[发明专利]一种基于HGDOB与RBF神经网络的盾构风电回转支承试验台液压加载控制方法

权利要求书

1.一种基于高增益扰动观测器和RBF神经网络的自适应控制方法，其特征在于，运用于盾构风电回转支承实验台加载控制中，包括以下步骤：

步骤1：建立电液加载系统的数学模型；以试验台加载非对称油缸为建模对象，设：电液伺服阀是对称并且是匹配的，即K_q1＝K_q2＝K_q；简化伺服动态为比例环节，x_v＝k_iu，此时s(x_v)＝s(u)；

实际的液压系统工作在正常工况下，即执行器两腔压力满足0PrP1Ps，0PrP2Ps，即P1和P2皆有界；

令以及g＝K_qk_ii则式可描述如下：

根据力控制系统的动态方程可描述为：

定义以及：

式(8)可表达为：

步骤2：结合RBF神经网络对模型中的未知函数进行逼近；使用径向基神经网络(RBF)对中的非线性摩擦进行逼近，定义为的估计值；F_f可以由RBF逼近表述为：

F_f＝W^*Th(x)+ω (11)

其中，x是网络输入层的向量，||·||表示欧氏范数，c_j是中心向量，b_j是宽度，h_j描述RBF激活函数的输出，ω为估计误差；W^*是隐藏层与输出层之间的最优输出权值，其数学描述为

描述如下：

则可以表述为：

估计误差ω与未建模动态及外干扰合并为式可以描述为：

步骤3：设计高增益扰动观测器估计系统数学模型中包括摩擦、负载力和参数不确定性在内的扰动对于扰动设计高增益扰动观测器对其进行估计，将式(14)变换为：

我们定义扰动的估计为为为扰动估计误差，其数学表达为：

的动力学方程设计为：

其中是扰动观测器的增益

步骤4：设计基于高增益扰动观测器和RBF神经网络自适应的电液加载控制器；包括步骤4.1：

引入辅助状态变量ξ，给定该辅助状态变量为：

辅助状态变量的动力学方程为：

随后结合可以得到扰动估计误差的动力学方程：

可知设包络函数则有的上界随着ε的减小而变小；

带有辅助状态变量的观测器不需要F的导数来获得

因此，如果用和来估计扰动，则可以减少高增益放大测量噪声，从而在实践中可以忽略不计；

还包括步骤4.2：控制器的设计：

令z＝F-Fd，Fd为期望轨迹，则：

根据设计控制器为：

为证明该控制器稳定性，我们引入Lyapunov函数：

令式子可写成：

随后定义：

此处可得W权值得自适应率：

接下来定义：

其中，因为可得：

如果把εk1，那么z在有限时间T10进入有界球Br，并停留在Br内，而有界球Br的大小主要取决于

步骤5：通过调节参数及RBF神经网络的中心矢量值和基宽来使控制效果达到要求。