一种基于神经网络观测器非线性全局滑模无模型控制方法转让专利
申请号 : CN202110178100.3
文献号 : CN112965382B
文献日 : 2021-12-17
发明人 : 张广明 , 吕筱东 , 高鹏 , 柏志青 , 扈凯 , 杨路
申请人 : 南京工业大学
摘要 :
权利要求 :
1.一种基于神经网络观测器非线性全局滑模无模型控制方法,其特征在于:包括,根据能量守恒定律,建立高超声速飞行器气动热地面模拟系统数学模型及无模型控制的超局部模型;
包括,
当被控对象模型是单输入单输出系统时,则将所述被控对象模型转变成所述无模型控制的超局部模型,如下,
(n)
y =G+χu(t)
(n)
其中,y 表示为输出量y对时间t的n阶导数,n取1或者2,u(t)表示为输入量,G表示为所有未知扰动的集合,既包含了外界扰动和系统内部非线性扰动,χ表示为非物理意义的可调参数;
包括,
根据所述无模型控制的超局部模型,将输入输出能量守恒等式两边除以Δt并进行移项,得到所述高超声速飞行器气动热地面模拟系统的数学模型,如下,(n)
其中,为T1对时间Δt的导数, α分别对应所述无模型控制的超局部模型中的y 、u;而sin2α给系统带来的是周期性的震动,并没有对系统整体的收敛产生影响,含有sin2α4
的项可以看作输入扰动,AεσFT1 可以看作系统的高阶输出扰动,因此可以看作既包含输入扰动又包含输出扰动的全部扰动之和,对应于超局部模型的G,G可以通过观测器来观测;
利用三次b样条基函数构建径向三次b样条基自适应神经网络,对所述高超声速飞行器气动热地面模拟系统未知扰动进行预测;
定义神经网络中隐含层的所述三次b样条基函数,包括,其中,||x‑oi||为径向距离,oi为三次b样条基函数中心向量,x为输入向量,hi为b样条基函数的宽度, i、j、m、n都为正整数,e为跟踪误差,为跟踪误差的一阶导数;
还包括,
所述径向三次b样条基自适应神经网络如下,* *T *
其中,W=argmin(G(t))是G(t)为神经网络理想权值,W 为W的转置, 为阈值;
其中, 为扰动的观测值, 为观测器误差, 为当前观测状态下的权值, 为的转置;
包括,
定义输出的跟踪误差表达式如下,*
e(t)=y‑y
*
其中,e为跟踪误差,y为输出目标;
根据所述无模型控制的超局部模型,通过闭环控制得到无模型控制器,如下,*
其中, 是G的估计值, 是y的一阶微分,δ(e)为iPI闭环反馈控制率,δ(e)=Kpe(t)+Ki∫e(t)dt,χ表示为非物理意义的可调参数;
为了削弱观测扰动,在所述无模型控制器上添加辅助控制器uaux,如下,其中,uaux是依据非线性全局滑模控制,即非线性全局滑模面;
基于非线性全局滑模面削弱趋近状态下的高频切换抖振;
根据滑模可达性条件建立非线性等效控制率、非线性趋近率,得到非线性全局滑模控制率;
所述非线性全局滑模面包括,其中,
k为反馈增益,e(0)为初始误差,所述滑模面s的一阶微分为:其中 为e(t)的一阶微分;
获取所述滑模面s的一阶微分与所述非线性全局滑模面的数学关系,包括,根据 得到等效控制率,如下,根据滑模可达性 得到趋近率,如下,其中, g0为观测误差上界,χ表示为非物理意义的可调参数,κ为可调增益,还包括,
联立融合所述辅助控制器、等效控制器和所述趋近率,得到所述高超声速飞行器气动热地面模拟系统的神经网络观测器非线性全局滑模无模型控制器u(t),其中,uaux=ueq+ucor,uaux表示辅助控制器,ueq表示等效控制器,ucor表示趋近率。
2.根据权利要求1所述的基于神经网络观测器非线性全局滑模无模型控制方法,其特征在于:所述高超声速飞行器气动热地面模拟系统包括,非接触辐射加热器、电功率调节装置和量热传感器;
根据所述能量守恒定律建立输入输出能量守恒等式,得到当前温度T1和双向晶闸管的导通角α之间的数学关系,如下,其中,等式左边UI为输入电压即电源两端电压,R为非接触辐射加热器的电阻之和,α为双向晶闸管的导通角,等式右边分别为用于非接触辐射加热器自身消耗的内能、对流换热过程中损失的热能、热传导过程中损失的热能、热辐射效应输出的热能,c、m、T1、T0、A、ε、Δt分别为非接触辐射加热器的比热容、质量、当前温度、初始温度、表面积、黑度系数、工作时间,β、λ、σ、F分别为对流换热系数、导热系数、斯蒂芬‑玻尔兹曼常数、角系数。
说明书 :
一种基于神经网络观测器非线性全局滑模无模型控制方法
技术领域
背景技术
试验的研究大多是通过数值模拟,且对石英灯加热系统控制算法的精度不是很理想。因为
基于石英灯加热系统模型难以建立,并且建立后的整个数学模型包含非线性项、高阶项,此
外石英灯加热系统除了系统自身存在不确定项,还包括一些外部扰动。
型中,设计一种满足加热器性能要求的无模型控制方法。其中,iPID控制方法是一种无模型
控制方法,结构简单,易于调试,但是用于调参的仅比例项、积分项、微分项,对控制系统的
控制精度、收敛速度,并不能达到要求。另外,滑模控制作为现代控制理论的重要分支,因为
其对不确定性和干扰不敏感,考虑结合滑模的无模型控制方法作用到系统中。传统的滑模
控制包括趋近模态和滑动模态,趋近模态会产生高频切换的抖振现象,滑动模态会因符号
函数不连续性带来振荡和超调,直接影响了整个系统鲁棒性能,对于整个滑模面的设计也
是需要综合考量。
发明内容
分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
数构建径向三次b样条基自适应神经网络,对所述高超声速飞行器气动热地面模拟系统未
知扰动进行预测;基于非线性全局滑模面削弱趋近状态下的高频切换抖振;根据滑模可达
性条件建立非线性等效控制率、非线性趋近率,得到非线性全局滑模控制率。
率调节装置和量热传感器;根据所述能量守恒定律建立输入输出能量守恒等式,得到当前
温度T1和双向晶闸管的导通角α之间的数学关系,如下,
流换热过程中损失的热能、热传导过程中损失的热能、热辐射效应输出的热能,c、m、T1、T0、
A、ε、Δt分别为非接触辐射加热器的比热容、质量、当前温度、初始温度、表面积、黑度系数、
工作时间,β、λ、σ、F分别为对流换热系数、导热系数、斯蒂芬‑玻尔兹曼常数、角系数。
变成所述无模型控制的超局部模型,如下,
的可调参数。
两边除以Δt并进行移项,得到所述高超声速飞行器气动热地面模拟系统的数学模型,如
下,
y 、u;而sin2α给系统带来的是周期性的震动,并没有对系统整体的收敛产生影响,含有
4
sin2α的项可以看作输入扰动,AεσFT1 可以看作系统的高阶输出扰动,因此
可以看作既包含输入扰动又包含输出扰动的
全部扰动之和,对应于超局部模型的G,G可以通过观测器来观测。
整数。
述高超声速飞行器气动热地面模拟系统的神经网络观测器非线性全局滑模无模型控制器u
(t),
性化,其次,径向三次b样条基自适应神经网络具有无限逼近任意函数的性质,设计径向三
次b样条基自适应神经网络观测器,将所有的未知扰动通过径向三次b样条基自适应神经网
络观测器进行实时跟踪观测,设计非线性全局滑模控制方法克服了滑模面在趋近过程中的
抖振现象,保证了系统初始状态就处于滑动模态,系统在响应全过程中减小了抖动和稳态
误差,同时在滑模面上引入跟踪误差的一次项,加快了系统在滑动模态上的线性反馈增益
和收敛速度,改善了动态性能。
附图说明
领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它
的附图。其中:
攻角5°巡航壁面平均温度采样图(c)和数据拟合图(d)、高超声速导弹攻角10°巡航壁面平
均温度采样图(e)和数据拟合图(f);
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的输出温
度曲线图;
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的局部放
大图;
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的输出温
度曲线图;
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的局部放
大图;
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的输出温
度曲线图;
速飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法
(2)、基于神经网络观测器线性全局滑模无模型控制方法(3)、传统PID方法(4)下的局部放
大图;
行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、基
于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的跟踪误差曲线
图;
行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、基
于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的局部放大图;
行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、基
于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的跟踪误差曲线
图;
行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、基
于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的局部放大图;
飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、
基于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的跟踪误差曲
线图;
飞行器气动热地面模拟系统在基于神经网络观测器非线性全局滑模无模型控制方法(1)、
基于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法(3)下的局部放大图;
声速导弹攻角0°巡航对应的外扰下(图8a),高超声速飞行器气动热地面模拟系统在基于神
经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模无
模型控制方法(3)、传统PID方法(4)下的输出温度曲线图;
声速导弹攻角0°巡航对应的外扰下(图8a),高超声速飞行器气动热地面模拟系统在基于神
经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模无
模型控制方法(3)、传统PID方法(4)下的局部放大图;
声速导弹攻角5°巡航对应的外扰下(图8d),高超声速飞行器气动热地面模拟系统在基于神
经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模无
模型控制方法(3)、传统PID方法(4)下的输出温度曲线图;
声速导弹攻角5°巡航对应的外扰下(图8d),高超声速飞行器气动热地面模拟系统在基于神
经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模无
模型控制方法(3)、传统PID方法(4)下的局部放大图;
声速导弹攻角10°巡航对应的外扰下(图8g),高超声速飞行器气动热地面模拟系统在基于
神经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模
无模型控制方法(3)、传统PID方法(4)下的输出温度曲线图;
声速导弹攻角10°巡航对应的外扰下(图8g),高超声速飞行器气动热地面模拟系统在基于
神经网络观测器非线性全局滑模无模型控制方法(2)、基于神经网络观测器线性全局滑模
无模型控制方法(3)、传统PID方法(4)下的局部放大图;
导弹攻角0°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络观测
器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制方
法(2)、传统PID方法(3)下的跟踪误差曲线图;
导弹攻角0°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络观测
器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制方
法(2)、传统PID方法(3)下的局部放大图;
导弹攻角5°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络观测
器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制方
法(2)、传统PID方法(3)下的跟踪误差曲线图;
导弹攻角5°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络观测
器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制方
法(2)、传统PID方法(3)下的局部放大图;
速导弹攻角10°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络
观测器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控
制方法(2)、传统PID方法(3)下的跟踪误差曲线图;
速导弹攻角10°巡航对应的外扰下,高超声速飞行器气动热地面模拟系统在基于神经网络
观测器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控
制方法(2)、传统PID方法(3)下的局部放大图。
具体实施方式
不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下
所获得的所有其他实施例,都应当属于本发明的保护的范围。
情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此
不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解
为指示或暗示相对重要性。
也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人
员而言,可以具体情况理解上述术语在本发明中的具体含义。
控制的超局部模型,结合iPID、径向三次b样条基自适应神经网络、非线性全局滑模面、非线
性等效控制率、非线性趋近率,设计控制器u(t)实现目标跟踪;参照图5,为本发明高超声速
飞行器气动热地面模拟系统基于神经网络观测器非线性全局滑模无模型控制框图,具体包
括:
流换热过程中损失的热能、热传导过程中损失的热能、热辐射效应输出的热能,c、m、T1、T0、
A、ε、Δt分别为非接触辐射加热器的比热容、质量、当前温度、初始温度、表面积、黑度系数、
工作时间,β、λ、σ、F分别为对流换热系数、导热系数、斯蒂芬‑玻尔兹曼常数、角系数;
的可调参数;
4
的项可以看作输入扰动,AεσFT1 可以看作系统的高阶输出扰动,因此
可以看作既包含输入扰动又包含输出扰动的
全部扰动之和,对应于超局部模型的G,G可以通过观测器来观测。
层的三次b样条基函数,包括:
整数;
关系,包括:
进行线性拟合,作为整个高超声速飞行器气动热地面模拟系统的期望输出值,即目标值,为
了和实际控制器输出值进行对比。
压U,不同的输出电压U值对应不同的石英灯加热系统电功率P,通过传感器获得石英灯加热
器输出的实际温度T1,与目标值对比得到跟踪误差e,再通过闭环反馈给控制器进行调节双
向晶闸管的导通角α,最终达到跟踪控制。
优化热防护系统设计。
境为高度32km,速度为6.0马赫数,攻角0°、5°、10°巡航。
30.19t+194.6t+289.1
步的说明,过程如下:首先误差e通过PID控制器的比例、积分、微分环节;并伴随径向三次b
样条基自适应神经网络观测器对所有的未知扰动G进行实时跟踪观测;其次通过非线性全
局滑模面、非线性等效控制率、非线性趋近率,实现对系统观测误差的补偿,最终构成控制
器u(t)。
局滑模无模型控制方法实现对目标跟踪,用三次b样条基函数设计径向三次b样条基自适应
神经网络实现对系统未知扰动的估计,再通过非线性全局滑模无模型控制算法消除观测误
差和削弱趋近状态下的高频切换抖振现象,从而保证高超声速飞行器气动热地面模拟系统
的动态控制性能;其中,基于高超声速飞行器气动热地面模拟系统无模型控制的超局部模
型,实现对系统进行降阶线性化处理;结合iPID、径向三次b样条基自适应神经网络,实现对
系统扰动的实时观测估计;利用非线性全局滑模面、非线性等效控制率、非线性趋近率,实
现对系统观测误差的补偿,从而达到控制精度。
模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制方法(2)、传统PID方法
(3)下分别对高超声速飞行器气动热地面模拟系统的输出温度和跟踪误差进行实时测量对
比。
测器非线性全局滑模无模型控制方法(1)、基于神经网络观测器线性全局滑模无模型控制
方法(2)、传统PID方法(3)下进行测试并获得测试结果数据;三者都将在开启自动化测试设
备并运用MATLB软件编程实现对比方法的仿真测试,根据试验结果得到仿真数据,每种方法
各测试12组数据,每组数据采样15s,计算获得每组数据输入温度和跟踪误差,与仿真模拟
输入的期望目标温度进行对比计算误差。
曲线(4)与目标曲线存在一定的差距。
小,抖振现象小于曲线(2)。
线(3)和曲线(4)与目标曲线存在一定的差距。
抖振现象,曲线(1)的快速性较好,且稳态误差最小,控制精度最高。
方法,结合iPID、径向三次b样条基自适应神经网络,实现对系统扰动的实时观测估计,利用
非线性全局滑模面、非线性等效控制率、非线性趋近率,实现对系统观测误差的补偿,从而
达到控制精度。
方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发
明的权利要求范围当中。