[发明专利]考虑状态约束和控制增益的倒立摆系统控制方法及系统

说明书

本公开提供了一种考虑状态约束和控制增益的倒立摆系统控制方法及系统，所述方案包括：构建倒立摆系统的非线性模型，并将倒立摆系统的相关状态约束引入所述非线性模型；根据倒立摆系统控制目标以及倒立摆系统的结构，确定所述倒立摆系统的系统误差函数以及BLF函数；采用具有自适应律的径向基神经网络对所述倒立摆系统中的完全未知非线性函数进行逼近；并基于特定增益抑制不等式对所述系统误差函数进而优化求解，构建最优倒立摆系统控制器；基于所述最优倒立摆系统控制器，实现对所述倒立摆系统指定性能的自适应跟踪控制。

技术领域

本公开属于随机系统控制技术领域，尤其涉及一种考虑状态约束和控制增益的倒立摆系统控制方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

众所周知，随机干扰在实际应用中经常发生，其性质是导致控制系统不稳定的原因之一。因此，近年来，越来越多的研究都集中在随机系统的稳定性控制上。发明人发现，现有的大部分理论都忽略了状态约束的影响，从而导致系统性能不佳，其中，关于非线性系统的研究，其只考虑确定性的非线性系统，而并非随机系统；关于随机个案的研究，其仍有许多困难需要进一步解决；同时，需要说明的是，未知的控制增益也会导致随机系统的不确定性和控制器设计的复杂性，然而，尚未有针对具有未知控制增益和全状态约束的MIMO(Multi-Input Multi-Output)随机非线性系统(特别是倒立摆系统)的研究。

发明内容

本公开为了解决上述问题，提供了一种考虑状态约束和控制增益的倒立摆系统控制方法及系统，所述方案采用具有自适应律的径向基神经网络处理倒立摆系统中含有的完全未知非线性函数，并通过将BLF与自适应反步技术相结合，实现对所述倒立摆系统指定性能的自适应跟踪控制。

根据本公开实施例的第一个方面，提供了一种考虑状态约束和控制增益的倒立摆系统控制方法，包括：

构建倒立摆系统的非线性模型，并将倒立摆系统的相关状态约束引入所述非线性模型；

根据倒立摆系统控制目标以及倒立摆系统的结构，确定所述倒立摆系统的系统误差函数以及BLF函数；

采用具有自适应律的径向基神经网络对所述倒立摆系统中的完全未知非线性函数进行逼近；并基于特定增益抑制不等式对所述系统误差函数进而优化求解，构建最优倒立摆系统控制器；

基于所述最优倒立摆系统控制器，实现对所述倒立摆系统指定性能的自适应跟踪控制。

进一步的，所述具有自适应律的径向基神经网络，具体表示如下：

其中，W为理想加权向量，S为高斯函数，所述自适应律与RBF神经网络的加权向量的关系为

进一步的，根据所述径向基神经网络的基向量来确定最优的自适应律，通过不断迭代调节所述自适应律的参数使倒立摆系统误差函数逼近到零。

进一步的，所述自适应反步算法具体为：基于确定好的所述倒立摆系统的系统误差函数以及BLF函数，以最小化系统误差函数为目的，运用反步法逐步对所述控制器和自适应律进行调整，使倒立摆系统趋于最优状态。

进一步的，所述倒立摆系统的非线性模型，具体表示如下：

其中，x＝[x₁,x₂,...,x_n]^T是系统状态，y∈R是系统输出，b是未知控制增益常数，u是控制器的输入，i＝1,2,...,n和是局部利普希茨参数未知光滑非线性函数，t是时间，w是独立标准布朗运动，

根据本公开实施例的第二个方面，提供了一种考虑全状态约束和未知控制增益的倒立摆系统控制系统，包括：