一类非线性系统基于ＳＶＲ的鲁棒自适应控制

2014年01月26日16:54:53 本网站我要评论(2)字号：T | T | T

关键字：应用

刘毅男，张　超

（第二炮兵工程大学自动控制工程系，陕西西安　７１００２５）

摘　　　要：为解决逆控制方法较依赖系统精确模型及易受逆误差影响等问题，提出了一类非线性系统基于支持向量回归（ＳｕｐｐｏｒｔＶｅｃｔｏｒＲｅｇｒｅｓｓｉｏｎ，ＳＶＲ）的鲁棒自适应控制方法，该方法通过支持向量回归辨识得到被控对象的逆模型，并构建自适应逆误差补偿环节，在线修正由于逆模型误差、外界干扰等不确定因素对控制系统性能的不良影响，使得系统能够快速、准确的跟踪参考模型输出。导出了支持向量回归的权值自适应调整率，并利用Ｌｙａｐｕｎｏｖ稳定性理论证明了系统闭环渐近稳定。通过对典型非线性模型的仿真研究，证明了此控制方案在解决一类非线性问题上的可行性，且鲁棒性较好。

关　键　词：支持向量回归；自适应控制；反馈线性化；非线性；鲁棒性

１　引　言

近年来，基于“反馈线性化” 的非线性动态逆控制方法，通过非线性反馈或动态补偿将非线性系统变化为线性系统，实现系统的“反馈线性化”，将控制问题简化［１］。但传统逆控制方法依赖于模型精确已知，实际中被控对象的精确非线性模型难于获得，因此在解决复杂非线性系统的不确定问题时存在一定困难。

针对这一问题，许多学者在逆控制研究中引入智能控制理论，利用神经网络逼近原系统的逆系统，补偿逆误差，取得了许多有意义的研究成果［２-５］。但神经网络本身存在的局部极小值、过学习、过于依赖经验等不足，在一定程度上限制了其应用［６］。Ｖａｐｎｉｋ［７］提出的支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）克服了神经网络的固有缺陷，已成为解决非线性问题的重要方法［８-９］。文献［１０-１１］为ＳＶＭ在非线性控制系统的应用作了有益的尝试，文献［１２-１５］对基于ＳＶＭ的控制方法及应用进行了研究，但对系统精确模型仍存在一定程度的依赖，同时，关于参数不确定及外界未知扰动对控制器控制性能影响的分析较少。

本文针对一类非线性控制问题，在基于支持向量回归建立系统逆模型的同时，引入ＳＶＲ在线自适应调节消除逆误差，并证明了系统闭环渐近稳定，通过对典型系统的仿真分析表明，设计控制器控制效能较高，且具有一定的鲁棒性。

登录网站后可下载文件

一类非线性系统基于ＳＶＲ的鲁棒自适应控制

相关阅读: