多變量無模型預測神經網絡線性自抗擾控制

關鍵詞：多變量線性自抗擾控制；神經網絡控制；無模型自適應控制；預測控制；多變量非線性系統；直接極小化指標函數自適應優化算法

中圖分類號： TP273 文獻標識碼： A 文章編號： 1673-8462（2023）04-0085-10

0 引言

文獻［1］以時滯過程為對象，以抗擾為控制目標，探索研究使用自抗擾技術對階躍擾動下時滯過程的多變量控制問題；文獻［2］采用矢量控制策略同一階線性自抗擾控制法相結合的方式，針對多變量雙饋風力發電系統并網的抗擾性進行分析研究；文獻［3］為了解決縱列式雙旋翼無人機姿態控制系統中欠驅動、多變量、強耦合的控制難題，研究設計串級線性自抗擾控制器。上述研究的為多變量線性自抗擾控制問題。筆者研究在線優化參數的多變量無模型自適應的預測神經網絡線性自抗擾控制算法。

1 泛模型及其參數估計和預測模型

1.1 多變量非線性系統模型

將輸入向量及其微分的向量函數，從非線性模型中分離出來，較傳統的多變量線性自抗擾控制對輸入向量的處理更一般，不失一般性研究2 階系統，多變量非線性系統模型為，

5 結論

（1）無模型自適應控制、預測控制、神經網絡控制、自抗擾控制及在線優化結合在一起的研究，提出改進的多變量無模型預測神經網絡線性自抗擾控制算法。

（2）提出改進的具有輔助向量的多變量全格式動態線性化方法的逼近系統的泛模型，并由其構成預測模型，轉化為具有耦合的子系統，利用直接極小化指標函數自適應優化算法估計其參數。

（3）將控制輸入向量及其微分從多變量非線性模型中分離出來，并構成其和狀態變量的向量函數，由該向量函數的逆向量函數構成當前控制輸入向量，采用對角回歸神經網絡逼近該向量函數。

（4）在多變量線性擴張狀態觀測器中采用輸出預測值，觀測的狀態為狀態變量的預測值，因此所提出的多變量線性自抗擾控制算法具有預測控制性能。

（5）采用多變量非線性遞推最小二乘法在線優化對角回歸神經網絡的連接權及多變量線性自抗擾控制算法的參數，計算量小。

［責任編輯 蘇琴］