關(guān)鍵詞：多變量線性自抗擾控制；神經(jīng)網(wǎng)絡(luò)控制；無模型自適應(yīng)控制；預(yù)測(cè)控制；多變量非線性系統(tǒng)；直接極小化指標(biāo)函數(shù)自適應(yīng)優(yōu)化算法

中圖分類號(hào)： TP273 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1673-8462（2023）04-0085-10

0 引言

文獻(xiàn)［1］以時(shí)滯過程為對(duì)象，以抗擾為控制目標(biāo)，探索研究使用自抗擾技術(shù)對(duì)階躍擾動(dòng)下時(shí)滯過程的多變量控制問題；文獻(xiàn)［2］采用矢量控制策略同一階線性自抗擾控制法相結(jié)合的方式，針對(duì)多變量雙饋風(fēng)力發(fā)電系統(tǒng)并網(wǎng)的抗擾性進(jìn)行分析研究；文獻(xiàn)［3］為了解決縱列式雙旋翼無人機(jī)姿態(tài)控制系統(tǒng)中欠驅(qū)動(dòng)、多變量、強(qiáng)耦合的控制難題，研究設(shè)計(jì)串級(jí)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(yōu)化參數(shù)的多變量無模型自適應(yīng)的預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)線性自抗擾控制算法。

1 泛模型及其參數(shù)估計(jì)和預(yù)測(cè)模型

1.1 多變量非線性系統(tǒng)模型

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

5 結(jié)論

（1）無模型自適應(yīng)控制、預(yù)測(cè)控制、神經(jīng)網(wǎng)絡(luò)控制、自抗擾控制及在線優(yōu)化結(jié)合在一起的研究，提出改進(jìn)的多變量無模型預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)線性自抗擾控制算法。

（2）提出改進(jìn)的具有輔助向量的多變量全格式動(dòng)態(tài)線性化方法的逼近系統(tǒng)的泛模型，并由其構(gòu)成預(yù)測(cè)模型，轉(zhuǎn)化為具有耦合的子系統(tǒng)，利用直接極小化指標(biāo)函數(shù)自適應(yīng)優(yōu)化算法估計(jì)其參數(shù)。

（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(gòu)成其和狀態(tài)變量的向量函數(shù)，由該向量函數(shù)的逆向量函數(shù)構(gòu)成當(dāng)前控制輸入向量，采用對(duì)角回歸神經(jīng)網(wǎng)絡(luò)逼近該向量函數(shù)。

（4）在多變量線性擴(kuò)張狀態(tài)觀測(cè)器中采用輸出預(yù)測(cè)值，觀測(cè)的狀態(tài)為狀態(tài)變量的預(yù)測(cè)值，因此所提出的多變量線性自抗擾控制算法具有預(yù)測(cè)控制性能。

（5）采用多變量非線性遞推最小二乘法在線優(yōu)化對(duì)角回歸神經(jīng)網(wǎng)絡(luò)的連接權(quán)及多變量線性自抗擾控制算法的參數(shù)，計(jì)算量小。

［責(zé)任編輯 蘇琴］