所述的基于最新估计的动态线性化自适应滑模控制方法，其特征在于：全格式动态线性化的输出方程定义如下：结合滑模趋近律式和全格式动态线性化的输出方程，并增加惩罚因子δ、步进因子ρ和调节因子X，得到自适应控制律如下：式中δ——惩罚因子，满足δ>0；ρ——步进因子，满足ρ>0；χ——调节因子，满足χ&...

【专利技术属性】
技术研发人员：吴爱国，胡志勇，张颖，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东,44