一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法技术方案

本发明专利技术属于自动化控制领域，具体涉及一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，包括：将带有不确定时延的非线性网络控制系统模型转换为不含有不确定时延的系统模型；定义系统跟踪误差指标和预设性能轨迹，将受约束的系统跟踪误差指标转化为新的无约束误差指标；定义包含中间虚拟控制信号的新系统状态误差，并对系统模型进行坐标转换；设计滑模函数和李雅普诺夫函数，并采用自适应神经网络函数对网络干扰进行估计，获得系统输入信号控制率；本发明专利技术利用网络干扰概念，在不需要限定延时或者延时导数上限的情况下，有效地解决网络控制系统的时延问题，并通过设计预设性能指标完成对系统的控制，保证了系统的动态和稳态性能。的动态和稳态性能。的动态和稳态性能。

【技术实现步骤摘要】
一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法


[0001]本专利技术属于自动化控制
，具体涉及一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法。

技术介绍

[0002]网络控制系统是指传感器、控制器和执行器机构通过通信网络形成的实时闭环控制系统。由于这种特性，网络控制控制系统在很多领域都有着广泛的应用前景，例如太空及陆地的勘探、进入危险区域及相关作业、工厂自动化、远端诊断及故障排除、实验性设备、家用机器人、飞机等作业领域。然而，通信链路的延迟问题让系统的表现显著的下降，限制着网络控制系统在现实环境中的应用。
[0003]针对网络时延问题，当前网络延迟控制方法普遍存在以下问题：需要对网络时延的上限有限定要求，或者需要限制时延的变化率。这对于大网络延迟系统或网络环境变化的情况，不能满足其要求。同时，针对网络控制系统的跟踪误差控制问题，当前的控制算法经常有以下问题：忽略系统的动态控制性能；不能精确地限定系统稳态跟踪误差范围。

技术实现思路

[0004]针对以上现有技术存在的技术问题，本专利技术目的在于提供一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，有效解决网络控制系统网络延迟的补偿和良好的跟踪误差控制性能问题。
[0005]一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，该方法包括：
[0006]S1：构建带有不确定时延的非线性网络控制系统模型，将带有不确定时延的非线性网络控制系统模型转化为不含不确定时延的非线性网络控制系统模型；
[0007]S2：定义网络控制系统跟踪误差指标，设计预设性能轨迹；根据预设性能轨迹将受约束的系统跟踪误差指标转化为无约束误差指标；
[0008]S3：定义包含中间虚拟控制信号的新系统状态误差，根据新系统状态误差对不含不确定时延的非线性网络控制系统模型进行坐标转换，得到新的非线性网络控制系统模型；
[0009]S4：设置新的非线性网络控制系统模型的滑模函数和Lyapunov函数，并获取中间虚拟控制信号和系统输入信号的控制率；
[0010]S5：设置自适应神经网络函数，采用的自适应神经网络函数对系统网络干扰进行估计，根据估计结果对系统输入信号的控制率进行改进。
[0011]优选的，将带有不确定时延的非线性网络控制系统模型转化为不含不确定时延的非线性网络控制系统模型的过程包括：
[0012]S11：定义带有不确定时延的非线性网络控制系统模型的总时延t
z
＝t1+t2；其中，
t1表示为控制通道延迟，t2表示反馈通道延迟；
[0013]S12：根据网络干扰的概念将时间延迟t
z
给系统带来的所有负面影响归纳到网络干扰T
d
中，得到
[0014]S13：定义新的系统状态向量并设计本地端控制信号T
l
＝
‑
f(X)；其中，f(X)为已知系统函数，n为系统阶数，T为转置标记；
[0015]S14：根据网络干扰和新的系统状态向量将带有不确定时延的非线性网络控制系统模型转换为不含不确定时延的非线性网络控制系统模型；转换后的模型表达式为：
[0016][0017]其中，A为常数矩阵，B为常数向量，T
c
为远端控制信号。
[0018]优选的，步骤S2的具体步骤包括：
[0019]S21：定义系统跟踪误差e1；其表达式为：
[0020]e1＝y
‑
y
d
,
[0021]其中，y
d
为给定的系统跟踪轨迹；
[0022]S22：设置预设性能轨迹，其表达式为：
[0023]ρ1(t)＝(ρ
10
‑
ρ
1∞
)e
‑
lt
+ρ
1∞
[0024]其中，ρ
10
为初始误差界，ρ
1∞
为最终误差界，e
‑
lt
为ρ1(t)的收敛速率，l是收敛速率参数；
[0025]S23：根据预设性能轨迹对系统跟踪误差进行约束，约束的表达式为：
[0026]‑
σρ1(t)<e1<σρ1(t)
[0027]其中，σ为大于0小于等于1的常数；
[0028]S24：定义平滑严格递增函数S1(∈1)，根据平滑严格递增函数对系统跟踪误差e1进行转换，根据转换后的系统跟踪误差计算新的无约束误差指标∈1，其表达式为：
[0029][0030]其中，为平滑严格递增函数的倒数。
[0031]优选的，步骤S3的具体步骤包括：
[0032]S31：定义包含中间虚拟控制信号的新系统状态误差e
i
；其表达式为：
[0033][0034]其中，α
i
(t),i＝1,2,
…
,n
‑
1为中间虚拟控制信号；
[0035]S32：根据预设性能轨迹计算计算公式为：
[0036][0037]α0(t)＝y
d
[0038]其中，表示第i个新的系统状态向量值，ρ
i
(t)表示第i个预设性能轨迹，S
i
(.)表示平滑严格递增函数，α
i
‑1(t)表示为第i
‑
1次状态向量的中间虚拟控制信号，∈
i
表示第i个无约束误差指标；
[0039]S33：对第i个新的系统状态向量指标进行求导，得到：
[0040][0041]S34：根据将不含不确定时延的非线性网络控制系统模型进行坐标转换，获得以无约束误差指标∈
i
,i＝1,2,
…
,n为系统状态向量的新的非线性网络控制系统模型其中，新的非线性网络控制系统模型的表达式为：
[0042][0043]其中，表示第i个新的无约束误差指标倒数向量，ρ
i+1
(t)表示第i+1个预设性能轨迹，S
i+1
(.)表示第i+1个系统状态向量的平滑严格递增函数，∈
i+1
表示第i+1个系统状态向量的无约束误差指标，表示新系统的输入信号，f(X)表示已知系统函数，T
d
表示网络干扰。
[0044]进一步的，中间虚拟控制信号α
i
(t)的表达式为：
[0045][0046]其中，k
si
表示控制参数。
[0047]优选的，滑模函数s的表达式为：
[0048][0049][0050]其中，∈＝∈1+∈2+
…
+∈
n
为滑模变量；k
n1
,k
n2
,为正常数，且为正常数，且表示符号函数。
[0051]优选的，系统输入信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，其特征在于，包括：S1：构建带有不确定时延的非线性网络控制系统模型，将带有不确定时延的非线性网络控制系统模型转化为不含不确定时延的非线性网络控制系统模型；S2：定义网络控制系统跟踪误差指标，设计预设性能轨迹；根据预设性能轨迹将受约束的系统跟踪误差指标转化为无约束误差指标；S3：定义包含中间虚拟控制信号的新系统状态误差，根据新系统状态误差对不含不确定时延的非线性网络控制系统模型进行坐标转换，得到新的非线性网络控制系统模型；S4：设置新的非线性网络控制系统模型的滑模函数和Lyapunov函数，并获取中间虚拟控制信号和系统输入信号的控制率；S5：设置自适应神经网络函数，采用的自适应神经网络函数对系统网络干扰进行估计，根据估计结果对系统输入信号的控制率进行改进。2.根据权利要求1所述的一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，其特征在于，带有不确定时延的非线性网络控制系统模型的表达式为：制方法，其特征在于，带有不确定时延的非线性网络控制系统模型的表达式为：其中，X＝[X
1 X2…
X
n
‑
1 X
n
]
T
为系统状态向量，T为转置标记，n为系统阶数，y为系统输出信号，A为常数矩阵，B为常数向量，f(X)为已知系统函数，为系统输入信号，T
c
为远端控制信号，为经过控制通道延迟的控制信号，T
l
为本地端控制信号，e为自然指数的底数，t1为控制通道延迟，s为拉普拉斯频域变换符号，t2为反馈通道延迟。3.根据权利要求1所述的一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，其特征在于，将带有不确定时延的非线性网络控制系统模型转化为不含不确定时延的非线性网络控制系统模型的过程包括：S11：定义带有不确定时延的非线性网络控制系统模型的总时延t
z
＝t1+t2；其中，t1表示为控制通道延迟，t2表示反馈通道延迟；S12：根据网络干扰的概念将时间延迟t
z
给系统带来的所有负面影响归纳到网络干扰T
d
中，得到S13：定义新的系统状态向量设计本地端控制信号T
l
＝
‑
f(X)；其中，f(X)为已知系统函数，n为系统阶数，T为转置标记；S14：根据网络干扰和新的系统状态向量将带有不确定时延的非线性网络控制系统模型转换为不含不确定时延的非线性网络控制系统模型；转换后的模型表达式为：其中，A为常数矩阵，B为常数向量，T
c
为远端控制信号。4.根据权利要求1所述的一种针对网络控制系统的基于预设性能的自适应反演滑模控
制方法，其特征在于，步骤S2的具体步骤包括：S21：定义系统跟踪误差e1；其表达式为：e1＝y
‑
y
d
,其中，y
d
为给定的系统跟踪轨迹；S22：设置预设性能轨迹，其表达式为：ρ1(t)＝(ρ
10
‑
ρ
1∞
)e
‑
lt
+ρ
1∞
其中，ρ
10
为初始误差界，ρ
1∞
为最终误差界，e
‑
lt
为ρ1(t)的收敛速率，l是收敛速率参数；S23：根据预设性能轨迹对系统跟踪误差进行约束，约束的表达式为：
‑
σρ1(t)<e1<σρ1(t)其中，σ为大于0小于等于1的常数；S24：定义平滑严格递增函数S1(∈1)，根据平滑严格递增函数对系统跟踪误差e1进行转换，根据转换后的系统跟踪误差计算新的无约束误差指标∈1，其表达式为：其中，为平滑严格递增函数的倒数。5.根据权利要求1所述的一种针对网络...

【专利技术属性】
技术研发人员：产林平，黄庆卿，韩延，张焱，王浩，魏旻，王平，
申请(专利权)人：重庆邮电大学工业互联网研究院，
类型：发明
国别省市：