[发明专利]一种非线性系统的多模型自适应控制器及控制方法

权利要求书

1.一种非线性系统的多模型自适应控制器，其特征在于，该控制器由两个间接自适应控制器和一个切换机构组成，其中，一个控制器为非线性鲁棒间接自适应控制器，另一个是非线性神经网络间接自适应控制器，被控对象的输入由切换机构在两个控制器之间选择产生，被控对象的输出与两个控制器之间有一闭环负反馈，被控对象与两个间接自适应控制器的模型输出之间设置为相减关系，模型误差用于调整模型的参数与神经网络的权值。

2.根据权利要求1所述的非线性系统的多模型自适应控制器，其特征在于，所述非线性鲁棒间接自适应控制器包括一个非线性鲁棒自适应模型和一个非线性控制器，非线性鲁棒自适应模型通过在线性模型的基础上增加一个对系统非线性项的补偿项，保证当系统非线性项的限制条件被放宽到零阶接近有界时，该模型的辨识误差也能渐近小于一个正常数。

3.根据权利要求1所述的非线性系统的多模型自适应控制器，其特征在于，所述非线性神经网络间接自适应控制器包括一个非线性神经网络自适应模型和一个非线性神经网络控制器，非线性神经网络自适应模型通过在线调整神经网络权值，获得对被控对象的估计输出。

4.根据权利要求2所述的非线性系统的多模型自适应控制器，其特征在于，所述的神经网络自适应模型含有一个输入层，一个隐层和一个输出层。

5.根据权利要求4所述的非线性系统的多模型自适应控制器，其特征在于，所述的神经网络自适应模型的隐层中含有6-10个神经元，输出层有一个神经元。

6.一种用于权利要求1至5中任一所述的多模型自适应控制器的控制方法，其特征在于，该控制方法的步骤如下：

S1：系统初始化：随机初始化非线性鲁棒自适应模型的参数，随机初始化非线性神经网络模型的参数和神经网络的权值，这些参数可由一定的先验知识确定；

S2：k＝0时刻，对象的输出为0；k≠0时刻，对象的输出为系统的实际输出值，与系统设定值作差得到系统的控制误差e_c；实际输出与非线性鲁棒自适应模型的输出作差得到模型误差e₁，与非线性神经网络模型作差得到模型误差e₂；

S3：将控制误差e_c作为非线性鲁棒自适应控制器和非线性神经网络自适应控制器的输入，由两个控制器分别产生控制量u₁和u₂；

S4：根据模型误差e₁和e₂来计算性能指标C₁和C₂的值，选择性能指标值较小的控制器产生的输入u_i，作为被控对象和两个模型的控制输入u，

S5：利用模型误差e₁和e₂分别更新非线性鲁棒自适应模型和非线性神经网络自适应模型的参数和权值；

S6：转到步骤S2。

7.根据权利要求6所述的非线性系统的多模型自适应控制方法，其特征在于，所述步骤S7中，在切换机构中，首先设计一个性能指标，该性能指标包含一个累积误差部分和一个暂态误差部分，在每一个控制时刻，计算各个控制器的性能指标，选择性能指标较小的控制器来产生下一时刻的控制输入。