本文關(guān)鍵詞： 遲滯 Hammerstein系統(tǒng) 辨識(shí) 自適應(yīng)控制 觀測(cè)器 滑模 神經(jīng)網(wǎng)絡(luò) 模糊邏輯系統(tǒng) 規(guī)定性能函數(shù)　出處：《北京理工大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：Hammerstein系統(tǒng)是由非線性環(huán)節(jié)串聯(lián)線性環(huán)節(jié)構(gòu)成的模塊化結(jié)構(gòu)系統(tǒng),可以表示多數(shù)實(shí)際非線性系統(tǒng),因此研究此類系統(tǒng)具有重要理論意義和實(shí)際應(yīng)用價(jià)值。典型Hammerstein系統(tǒng)非線性環(huán)節(jié)有遲滯、間隙、死區(qū)等,這些環(huán)節(jié)的存在極大影響了控制系統(tǒng)的性能。遲滯非線性大量存在于電機(jī)伺服系統(tǒng)、形狀記憶合金、壓電陶瓷、磁滯材料等系統(tǒng)和材料中,其模型主要有Preisach模型、Prandtl-Ishlinskii(P-I)模型、Bouc-Wen模型、Backlash模型等。不同遲滯模型的參數(shù)、結(jié)構(gòu)和適用范圍不盡相同,因此研究遲滯Hammersein系統(tǒng)的辨識(shí)和控制問(wèn)題是十分必要的。論文對(duì)不同遲滯模型描述的Hammerstein系統(tǒng)的辨識(shí)和控制問(wèn)題進(jìn)行了研究,提出了新的辨識(shí)算法和規(guī)定性能函數(shù),設(shè)計(jì)了高增益擴(kuò)張觀測(cè)器等估計(jì)系統(tǒng)未知狀態(tài),提出了自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器等控制遲滯非線性系統(tǒng)。具體內(nèi)容如下:(1)針對(duì)系統(tǒng)階次未知的含有遲滯Preisach模型的Hammerstein系統(tǒng),提出了盲辨識(shí)和下三角矩陣辨識(shí)法辨識(shí)模型參數(shù)并設(shè)計(jì)了混合控制策略精確控制該遲滯非線性系統(tǒng)。采用了Hankel矩陣估計(jì)線性環(huán)節(jié)未知階次并通過(guò)過(guò)采樣輸出數(shù)據(jù)進(jìn)行辨識(shí),放松了已有盲辨識(shí)需要系統(tǒng)階次已知的條件;改進(jìn)了Preisach平面劃分,建立了離散遲滯Preisach辨識(shí)模型,將積分形式轉(zhuǎn)化為矩陣形式,通過(guò)矩陣計(jì)算降低了辨識(shí)復(fù)雜度,并且消除了Preisach模型“擦除”特性對(duì)辨識(shí)精度的影響;在辨識(shí)基礎(chǔ)上,提出了由離散逆模型控制器和離散自適應(yīng)滑�？刂破鹘M成的混合控制策略,離散逆模型控制器可以加快系統(tǒng)瞬態(tài)過(guò)程而離散自適應(yīng)滑�？刂破骺梢员ＷC控制系統(tǒng)穩(wěn)定且提高系統(tǒng)魯棒性。(2)針對(duì)系統(tǒng)狀態(tài)未知的含有遲滯P-I模型的Hammerstein系統(tǒng),提出了基于高增益擴(kuò)張觀測(cè)器的自適應(yīng)神經(jīng)網(wǎng)絡(luò)跟蹤控制方法。首先設(shè)計(jì)了高增益擴(kuò)張觀測(cè)器估計(jì)系統(tǒng)未知狀態(tài),保證了觀測(cè)誤差的有界性;在觀測(cè)結(jié)果基礎(chǔ)上提出了自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制策略,通過(guò)濾波算法將跟蹤誤差轉(zhuǎn)化為濾波誤差,避免了運(yùn)算中的“維數(shù)災(zāi)難”問(wèn)題,降低了運(yùn)算負(fù)擔(dān);利用了高階神經(jīng)網(wǎng)絡(luò)估計(jì)系統(tǒng)未知環(huán)節(jié),設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)權(quán)值更新律;提出了不需要逆遲滯模型補(bǔ)償?shù)淖赃m應(yīng)神經(jīng)網(wǎng)絡(luò)控制器,證明了在給定自適應(yīng)律和更新律條件下閉環(huán)系統(tǒng)的穩(wěn)定性,保證了閉環(huán)系統(tǒng)內(nèi)所有信號(hào)最終一致有界并通過(guò)了仿真驗(yàn)證。(3)針對(duì)系統(tǒng)狀態(tài)未知的含有遲滯Bouc-Wen模型的Hammerstein系統(tǒng),提出了基于高階滑模觀測(cè)器的自適應(yīng)模糊邏輯跟蹤控制方法。設(shè)計(jì)了高階滑模狀態(tài)觀測(cè)器觀測(cè)系統(tǒng)的未知狀態(tài);考慮到未知Bouc-Wen遲滯模型參數(shù)較多,難以直接應(yīng)用,提出了模糊邏輯系統(tǒng)估計(jì)Bouc-Wen模型及系統(tǒng)未知環(huán)節(jié),通過(guò)設(shè)計(jì)模糊邏輯更新律放松了要求部分系統(tǒng)參數(shù)已知的假設(shè);在此基礎(chǔ)上提出了基于觀測(cè)器的自適應(yīng)模糊邏輯控制策略,證明了閉環(huán)系統(tǒng)的穩(wěn)定性且保證了跟蹤誤差收斂于原點(diǎn)附近小的緊集內(nèi),仿真算例說(shuō)明了所提出的控制方法正確有效。(4)針對(duì)含有遲滯Backlash模型的Hammerstein系統(tǒng),提出了基于規(guī)定性能函數(shù)的自適應(yīng)跟蹤控制方法。為了解決跟蹤誤差范圍難以有效約束的問(wèn)題,提出了一種新的規(guī)定性能函數(shù),將跟蹤誤差轉(zhuǎn)化為規(guī)定性能誤差。轉(zhuǎn)換過(guò)程分為兩步,首先通過(guò)復(fù)頻域下轉(zhuǎn)換將跟蹤誤差的矢量形式轉(zhuǎn)化為標(biāo)量形式,降低了計(jì)算復(fù)雜度;然后通過(guò)新提出的規(guī)定性能函數(shù)將標(biāo)量誤差轉(zhuǎn)化為規(guī)定性能誤差,保證了跟蹤誤差收斂于給定范圍內(nèi);在誤差轉(zhuǎn)換的基礎(chǔ)上提出了基于規(guī)定性能函數(shù)的模型參考自適應(yīng)控制器,通過(guò)Lambert W函數(shù)證明了閉環(huán)系統(tǒng)的穩(wěn)定性并通過(guò)仿真算例驗(yàn)證了所提出方法的正確性和有效性。(5)以轉(zhuǎn)臺(tái)伺服系統(tǒng)為對(duì)象,主要考慮遲滯的影響,通過(guò)實(shí)驗(yàn)驗(yàn)證了不同遲滯模型下Hammerstein系統(tǒng)的跟蹤控制問(wèn)題。針對(duì)用遲滯Preisach模型描述的Hammerstein系統(tǒng),驗(yàn)證了未知階次下盲辨識(shí)法和下三角矩陣辨識(shí)法的有效性;對(duì)比了離散逆模型控制、離散自適應(yīng)滑�？刂�、混合控制三種不同控制策略,實(shí)驗(yàn)結(jié)果表明論文提出的混合策略控制效果更優(yōu)。針對(duì)用遲滯P-I模型描述的非線性系統(tǒng),建立了轉(zhuǎn)臺(tái)伺服系統(tǒng)的遲滯輸入Hammerstein模型,設(shè)計(jì)了針對(duì)該系統(tǒng)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器并與非線性PID控制進(jìn)行了對(duì)比,實(shí)驗(yàn)驗(yàn)證了論文提出的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器有更好的響應(yīng)速度和穩(wěn)態(tài)控制精度。
[Abstract]:......
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：O231

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏志敏;趙志誠(chéng);;一種基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[J];太原科技大學(xué)學(xué)報(bào);2010年05期

2 朱全民;非線性系統(tǒng)辨識(shí)[J];控制理論與應(yīng)用;1994年06期

3 王秀峰;非線性系統(tǒng)辨識(shí)及其應(yīng)用[J];天津科技;1996年03期

4 王軍;彭宏;肖建;;尺度核支持向量回歸的非線性系統(tǒng)辨識(shí)[J];系統(tǒng)仿真學(xué)報(bào);2006年09期

5 尹輝，，黃正良;一類結(jié)構(gòu)已知的非線性系統(tǒng)辨識(shí)[J];西南工學(xué)院學(xué)報(bào);1995年01期

6 李ng,韓崇昭,吳艷萍;一類非線性系統(tǒng)辨識(shí)的參數(shù)空間優(yōu)化遺傳算法[J];控制與決策;2001年06期

7 張明光;閻威武;李戰(zhàn)明;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)研究[J];計(jì)算機(jī)應(yīng)用研究;2006年05期

8 戴運(yùn)桃;趙希人;劉利強(qiáng);;基于進(jìn)化粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)[J];計(jì)算機(jī)仿真;2010年10期

9 李秀英;韓志剛;;一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識(shí)方法[J];控制與決策;2011年11期

10 夏圈世,俞金壽,蔣慰孫;非線性系統(tǒng)辨識(shí)的遞推-迭代方法[J];華東化工學(xué)院學(xué)報(bào);1987年04期

相關(guān)會(huì)議論文 前5條

1 陳大慶;楊軍;周鳳歧;;基于神經(jīng)元網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1991年控制理論及其應(yīng)用年會(huì)論文集（上）[C];1991年

2 呂強(qiáng);郝繼紅;段運(yùn)波;許耀銘;;利用動(dòng)態(tài)RBF網(wǎng)絡(luò)的非線性系統(tǒng)辨識(shí)[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

3 榮海娜;張葛祥;張翠芳;;基于支持向量機(jī)的非線性系統(tǒng)辨識(shí)方法[A];中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)儀器儀表學(xué)會(huì)2004年西南三省一市自動(dòng)化與儀器儀表學(xué)術(shù)年會(huì)論文集[C];2004年

4 郝萬(wàn)君;喬焰輝;強(qiáng)文義;;基于自適應(yīng)競(jìng)爭(zhēng)聚類和OLS算法的非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

5 張濤;謝林柏;丁鋒;;輸出信號(hào)量化的雙率采樣Hammerstein非線性系統(tǒng)辨識(shí)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 高學(xué)輝;遲滯Hammerstein非線性系統(tǒng)辨識(shí)與控制[D];北京理工大學(xué);2016年

2 朱耀春;基于基因表達(dá)式編程技術(shù)的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué)（北京）;2008年

3 施建中;基于模糊聚類的非線性系統(tǒng)辨識(shí)研究[D];華北電力大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 薛瑞靜;非線性系統(tǒng)辨識(shí)在人體動(dòng)態(tài)平衡建模中的應(yīng)用[D];河北大學(xué);2015年

2 杜寶慶;延遲系統(tǒng)控制及非線性系統(tǒng)辨識(shí)與仿真[D];曲阜師范大學(xué);2007年

3 田宏潔;基于粒子群方法的非線性系統(tǒng)辨識(shí)問(wèn)題研究[D];西安電子科技大學(xué);2011年

4 孫建良;Hammerstein模型非線性系統(tǒng)辨識(shí)算法研究[D];浙江大學(xué);2013年

5 鄧楊;基于參數(shù)化時(shí)頻分析的非線性系統(tǒng)辨識(shí)[D];上海交通大學(xué);2014年

6 范偉;一類維納非線性系統(tǒng)辨識(shí)（Ⅰ）[D];江南大學(xué);2008年

7 楊韜;基于改進(jìn)人工蜂群算法的神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識(shí)研究[D];西南交通大學(xué);2013年

8 張園園;基于聚類分析和LSSVM的非線性系統(tǒng)辨識(shí)[D];河南師范大學(xué);2014年

9 佘遠(yuǎn)俊;神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)辨識(shí)中的應(yīng)用[D];西南交通大學(xué);2005年

10 袁潔;基于螢火蟲(chóng)算法的Hammerstein模型非線性系統(tǒng)辨識(shí)[D];蘭州大學(xué);2014年

本文編號(hào)：1506125