第 25 卷 第 9 期 2005 年 5 月 文章编号:0258-8013 (2005) 09-0080-04
中
国 电 机 工 程 学 Proceedings of the CSEE
报
Vol.25 No.9 May 2005 2005 Chin.Soc.for Elec.Eng. 学科分类号:51080
中图分类号:TP273
文献标识码:A
基于在线学习的多模型自适应控制
翟军勇,费树岷
(东南大学自动化研究所,江苏省 南京市 210096)
ADAPTIVE CONTROL USING MULTIPLE MODELS BASED ON ONLINE LEARNING
ZHAI Jun-yong,FEI Shu-min (Research Institute of Automation,Southeast University,Nanjing 210096,Jiangsu Province,China)
ABSTRACT: This paper deals with the problem of control of plants with large parameters variations under different operating modes. A novel online cearning algorithm based on multiple models adaptive control was proposed to improve the dynamic response performance. At the same time dynamic model bank was applied to establish models bank without the prior system information. The closed-loop system stability and track error convergence asymptotically are proved. The simulation results have confirmed the efficacy of the proposed methods. KEY WORDS: Multiple model; Dynamic model bank; Switch 摘要: 针对传统自适应控制算法, 实际工业过程在不同工况 下的模型参数突变时系统暂态响应特性较差, 该文提出了基 于在线学习的多模型自适应控制方法. 应用动态模型库技术 来建立模型库, 而无需被控对象的先验知识, 所提出的建模 方法和相应的多模型自适应控制器使系统的动态响应品质 得到了明显的改善. 文中证明了该算法能够保证闭环系统的 稳定性和跟踪误差的渐近收敛性. 计算机仿真结果表明该算 法的有效性. 关键词:多模型;动态模型库;切换
耶鲁大学K.S.Narenda教授领导的科研小组提出了 基 于 指 标 切 换 函 数 的 MMAC ( Multiple Model 由于其有严格的理论证 Adaptive Control) 方法[2-4], [5-10] ,这使得自适应控制再度 明及成功的实际应用 成为研究热点.文献[2-3]采用多个固定模型和两个 自适应模型相结合的方法构造多模型集.文献[4] 将以上结果推广到离散时间系统.然而,在实际过 程控制中,获取固定的参数模型并非易事.为此, 本文提出了一种基于在线学习的多模型自适应控 制算法.它能够在线动态地建立模型库.
2 问题的描述
考虑如下线性离散时变被控对象
A(t , z 1 ) y (t ) = z d B (t , z 1 )u (t )
(1)
式中
1
u (t ) 和 y (t ) 分别为被控对象的输入和输出;
A(t , z ), B (t , z 1 ) 为时间 t 和后移算子 z 1 的多项式,
满足
A(t , z 1 ) = 1 + a1 (t ) z 1 + L + an (t ) z n ;B (t , z 1 ) = b0 (t ) + b1 (t ) z 1 + L + bm (t ) z m .其中 ai (t ),1 ≤ i ≤ n ,
1 引言
对于一类参数时不变或缓慢变化的未知系统, 通常采用常规自适应控制方法.而当边界条件改变, 子系统故障或外部环境发生变化等原因导致系统参 数发生跳变时,系统的暂态响应会明显变差.实际 系统中存在非线性,时变性和不确定性,使得常规 自适应控制难以付诸实施.为了解决上述问题,早 当时 在 20 世纪 70 年代就有人提出了多模型控制[1]. 的控制器主要是以加权和的形式构成的,而且很少 有稳定性的结果.进入 20 世纪 90 年代以后,美国

下一页