SISO偏格式无模型控制器基于系统误差的参数自整定方法技术方案
【技术实现步骤摘要】
SISO偏格式无模型控制器基于系统误差的参数自整定方法
本专利技术属于自动化控制领域，尤其是涉及一种SISO偏格式无模型控制器基于系统误差的参数自整定方法。
技术介绍
无模型控制器是一种新型的数据驱动控制方法，不依赖被控对象的任何数学模型信息，仅依赖于被控对象实时测量的输入输出数据进行控制器的分析和设计，并且实现简明、计算负担小及鲁棒性强，对未知非线性时变系统也能够进行很好的控制，具有良好的应用前景。无模型控制器有多种实现方法，其中SISO(SingleInputandSingleOutput，单输入单输出)偏格式无模型控制器是无模型控制器的主要实现方法之一。SISO偏格式无模型控制器的理论基础，由侯忠生与金尚泰在其合著的《无模型自适应控制—理论与应用》(科学出版社，2013年，第68页)中提出，其控制算法如下：其中，u(k)为k时刻的控制输入；Δu(k)＝u(k)-u(k-1)；e(k)为k时刻的系统误差；为k时刻的伪梯度估计值，为的第i个分量(i＝1,…,L)；L为控制输入线性化长度常数，且为大于1的整数；λ为惩罚因子；ρ1,…,ρL为步长因子。目前，SISO...
【技术保护点】
SISO偏格式无模型控制器基于系统误差的参数自整定方法，其特征在于包括以下步骤：步骤(1)：确定SISO偏格式无模型控制器的控制输入线性化长度常数L，L为大于1的整数；SISO偏格式无模型控制器参数包含惩罚因子λ和步长因子ρ1,…,ρL；确定SISO偏格式无模型控制器待整定参数，所述SISO偏格式无模型控制器待整定参数，为所述SISO偏格式无模型控制器参数的部分或全部，包含惩罚因子λ和步长因子ρ1,…,ρL的任意之一或任意种组合；确定BP神经网络的输入层节点数、隐含层节点数、输出层节点数，所述输出层节点数不少于所述SISO偏格式无模型控制器待整定参数个数；初始化BP神经网络...
【技术特征摘要】
1.SISO偏格式无模型控制器基于系统误差的参数自整定方法，其特征在于包括以下步骤：步骤(1)：确定SISO偏格式无模型控制器的控制输入线性化长度常数L，L为大于1的整数；SISO偏格式无模型控制器参数包含惩罚因子λ和步长因子ρ1,…,ρL；确定SISO偏格式无模型控制器待整定参数，所述SISO偏格式无模型控制器待整定参数，为所述SISO偏格式无模型控制器参数的部分或全部，包含惩罚因子λ和步长因子ρ1,…,ρL的任意之一或任意种组合；确定BP神经网络的输入层节点数、隐含层节点数、输出层节点数，所述输出层节点数不少于所述SISO偏格式无模型控制器待整定参数个数；初始化BP神经网络的隐含层权系数、输出层权系数；步骤(2)：将当前时刻记为k时刻，基于系统输出期望值与系统输出实际值，采用系统误差计算函数计算得到k时刻的系统误差，记为e(k)；步骤(3)：将步骤(2)计算得到的系统误差及其函数组、系统输出期望值、系统输出实际值的任意之一或任意种组合，作为BP神经网络的输入；步骤(4)：基于步骤(3)所述的BP神经网络的输入，BP神经网络进行前向计算，计算结果通过输出层输出，得到所述SISO偏格式无模型控制器待整定参数的值；步骤(5)：基于步骤(2)得到的系统误差e(k)、步骤(4)得到的所述SISO偏格式无模型控制器待整定参数的值，采用SISO偏格式无模型控制器的控制算法，计算得到SISO偏格式无模型控制器针对被控对象在k时刻的控制输入u(k)；步骤(6)：基于步骤(5)得到的所述控制输入u(k)，计算所述控制输入u(k)分别针对各个所述SISO偏格式无模型控制器待整定参数在k时刻的梯度信息，具体计算公式如下：当所述SISO偏格式无模型控制器待整定参数中包含惩罚因子λ时，所述控制输入u(k)针对所述惩罚因子λ在k时刻的梯度信息为：当所述SISO偏格式无模型控制器待整定参数中包含步长因子ρ1时，所述控制输入u(k)针对所述步长因子ρ1在k时刻的梯度信息为：当所述SISO偏格式无模型控制器待整定参数中包含步长因子ρi且2≤i≤L时，所述控制输入u(k)针对所述步长因子ρi在k时刻的梯度信息为：其中，Δu(k)＝u(k)-u(k...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。