基于神经网络自抗扰控制的迟滞非线性系统
发布时间：2021-10-21 23:13
本文主要针对一类非仿射非线性系统中未知迟滞干扰等问题展开研究,基于自抗扰控制,设计了两类神经网络和自抗扰控制相结合的控制方案,并应用于金属切削机械系统。讨论分析了系统的稳定性,给出了严格的数学证明与仿真验证。论文的主要创新点总结如下:利用正弦信号和Backlash迟滞算子构造单环迟滞非线性扰动,将径向基函数神经网络（RBFNN）与自抗扰控制（ADRC）相结合,采用反步设计技术,根据微分隐式推导出控制器表达式,提出了一种新的双通道复合控制（RBF-ADRC）设计方案。复合控制利用神经网络的逼近性克服了传统自抗扰控制控制精度低的缺点,继承了其无需详细模型即可估计和补偿系统未知扰动的优点。理论分析和仿真结果验证了RBF-ADRC控制算法的有效性。利用控制信号和Backlash迟滞算子构造多环迟滞非线性扰动,将BP神经网络与线性自抗扰控制（LADRC）相结合,采用反馈线性化技术,解决了传统自抗扰参数过多、难以整定的问题以及线性自抗扰带宽受限的缺点,更有利于以自抗扰控制为框架的复合控制（BP-LADRC）在实际工程中应用发展。理论分析和仿真验证了BP-LADRC控制算法的有效性和适用性。设计了神...
【文章来源】：青岛科技大学山东省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Backlash-like迟滞曲线
基于神经网络自抗扰控制的迟滞非线性系统2图1-2迟滞非线性输入输出曲线Fig.1-2Hystereticnonlinearinput-outputcurve因此，对迟滞现象进行有效控制，使控制器工作在最佳范围内，对于解决压电驱动器件的迟滞问题，提高压电驱动器件的工作稳定性具有重要的理论意义和经济价值[6]。然而，由于迟滞非线性固有的非局部记忆、非对称特性，导致大多数传统控制理论不能应用，相关抑制迟滞现象的控制理论仍不成熟，目前国际学术届仍热衷于建立迟滞模型对迟滞非线性进行控制，然而精确的迟滞模型往往难以建立，尽管如此，学者们还是在迟滞建模和迟滞控制理论方面做出了许多成果。1.2迟滞模型概述对迟滞非线性系统进行控制，常见的方法是构造迟滞模型，再构造其逆模型，然后反向消除迟滞非线性对系统的影响。迟滞建模方法大致分为三种，即物理迟滞模型，唯象迟滞模型和智能建模方法。物理迟滞模型是基于物理学的相关原理，通过对不同材料的物理迟滞机制进行经验分析，采用连续系统力学或应变与应力等物理量的关系建立迟滞模型以描述迟滞现象，主要为Jiles-Atherton模型[7](畴壁模型)，Stoner-Wohlfarth[8]模型。物理迟滞模型往往不够精确且建模难度大，适用性低。唯象迟滞模型建立在现象本身的基础上，并根据系统的输入和输出进行建模，只要模型动力学与实际系统相似，无需研究其特殊材料的物理机制，基本为数学结构，因而具有一定的使用价值。文献中常见的如Preisach模型，Prandtl-Ishlinskii模型[9]等算子迟滞模型，Bouc-Wen模型[10]、Backlash-like模型[11]。迟滞模型优缺点如表1-1所示。
基于神经网络自抗扰控制的迟滞非线性系统41.3.2基于逆模型前馈与常规反馈相结合的控制以PID控制与Preisach迟滞逆相结合的控制方案为例，如图1-4所示，对被控对象进行建模并求其逆，迟滞逆作为前馈控制获得相应输入，PID控制器作为反馈控制对误差进行补偿。文献[13]提出了一种压电陶瓷驱动器跟踪控制方法，该方法将前馈环与PID反馈控制器结合起来。采用经典的Preisach模型对压电陶瓷驱动器的迟滞非线性进行了前馈建模，比较了前馈控制方案、常规PID反馈控制方案和在前馈回路中建立迟滞模型的PID反馈控制方案的优缺点。结果表明，在前馈回路中增加迟滞逆模型，能够提高跟踪控制精度。图1-4前馈控制与PID反馈控制相结合Fig.1-4CombinationoffeedforwardcontrolandPIDfeedbackcontrol1.3.3智能控制方法神经网络的逼近特性能有效抑制迟滞现象。近年来，人们利用神经网络对迟滞进行建模和补偿的研究越来越多。文献[14]提出了变结构控制器，如图1-5所示，这类控制思想以神经网络建立迟滞逆模型，以两个神经网络分别模仿迟滞轨迹的上升沿和下降沿，变结构控制器接收到反馈信号对系统进行控制。然而，这些模型只适用于具有单回路的迟滞模型。在文献[15]中，利用传统的神经网络来逼近迟滞曲线，并给出了相应的优化算法。文献[16]将Preisach模型与对角递归神经网络相结合，提出了一种新的压电驱动神经网络动态迟滞模型。然而，由于迟滞固有的不对称性和记忆性，平滑的主动函数不可避免地会在迟滞的拐点处产生误差。文献[17]基于扩展输入空间法，建立了结构控制器的速率相关迟滞模型。引入梯度概念，利用广义梯度逼近迟滞拐点处的误差，构造动态迟滞的扩展输入空间，在这个空间中，由两个分量组成的坐标可以唯一地指定多值迟滞输出。然而，迟滞输出过程?
【参考文献】：
期刊论文
[1]基于BP神经网络自抗扰控制的放卷张力控制系统[J]. 彩凯,赵世海. 山东纺织科技. 2018(05)
[2]线性/非线性自抗扰切换控制方法研究[J]. 李杰,齐晓慧,夏元清,高志强. 自动化学报. 2016(02)
[3]航天器姿态自抗扰控制[J]. 吴忠,黄丽雅,魏孔明,郭雷. 控制理论与应用. 2013(12)
[4]自抗扰控制思想探究[J]. 高志强. 控制理论与应用. 2013(12)
[5]基于BP神经网络的自适应自抗扰控制及仿真[J]. 齐晓慧,李杰,韩帅涛. 兵工学报. 2013(06)
[6]考虑输入饱和的直接自适应神经网络跟踪控制[J]. 李俊方,李铁山. 应用科学学报. 2013(03)
[7]基于迟滞观测器的压电工作台自适应控制[J]. 魏强,吴顺伟,曹会国,胡承忠,李现明. 纳米技术与精密工程. 2011(02)
[8]BP神经网络自抗扰控制器在套印系统中的应用[J]. 张恩平,薛必翠,郑军海. 控制工程. 2009(S2)
[9]自抗扰控制技术[J]. 韩京清. 前沿科学. 2007(01)
[10]基于Prandtl-Ishlinskii模型的一类回滞非线性系统自适应控制[J]. 冯颖,胡跃明,苏春翌. 自动化学报. 2006(03)
本文编号：3449905
【文章来源】：青岛科技大学山东省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Backlash-like迟滞曲线
基于神经网络自抗扰控制的迟滞非线性系统2图1-2迟滞非线性输入输出曲线Fig.1-2Hystereticnonlinearinput-outputcurve因此，对迟滞现象进行有效控制，使控制器工作在最佳范围内，对于解决压电驱动器件的迟滞问题，提高压电驱动器件的工作稳定性具有重要的理论意义和经济价值[6]。然而，由于迟滞非线性固有的非局部记忆、非对称特性，导致大多数传统控制理论不能应用，相关抑制迟滞现象的控制理论仍不成熟，目前国际学术届仍热衷于建立迟滞模型对迟滞非线性进行控制，然而精确的迟滞模型往往难以建立，尽管如此，学者们还是在迟滞建模和迟滞控制理论方面做出了许多成果。1.2迟滞模型概述对迟滞非线性系统进行控制，常见的方法是构造迟滞模型，再构造其逆模型，然后反向消除迟滞非线性对系统的影响。迟滞建模方法大致分为三种，即物理迟滞模型，唯象迟滞模型和智能建模方法。物理迟滞模型是基于物理学的相关原理，通过对不同材料的物理迟滞机制进行经验分析，采用连续系统力学或应变与应力等物理量的关系建立迟滞模型以描述迟滞现象，主要为Jiles-Atherton模型[7](畴壁模型)，Stoner-Wohlfarth[8]模型。物理迟滞模型往往不够精确且建模难度大，适用性低。唯象迟滞模型建立在现象本身的基础上，并根据系统的输入和输出进行建模，只要模型动力学与实际系统相似，无需研究其特殊材料的物理机制，基本为数学结构，因而具有一定的使用价值。文献中常见的如Preisach模型，Prandtl-Ishlinskii模型[9]等算子迟滞模型，Bouc-Wen模型[10]、Backlash-like模型[11]。迟滞模型优缺点如表1-1所示。
基于神经网络自抗扰控制的迟滞非线性系统41.3.2基于逆模型前馈与常规反馈相结合的控制以PID控制与Preisach迟滞逆相结合的控制方案为例，如图1-4所示，对被控对象进行建模并求其逆，迟滞逆作为前馈控制获得相应输入，PID控制器作为反馈控制对误差进行补偿。文献[13]提出了一种压电陶瓷驱动器跟踪控制方法，该方法将前馈环与PID反馈控制器结合起来。采用经典的Preisach模型对压电陶瓷驱动器的迟滞非线性进行了前馈建模，比较了前馈控制方案、常规PID反馈控制方案和在前馈回路中建立迟滞模型的PID反馈控制方案的优缺点。结果表明，在前馈回路中增加迟滞逆模型，能够提高跟踪控制精度。图1-4前馈控制与PID反馈控制相结合Fig.1-4CombinationoffeedforwardcontrolandPIDfeedbackcontrol1.3.3智能控制方法神经网络的逼近特性能有效抑制迟滞现象。近年来，人们利用神经网络对迟滞进行建模和补偿的研究越来越多。文献[14]提出了变结构控制器，如图1-5所示，这类控制思想以神经网络建立迟滞逆模型，以两个神经网络分别模仿迟滞轨迹的上升沿和下降沿，变结构控制器接收到反馈信号对系统进行控制。然而，这些模型只适用于具有单回路的迟滞模型。在文献[15]中，利用传统的神经网络来逼近迟滞曲线，并给出了相应的优化算法。文献[16]将Preisach模型与对角递归神经网络相结合，提出了一种新的压电驱动神经网络动态迟滞模型。然而，由于迟滞固有的不对称性和记忆性，平滑的主动函数不可避免地会在迟滞的拐点处产生误差。文献[17]基于扩展输入空间法，建立了结构控制器的速率相关迟滞模型。引入梯度概念，利用广义梯度逼近迟滞拐点处的误差，构造动态迟滞的扩展输入空间，在这个空间中，由两个分量组成的坐标可以唯一地指定多值迟滞输出。然而，迟滞输出过程?
【参考文献】：
期刊论文
[1]基于BP神经网络自抗扰控制的放卷张力控制系统[J]. 彩凯,赵世海. 山东纺织科技. 2018(05)
[2]线性/非线性自抗扰切换控制方法研究[J]. 李杰,齐晓慧,夏元清,高志强. 自动化学报. 2016(02)
[3]航天器姿态自抗扰控制[J]. 吴忠,黄丽雅,魏孔明,郭雷. 控制理论与应用. 2013(12)
[4]自抗扰控制思想探究[J]. 高志强. 控制理论与应用. 2013(12)
[5]基于BP神经网络的自适应自抗扰控制及仿真[J]. 齐晓慧,李杰,韩帅涛. 兵工学报. 2013(06)
[6]考虑输入饱和的直接自适应神经网络跟踪控制[J]. 李俊方,李铁山. 应用科学学报. 2013(03)
[7]基于迟滞观测器的压电工作台自适应控制[J]. 魏强,吴顺伟,曹会国,胡承忠,李现明. 纳米技术与精密工程. 2011(02)
[8]BP神经网络自抗扰控制器在套印系统中的应用[J]. 张恩平,薛必翠,郑军海. 控制工程. 2009(S2)
[9]自抗扰控制技术[J]. 韩京清. 前沿科学. 2007(01)
[10]基于Prandtl-Ishlinskii模型的一类回滞非线性系统自适应控制[J]. 冯颖,胡跃明,苏春翌. 自动化学报. 2006(03)
本文编号：3449905
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3449905.html
