论文部分内容阅读
切换系统是从系统与控制科学的角度来研究混杂系统的一类重要模型,是目前混杂系统理论研究的一个国际前沿方向。切换系统理论的提出和建立,一方面是适应工业生产实践发展的需要,另一方面也是控制理论自身发展的必然结果。但在许多实际系统中比如智能机器人、风力发电、智能交通管理系统、空间飞行器等控制系统通常为非线性过程。因此,非线性切换系统的控制问题研究是一个值得探讨的问题,具有重要的实际意义和理论价值。本文的主要贡献是将神经网络技术引入到非线性切换控制系统中,利用神经网络逼近能力与多Lyapunov函数理论,设计鲁棒自适应控制器以加强系统鲁棒性与稳定性,同时设计相应的切换规则,解决了反馈线性化需要精确模型的限制,并改善了控制系统的暂态特性。
本文所做的主要研究工作如下:
(1)提出了一种基于单神经元自适应PSD预测控制器的新型火电厂过热汽温多控制器切换控制系统,采用单神经元自适应PSD控制与Levinson预测器相结合的控制方式以改善大滞后、多干扰系统的控制特性,通过DCS控制系统平台的组态设计以实现手自动切换和各控制器之间的合理切换,并在某火电厂(600MW)得到了很好的工程应用。
(2)提出了含未建模动态单输入单输出离散时间系统的多模型鲁棒自适应切换控制方法,采用由N-2个参数已知的固定模型和2个自适应模型构成多模型集,在每一采样时刻根据设计的切换指标函数选择最佳控制器作为系统当前控制器,以增强控制系统的鲁棒性并改善了动态系统的暂态响应。
(3)提出一种带有未知控制增益方向的非线性切换系统的神经网络自适应H∞跟踪控制方法,采用RBF神经网络来逼近未知函数利用多Lyapunov切换函数推导得出神经网络自适应更新律和切换规则,设计了H∞补偿控制器加强系统鲁棒性,并在控制器设计过程中引入混合干扰量(由神经网络逼近误差和外界干扰量组成的)来改进跟踪误差抑制水平。该控制方法取消了函数控制增益上界为已知的条件,并取消了外界干扰量和神经网络逼近误差上界已知的假设。
(4)提出了一类非线性切换系统的神经网络滑模自适应控制方法,采用神经网络(多层神经网络和RBF神经网络)作为逼近工具来建模未知非线性函数,利用多Laypunov函数方法推导得出神经网络权值更新律,设计神经网络自适应滑模控制器及其相应的切换规则(平均驻留时间法和周期切换规则),证明了闭环控制系统是Lyapunov渐进稳定的且达到良好的跟踪特性。
(5)提出了一类(包括外界干扰、参数结构不确定性、未建模动态和含死区特性)不确定非线性切换系统的神经网络鲁棒自适应跟踪控制方法,采用神经网络的全局逼近能力解决反馈线性化需要精确模型的限制,利用多Laypunov函数方法推导得出神经网络权值更新律,设计神经网络鲁棒自适应跟踪控制器及其相应的切换规则,证明了闭环控制系统是Lyapunov渐进稳定的,控制系统的跟踪误差收敛于且零,且可保证参数调整变化时闭环控制系统所有信号均有界。