删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于模糊神经网络的MIMO系统自适应解耦控制

本站小编 Free考研考试/2021-12-25

多输入多输出(Multiple Input Multiple Ouput,MIMO)非线性系统的控制问题在实际应用中非常普遍,比如飞行器控制、机器人控制以及复杂过程控制等,其主要难点在于输入与输出不是一一对应的关系,多个输入和多个输出之间存在着相互耦合的影响.传统的分通道控制方法不考虑这种相互耦合作用,强制把MIMO系统分为若干个通道分别设计控制器,但是当耦合严重的时候,该方法就很难得到较好的控制效果,所以有必要研究MIMO系统的解耦控制方法.
文献[1, 2]使用非线性动态逆方法设计了解耦控制器,但是无法保证在模型不能精确已知情况下系统的鲁棒性.文献[3, 4]基于滑模控制理论设计了MIMO系统控制器,并分别应用到直升机控制和机器人控制问题上,但是滑模控制带来的抖振问题会对控制系统产生不利影响.文献[5]提出了利用神经网络在线整定比例-积分-微分(Proportion-Integration-Differentiation,PID)参数的解耦控制方法,但是应用到非线性程度和耦合程度较强的MIMO系统上会导致控制精度无法满足.文献[6, 7, 8, 9, 10]分别将模糊理论和神经网络等智能方法与自适应控制和鲁棒控制相结合,提出了MIMO系统的智能控制方法,但只是针对输出量直接为状态量的情况,未考虑更一般的情况.
意大利****Tornambe和Valigi[11, 12]提出了一种不确定MIMO系统的分散控制方法,使用观测器方法得到通道耦合项和不确定性项的估计值,然后补偿到解耦控制律中.本文在此方法基础上,利用模糊系统的非线性泛逼近能力和神经网络的自学习能力,针对不确定的MIMO非线性系统提出了一种基于模糊神经网络的自适应解耦控制方法,并给出了理论证明及仿真验证.与已有的MIMO系统控制方法相比,本文的区别和贡献在于把模糊神经网络观测器方法与Tornambe分散控制思想进行了结合,并考虑了输出方程形式更为一般的情况.
1 问题描述对于多输入多输出仿射非线性系统,有
式中:xRn为系统状态;uRm为系统输入;yRm为系统输出;f′(x)、G′(x)和h(x)为光滑非线性函数,即
由于系统参数不确定性的影响,f′(x)和G′(x)的值无法准确获知.控制目标是设计控制律uRm实现系统镇定.
假设 1 系统式(1)具有相对阶[r1 r2rm]T,其中,ri(i=1,2,…,m)为第i个输出的相对阶.
假设 2 系统的内动态是稳定的.
对系统式(1)进行输入输出线性化[13]可得
式中:
其中:L代表求解李导数.
2 主要结果2.1 解耦控制对于式(2)中的第i个输出,有
表示成输入项和系统扰动项之和的形式为
通过把系统其他输入和状态的影响归结为系统扰动项di,实现输入与输出的一一对应,使多输入多输出系统变为了多个带有扰动项的单输入单输出系统.该扰动项既包含了通道耦合项,也包含了系统不确定性项.
i个输出变量设计系统的期望动态为
式中:hri-1,i,hri-2,i,…,h1,i,h0,i使得多项式sri+hri-1,isri-1+…+h1,is+h0,i是Hurwitz多项式.
若扰动项di已知,可以得到控制律为
Yi=[yi yi(1)yi(ri-1)]T,把控制律式(7)代入式(4)可得
式中:
2.2 模糊神经网络由于不确定性的影响,系统扰动项di的值无法准确获得,可以利用观测器方法得到系统扰动项的近似值.本文结合了模糊系统的非线性泛逼近能力和神经网络的自学习能力,采用模糊神经网络构造观测器来得到系统扰动项的估计值.
设计如下模糊规则:
规则j:IF x1 is A1j,and … and xn is Anj,THEN di is dij
其中:Aij为输入变量的模糊子集.
则模糊系统的输出为
式中:μ(xk)为隶属度函数;r为模糊规则数.
定义

可得
引理 1[14, 15] 对于非线性函数di(x)∈R,对于任意精度εm>0,存在最优权值向量θi,使得
式中:ε为逼近误差,满足|ε|≤εm.
2.3 基于模糊神经网络的自适应解耦控制对于第i个输出yi,模糊神经网络观测器为
式中:σi为扰动观测器的状态变量;常数γi>0为观测器的参数;di(x)为扰动项di的估计值;θi为最优权值向量的估计值.
定义观测误差为
定义权值向量估计误差为
所设计的控制律为
代入系统方程式(4)中可得
由于矩阵Ai是Hurwitz的,所以存在正定对称矩阵Pi,使得AiTPi+PiAi<0.
结合系统动态方程式(4)和观测器方程式(12),第i个观测误差的动态方程为
piPi的最后一列,另定义
定理 1 对于动态系统式(1),如果采用模糊神经网络观测器式(12),控制律式(15)以及如下权值向量自适应律:
当对于所有的i=1,2,…,n都满足
则系统输出Yi、观测误差ei以及权值向量逼近误差是一致最终收敛的.
证明 定义李雅普诺夫函数:
代入输出动态式(16)和误差动态式(17)可得
由于piPi的最后一列,则
由于AiTPi+PiAi为负定矩阵,则AiTPi+PiAi特征值实部都小于0,记λi为其模值最小的特征值,可得
把权值自适应规律式(19)代入式(22)可得
当对于所有的i=1,2,…,n都满足||Yi||>并且时,<0.
根据Lyapunov稳定性原理,系统输出Yi、观测误差ei以及权值向量逼近误差是一致最终收敛的.
证毕
闭环系统结构如图 1所示.可见模糊神经网络观测器利用系统输入和输出信息逼近得到系统扰动项的估计值,然后作为补偿信号加入解耦控制器,用以消除通道耦合和不确定性对系统带来的影响.
图 1 闭环系统结构Fig. 1 Closed-loop system structure
图选项


3 仿真结果考虑如下非线性MIMO对象:
输出方程为
式中:x1x2x3x4为状态变量;u1u2为输入变量;y1y2为输出变量.根据状态方程的具体形式和控制系数的大小,把系统划分为两个通道,即{x1,x2,u1}和{x3,x4,u2},然后分别设计模糊神经网络观测器和自适应解耦控制律.
控制器和观测器相应的参数选择如下:

由于εm为任意小的正常数,所以系统输出Yi、观测误差ei以及权值向量逼近误差是一致最终收敛的.
为了验证本文方法的鲁棒性,仿真中在状态方程中引入加性和乘性的正弦摄动,即
除了本文的控制方法之外,对传统的分通道输出反馈控制方法进行了仿真,即在控制律式(15)中去除扰动项估计值的补偿,两种方法对比结果如图 2~图 4所示.
图 2 x1控制效果Fig. 2 Control performance of x1
图选项



图 3 x3控制效果Fig. 3 Control performance of x3
图选项



图 4 模糊神经网络观测误差Fig. 4 Fuzzy neural networks observer errors
图选项


由图 2和图 3可见,本文所设计控制器快速精确地稳定了x1x3,而传统的输出反馈会导致震荡,难以保证较好的控制效果,这表明了控制律中加入的补偿项很好地消除了通道耦合和不确定性对系统带来的影响.由图 4可见,模糊神经网络观测器的观测误差快速收敛.以上结果验证了本文所设计控制方法的稳定性和有效性.
4 结 论1) 基于Tornambe分散控制思想,结合反馈线性化方法,给出了输出方程形式更为一般情况下,MIMO非线性系统的分通道解耦控制律.
2) 结合模糊系统的非线性泛逼近能力和神经网络的自学习能力,通过观测器方法给出了通道耦合和不确定性的估计值,并作为补偿信号加入到解耦控制律中,消除了其对系统的影响.
参考文献
[1] 曾宪法,张磊,申功璋.基于动态逆和分散控制的导弹控制系统设计[J].北京航空航天大学学报, 2007, 33(11):1303-1307.
Zeng X F, Zhang L, Shen G Z.Design of control systems for missiles based on dynamic inversion and decentralized control[J].Journal of Beijing University of Aeronautics and Astronautics, 2007, 33(11):1303-1307(in Chinese).
Cited By in Cnki (11)
[2] Siwakosit W, Snell S A, Hess R A.Robust flight control design with handling qualities constraints using scheduled linear dynamic inversion and loop-shaping[J].IEEE Transcations on Control Systems Technology, 2000, 8(3):483-494.
Click to display the text
[3] McGeoch D J, McGookin E W, Houston S S.MIMO sliding mode attitude command flight control system for a helicopter[C]//Proceedings of AIAA Guidance, Navigation, and Control Conference and Exhibit.Reston:AIAA, 2005:1-15.
Click to display the text
[4] Yang Y L, Shi Z H.Sliding control for a class of MIMO uncertain nonlinear system based on neural networks[C]//Proceedings of International Conference on Electronics, Communications and Control.Piscataway, NJ:IEEE Press, 2011:479-484.
Click to display the text
[5] 张杰,邹继刚,李文秀.多输入多输出系统的神经网络PID解耦控制器[J].哈尔滨工程大学学报, 2000, 21(5):6-9.
Zhang J, Zou J G, Li W X.PID neural network for decoupling control of multi-input and multi-output system[J].Journal of Harbin Engineering University, 2000, 21(5):6-9(in Chinese).
Cited By in Cnki (42)
[6] Hao W J, Liu G L, Wang S Y, et al.Observer-based fuzzy adaptive control for a class of MIMO nonlinear systems[C]//Proceedings of IMACS Conference on Computational Engineering in Systems Applications.Piscataway, NJ:IEEE Press, 2006:239-244.
Click to display the text
[7] Li Y, Tong S C, Li Y M.Observer-based adaptive fuzzy back-stepping control of MIMO stochastic nonlinear strict-feedback systems[J].Nonlinear Dynamics, 2012, 67(2):1579-1593.
Click to display the text
[8] Li Y M, Ren C E, Tong S C.Adaptive fuzzy backstepping output feedback control for a class of MIMO time-delay nonlinear systems based on high-gain observer[J].Nonlinear Dynamics, 2012, 67(2):1175-1191.
Click to display the text
[9] Chen M, Zhou Y L, Guo W W.Robust tracking control for uncertain MIMO nonlinear systems with input saturation using RWNNDO[J].Neurocomputing, 2014, 144:436-447.
Click to display the text
[10] Grinits E V, Bottura P C.Adaptive neural-based backstepping control of uncertain MIMO nonlinear systems[C]//Proceedings of International Joint Conference on Neural Networks.Piscataway, NJ:IEEE Press, 2006:4468-4475.
Click to display the text
[11] Tornambe A, Valigi P.A decentralized controller for the robust stabilization of a class of MIMO linear systems[J].Systems and Control Letters, 1992, 18(5):383-390.
Click to display the text
[12] Tornambe A, Valigi P.A decentralized controller for the robust stabilization of a class of MIMO dynamical systems[J].Journal of Dynamic Systems, Measurement, and Control, 1994, 116(2):293-304.
Click to display the text
[13] 曲鑫.临近空间高超声速飞行器关联协调控制技术研究[D].北京:北京航空航天大学, 2013.
Qu X.Research on coupling coordinated control technology for near space hypersonic vehicle[D].Beijing:Beihang University, 2013(in Chinese).
[14] Kim E.A discrete-time fuzzy disturbance observer and its application to control[J].IEEE Transactions on Fuzzy Systems, 2003, 11(3):399-410.
Click to display the text
[15] Kim E.A fuzzy disturbance observer and its application to control[J].IEEE Transactions on Fuzzy Systems, 2002, 10(1):77-84.
Click to display the text


相关话题/系统 控制 设计 观测 文献

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 接收模式下加罩天线系统特性的快速电磁仿真
    现代天线系统中,天线罩在保护天线免受外界环境干扰的同时,也会影响到天线本身的电性能,如主瓣展宽、波束指向偏移、副瓣升高等[1].因此,对带罩天线系统电磁特性分析的研究,不仅具有较高的理论价值,更具有重要的现实意义.对于电中小尺寸的天线-天线罩系统,全波数值法可以精确高效地得到仿真结果.但是,工作于微 ...
    本站小编 Free考研考试 2021-12-25
  • 基于有限元方法的场磨式电场传感器标定装置优化设计
    发展建设特高压直流输电线路作为国家重要战略政策,得到了快速的发展[1,2].而特高压直流输电线路周边的电磁问题日益得到人们的重视,在线路的建造、调试和运行阶段,都需要对线路的电磁环境进行检测.可听噪声、无线电干扰、合成电场等物理量被用来衡量电磁水平[3,4,5].场磨式电场传感器大量地被用于测量输电 ...
    本站小编 Free考研考试 2021-12-25
  • 协同体制被动毫米波成像系统天线阵布局优化
    近年来,随着安全形势日趋严峻,毫米波成像技术在安检领域的应用得到了世界范围内的重视和研究[1].由于被动成像技术中成像仪不主动辐射电磁波,仅检测目标自身辐射,而毫米波可以穿透衣物,且金属、粉末和液体等不同种类目标在毫米波波段具有不同的辐射特性,因此被动毫米波成像技术是一种针对人体安检应用的有效技术[ ...
    本站小编 Free考研考试 2021-12-25
  • 基于可编程控制网关的一体化网络体系结构
    随着Internet、移动通信和卫星通信技术的高速发展,涌现出了大量不同类型的通信网络,其中典型的网络有互联网、地面无线通信网络以及各种专用网络.其中互联网和地面无线通信网络以IP(InternetProtocol)技术为基础逐步走向融合.而非IP技术的专用网络,如战术数据链网络、基于国际空间数据系 ...
    本站小编 Free考研考试 2021-12-25
  • 基于混合优化算法的空间拦截轨道优化设计
    空间拦截是空间系统的重要任务之一,而拦截轨道设计是实现空间拦截的基础,其中在拦截的初制导阶段,燃料和转移时间的优化是需要重点考虑的问题.目前,空间拦截轨道优化问题的解法主要是结合不同的优化指标要求建立轨道优化数学模型,将其转化为最优控制问题,再通过直接法或间接法求取最优解[1].其中直接法是指通过参 ...
    本站小编 Free考研考试 2021-12-25
  • 漂浮基转台线性化状态反馈指向与跟踪控制
    两轴转台是卫星平台上光学端机等高精度载荷指向控制的关键支撑部件,如空间光通信端机、中继卫星、天线指向等,其末端指向有很高的精度和稳定性要求.在指向过程中,两自由度(DegreeofFreedom,DOF)转台与卫星平台进行角动量交换,使卫星姿态运动发生改变[1,2,3,4].由于指向机构以卫星平台为 ...
    本站小编 Free考研考试 2021-12-25
  • 参数化产品族递进式优化设计方法
    产品族设计是实现大批量定制的有效方式[1],模块化产品族与参数化产品族是当前产品族设计领域的两大分支.模块化产品族的设计策略主要是通过模块单元的组合与变换来实现客户需求的响应,参数化产品族不改变产品的拓扑结构,通过改变影响产品性能的设计变量的取值来设计出性能差异的产品.在参数化产品族的设计与优化方法 ...
    本站小编 Free考研考试 2021-12-25
  • 基于准则的大展弦比飞翼气动设计
    现代高空无人机(UAV)设计对气动和隐身性能的要求越来越高,为了在一定的隐身条件下取得更高的气动性能,典型的先进高空无人机(如RQ170、RQ180等)均采用大展弦比飞翼布局.大展弦比飞翼无人机翼身高度融合,需要严格满足装载和隐身要求,具有特殊的气动性能,其气动设计主要受3个方面的影响:①机身布置以 ...
    本站小编 Free考研考试 2021-12-25
  • 转子系统碰摩约束模型与振动响应分析
    碰摩作为航空发动机多发故障一直为技术人员所关注,国内外****提出了多种力学模型,试图对碰摩过程进行合理解释与分析.现有研究使用较广泛的主要有刚性与弹性两类模型.刚性模型不计碰摩过程静子变形[1,2,3],适用于描述点碰摩与局部碰摩.Childs[4]针对单盘转子局部碰摩,将碰摩力表示成弹性力与比例 ...
    本站小编 Free考研考试 2021-12-25
  • 捷联惯导系统最简多位置解析对准
    初始对准是捷联惯导系统(SINS)的关键技术之一,对准精度和时间直接影响到导航系统的快速反应能力和它后续的导航解算精度[1,2,3].静基座捷联惯导系统可观测性较差,初始对准的快速性和精度都将会受到影响[4,5].在静基座对准的基础上,采用多位置对准技术可以估计出加速度计偏置和东向陀螺漂移,提高初始 ...
    本站小编 Free考研考试 2021-12-25