引用本文

牛宏, 陶金梅, 张亚军. 一种新的数据驱动的非线性自适应切换控制方法. 自动化学报, 2020, 46(11): 2359−2366 doi: 10.16383/j.aas.c190674

Niu Hong, Tao Jin-Mei, Zhang Ya-Jun. A new nonlinear adaptive switching control method based on data driven. Acta Automatica Sinica, 2020, 46(11): 2359−2366 doi: 10.16383/j.aas.c190674

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190674

关键词

数据驱动，非线性系统，自适应控制，切换系统 

摘要

针对一类非线性离散时间动态系统, 提出了一种新的非线性自适应切换控制方法. 该方法首先把非线性项分解为前一拍可测部分与未知增量和的形式, 并充分利用被控对象的大数据信息和知识, 把非线性项前一拍可测数据与未知增量都用于控制器设计, 分别设计了线性自适应控制器, 带有非线性项前一拍可测数据补偿的非线性自适应控制器以及带有非线性项未知增量估计与补偿的非线性自适应控制器. 三个自适应控制器通过切换函数和切换规则来协调控制被控对象. 既保证了闭环系统的稳定性, 同时又提高了闭环系统的性能. 分析了闭环切换系统的稳定性和收敛性. 最后, 通过水箱液位系统的物理实验, 实验结果验证了所提算法的有效性.

文章导读

切换控制方法是解决一类难以建立精确数学模型的非线性系统的主要控制方法, 采用多模型切换控制方法的思想可追溯到20世纪70年代[1], 其特点是: 根据被控对象的不确定范围, 以多个模型来逼近对象的全局动态特性, 进而基于多个模型建立相应的控制器, 通过模型(控制器)的调度策略从而达到快速响应外界需要的目的. 自90年代以来, 该方法成为非线性系统控制领域的研究热点[2-5]. Chen和Narendra[6]针对一类零动态渐近稳定的非线性动态系统, 提出了一种带有非线性项估计与补偿的切换控制方法, 并取得了较好的控制效果. 沿着这种切换控制方法的设计思路, 文献[7-11]分别针对一类零动态不稳定的非线性系统, 采用不同的控制策略提出了非线性切换控制方法. 在上述文献中, 为了估计系统的未知非线性项, 分别采用BP (Back propagation)神经网络、高阶神经网络、神经模糊推理系统和模糊逻辑系统等智能工具对非线性项进行估计, 这种估计方法在估计非线性项时往往缺乏考虑非线性项中蕴含的可测数据信息, 造成部分可测数据信息也通过估计算法产生, 存在增大估计误差的可能性. 另外, 在设计线性控制器时, 以往的方法直接忽略非线性项, 并没有充分利用非线性的历史可测数据进行控制器设计, 造成有用数据丢失. 由于数据驱动控制方法是解决机理不明确或含不确定性机理模型的非线性系统建模与控制问题的有效方法[12], 其主要思想是直接利用被控对象的离线、在线数据来描述对象的运行规律和相关模式, 并结合反映系统参数、结构等数据, 实现非线性系统的预报、评价、调度、监控、诊断、决策、优化和控制等的各种期望功能[13-14]. 如文献[15]利用数据驱动方法, 提出了一种新的多状态空间模型状态估计方法. 文献[16]首次提出了一种基于数据驱动的非线性系统交替辨识算法. 另外, 近年来已有不少基于数据驱动的黑箱建模与控制方法(如迭代学习[17]、无模型自适应控制方法[18]和自适应动态规划方法[19-20]等)被提出. 文献[21]把基于模型的控制方法、数据驱动控制方法以及切换控制方法相结合, 优势互补, 提出了基于数据与虚拟未建模动态驱动的非线性切换控制方法, 但该方法在处理系统的虚拟未建模动态时仍然采用了智能估计算法, 该估计方法与文献[7-11]所采用的估计算法本质相同, 有待于进一步改进. 文献[22-24]提出了一种带死区的切换控制方法, 并采用了具有任意切换次数的控制策略. 文献[25-26]采用Backstepping 方法分别研究了一类具有下三角结构的非线性切换控制方法. 文献[27]提出了一种基于神经网络的非线性自适应输出反馈切换控制方法. 上述文献对特定的非线性系统都取得了较好的控制效果, 但仍然存在没有充分利用被控对象过程数据的缺陷. 文献[28-29]对于一类具有全状态约束的非线性系统, 提出一种具有随机切换的自适应智能控制方法, 为研究非线性系统提供了新思路.

综上, 本文在数据驱动控制方法、非线性切换控制方法的基础上, 提出了一种新的基于数据驱动的非线性自适应切换控制方法. 首先, 考虑到被控对象的非线性项历史数据可测, 本文把非线性项分解为前一时刻可测部分与未知增量的和, 并利用非线性项前一时刻的可测数据信息进行控制器设计, 克服了以往方法中没有充分利用非线性项可测数据信息, 造成有用数据信息丢失的不足. 在上述工作的基础上, 结合文献[9]和文献[21]中的未建模动态估计方法, 提出了一种未建模动态未知增量的估计算法, 在简化估计算法的同时, 提高估计精度. 其次, 分别设计了带有非线性项增量估计与补偿的非线性自适应控制器、带有非线性项前一拍数据补偿的非线性控制器和不带非线性补偿的线性自适应控制器, 三个自适应控制器采用改进文献[6]中的切换策略来协调控制被控对象. 这种控制方法结合了多模型切换控制的优势, 同时也充分利用了被控对象的大数据信息和知识, 通过补偿器的设计, 消除了非线性项对闭环系统的不利影响. 通过切换控制策略既保证了闭环系统的稳定性, 同时提高了闭环系统的瞬态性能. 在此基础上, 分析了闭环切换系统的稳定性和收敛性. 最后, 将所提的控制算法通过实验进行验证, 实验结果说明了该新型切换控制算法的有效性. 综上所述, 本文的主要创新点如下:

1) 针对一类难以建立精确数学模型的复杂非线性系统, 充分利用被控对象的过程大数据信息和有用知识, 提出了一种新的基于数据驱动的非线性自适应切换控制方法.

2) 利用数据驱动控制的思想, 将未建模动态的前一时刻可测数据用于控制器设计, 克服了常规切换控制算法没有充分利用数据, 造成有用数据丢失的不足.

3) 给出了所提的新型切换控制算法的设计方法, 并分析了闭环系统的稳定性和收敛性.

图 1  带有v[x(k)]前一拍数据及其未知增量补偿的非线性控制器

图 2  切换控制结构

图 3  水箱液位控制系统图

本文针对一类离散时间非线性动态系统, 提出了一种新的非线性自适应切换控制算法, 该算法在设计控制器时, 充分利用了非线性项的历史数据设计了非线性项前一拍补偿的非线性自适应控制器以及带有非线性项增量估计器和补偿器的非线性自适应控制器, 通过切换机制来协调控制系统. 理论分析表明本文提出的控制方法不仅具有稳定性和收敛性, 而且使得闭环系统具有良好的动静态特性. 通过水箱液位控制系统的物理实验, 实验结果进一步验证了所提方法的有效性和优越性.

作者简介

牛宏

辽宁石油化工大学讲师. 2012年获得东北大学博士学位. 主要研究方向为非线性系统的自适应控制和变结构控制.E-mail: niuhong@lnpu.edu.cn

陶金梅

辽宁石油化工大学硕士研究生. 主要研究方向为非线性自适应控制, 系统辨识, 数据建模. E-mail: tao_jinmei@hotmail.com

张亚军

东北大学副教授. 主要研究方向为非线性模糊自适应控制理论, 广义预测控制, 多模型切换控制, 智能解耦控制, 数据驱动控制, 智能控制系统的大数据建模, 工业过程大数据建模及其应用. 本文通信作者. E-mail: yajunzhang@mail.neu.edu.cn