亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        在線優(yōu)化參數的多變量非線性預測函數控制

        2023-06-29 08:41:16侯小秋
        黑龍江科技大學學報 2023年3期
        關鍵詞:控制算法向量變量

        侯小秋

        (黑龍江科技大學 電氣與控制工程學院, 哈爾濱 150022)

        0 引 言

        多變量非線性控制是一個廣泛的問題,周瑞敏等[1]給出了基于對角遞歸神經網絡優(yōu)化的PID控制算法。耿睿等[2]提出一種非線性未建模動態(tài)與線性模型相組合的集成模型,采用BP神經網絡辨識未建模動態(tài)項,設計了多變量非線性廣義預測控制。黃帥等[3]研究非線性多變量系統的多模型自適應控制,控制方法由神經網絡自適應控制器與線性自適應控制器切換組成。姜雪瑩等[4]給出基于RBF神經網絡的多變量非線性內部迭代預測控制算法。文獻[1-4]為非線性多變量控制的最新研究,但不是關于實用隨機多變量NARMAX模型的控制研究。侯曉秋等[5]分析隨機NARMAX模型中隨機干擾量在模型中描述的形式難以確定的問題,將隨機干擾量從函數中分離出來,等效在模型的輸出端,基于濾波器提出實用隨機NARMAX模型。侯小秋[6]研究其可克服算法病態(tài)的非線性遞推最小二乘法,提出其在線修正參數的預測濾波PID控制算法。侯小秋[7]提出實用隨機多變量NARMAX模型,給出可克服算法病態(tài)的多變量非線性遞推最小二乘法進行參數估計,未研究其控制問題。筆者研究其在線優(yōu)化輸入輸出加權系數的多變量非線性預測函數控制算法。

        1 改進隨機多變量NARMAX模型

        1.1 實用隨機多變量NARMAX模型

        文獻[7]提出的實用隨機多變量NARMAX模型為

        y(t+d)=F[Y(t+d-1),Y(t),

        u(t),U(t-1),θ]+ω(t+d),

        (1)

        式中:y(t)——輸出向量;

        u(t)——輸入向量;

        d——時滯;

        θ——待估參數集合;

        ω(t)——隨機干擾向量;

        F(…)——向量函數。

        YT(t+d-1)=[y(t+d-1),

        y(t+d-2),…,y(t+1)],

        YT(t)=[y(t),

        y(t-1),…,y(t-ny)],

        UT(t-1)=[u(t-1),

        u(t-2),…,u(t-nu)]。

        干擾模型

        (2)

        C(q-1)=I+C1q-1+…+Cncq-nc,

        式中:e(t)——白噪聲向量;

        I——單位矩陣;

        C1(q-1)——矩陣多項式;

        A(q-1)——矩陣多項式;

        q-1——單位后移算子。

        1.2 參數估計

        1.3 時變多變量CARMAX模型的逼近

        將文獻[5]的四個假設條件和時變CARMAX模型逼近方法推廣到多變量情形。

        動態(tài)工作點為

        y0(t+d-2),…,y0(t+1)],

        u0(t)=[u10(t),u20(t),…,un0(t)],

        y0(t+d-1)=y0(t+d-2)=…=y0(t+1)=y0(t)。

        y0(t)和u0(t)可表示為

        y0(t)=(I-α)y0(t-1)+αy(t),

        u0(t)=(I-β)u0(t-1)+βu(t-1),

        式中:α=diag[α1,α2,…,αn],0≤αi≤1,i=1,2,…,n;β=diag[β1,β2,…,βn],0≤βi≤1。

        對式(1)在動態(tài)工作點處一階泰勒展開,采用動態(tài)切平面逼近

        y(t+d)=F[Y0(t+d-1),Y(t),u0(t),

        i)-y0(t+d-i)]+φu(t)[u(t)-

        u0(t)]+ω(t+d),

        整理得:A(q-1)y(t)=q-dφu(t)u(t)+

        D(t)+ω(t),

        (3)

        D(t)=F[Y0(t+d-1),Y(t),u0(t),U(t-1),θ]-

        (4)

        A(q-1)=I+A1q-1+…+A(d-1)q-(d-1),

        且Ai=φyi(t)。

        由式(4)可知,D(t)在t時刻已知,將式(2)代入式(3)得

        C(q-1)e(t),

        (5)

        2 遞推預測模型

        式(5)忽略噪聲項C(q-1)e(t),可得

        (6)

        由式(5)、(6)可得

        (7)

        由式(7)遞推可得:

        (8)

        (9)

        (10)

        (11)

        將式(9)~(11)代入式(8)得

        yf(t+d+j),

        (12)

        式中,yf(t+d+j)——自由響應。

        由式(12)令j=0,1,…,p,整理矩陣形式為

        (13)

        UT(t)=[uT(t),uT(t+1),…,uT(t+p)],

        3 預測函數控制

        3.1 基函數的選取

        控制器算法為

        i=0,1,…,p;l=1,2,…,n,

        (14)

        式中:μl,k(t)——加權系數;

        fl,k(i)——基函數在t+i時刻的值;

        Nl——基函數的維數;

        n——系統維數。

        3.2 參考軌跡

        yr(t+i)=r(t+i)-γi[r(t)-yp(t)],

        式中:yr(t+i)——參考軌跡向量;

        r(t)——設定值向量;

        yp(t)——實際輸出向量;

        γ——衰減因子矩陣。

        yr,n(t+i)],

        rT(t)=[r1(t),r2(t),…,rn(t)],

        γ=diag[γ1,γ2,…,γn]。

        3.3 預測誤差校正

        預測誤差向量為

        i=0,1,…,p,

        校正的預測輸出向量

        j=d,d+1,…,d+p,

        式中,ym(t+j)——校正的預測輸出向量。

        矩陣形式為

        (15)

        3.4 預測函數控制算法

        將式(14)整理成矩陣形式為

        (16)

        式中:μT(t)=[μ1,1,μ1,2,…,μ1,N1,

        μ2,1,μ2,2,…,μ2,N2,…,

        μn,1,μn,2,…,μn,Nn],

        目標函數為

        (17)

        式中:ρ(t)——輸出加權對角矩陣;

        λ(t)——輸入加權對角矩陣;

        ρ(t)=diag(ρ1,ρ2,…,ρn×(p+1)),

        λ(t)=diag(λ1,λ2,…,λw)。

        由式(15)(13)可得

        (18)

        式(18)的矩陣求逆使用文獻[7]的算法計算。

        4 梯度表達式

        輸入輸出加權對角矩陣ρ(t)和λ(t)影響系統穩(wěn)定性和魯棒性,文中對其在線優(yōu)化,控制算法可調參數向量為

        ηT=[ρ1,ρ2,…,ρn×(p+1),λ1,λ2,…,λw],

        式(18)對ρi求偏導

        (19)

        (20)

        將式(18)對λi求偏導得:

        (21)

        (22)

        將式(16)對ηi求偏導

        (23)

        式(13)對ηi求偏導

        (24)

        式(15)對ηi求偏導

        (25)

        5 在線優(yōu)化參數

        文獻[6]改進目標函數為

        式中:μ——遺忘因子;

        τj——加權因子;

        λη(t)——權重對角矩陣;

        εj(i,η)=ym,j(i+d+p)-yr,j(i+d+p)。

        (26)

        文獻[6]給出輸入輸出加權系數的在線優(yōu)化算法,算法無需提供二階導數矩陣,算法簡單,計算量小,應用表明其收斂快,穩(wěn)健性高。

        式(26)兩邊對η求偏導得

        6 仿真研究

        被控對象是關于輸出非線性,輸入線性的,其表達式為

        設定r1(t)=(-1)^round(t/100),r2(t)=0.6(-1)^round(t/100),

        基函數分別為階躍函數f1,1(i)=0.3×1(t),f2,1(i)=0.75×1(t)。 斜坡函數f1,2(i)=0.2(1+i),f2,2(i)=0.15(1+i)。

        加權系數初始值μ1,1(0)=0.9,μ1,2(0)=0.7,μ2,1(0)=0.7,μ2,2(0)=0.6。衰減因子γ1=0.1,γ2=0.1。

        算法優(yōu)化時非線性遞推最小二乘法采用P(-2)=10-6I,τ1=τ2=1,μ=0.98,預測時域長度p+1=2。

        采用Matlab7語言編制m文件程序進行仿真研究,仿真結果如圖1和2所示。

        圖1 響應曲線Fig. 1 Response curve

        圖2 加權系數的優(yōu)化曲線Fig. 2 Optimization curve of weighting coefficient

        7 結 論

        (1)采用動態(tài)切平面逼近實用隨機多變量NARMAX模型,等效為時變多變量CARMAX模型,提出遞推預測模型,將非線性控制問題轉化為已知時變參數的線性控制問題。

        (2)提出在線優(yōu)化輸入輸出加權系數的實用隨機多變量NARMAX模型的預測函數控制,在線優(yōu)化調整系數,優(yōu)于試湊法確定系數的算法。

        (4)因多變量雙線性系統和多變量Hammerstein模型及多變量Wiener模型等非線性性模型為隨機多變量NARMAX模型的特例,故均可采用文中的控制算法,避免了控制輸入向量尋優(yōu)的多變量非線性最優(yōu)化問題。

        猜你喜歡
        控制算法向量變量
        向量的分解
        抓住不變量解題
        聚焦“向量與三角”創(chuàng)新題
        也談分離變量
        基于ARM+FPGA的模塊化同步控制算法研究
        向量垂直在解析幾何中的應用
        向量五種“變身” 玩轉圓錐曲線
        SL(3,3n)和SU(3,3n)的第一Cartan不變量
        一種優(yōu)化的基于ARM Cortex-M3電池組均衡控制算法應用
        電源技術(2015年9期)2015-06-05 09:36:06
        分離變量法:常見的通性通法
        中文无码成人免费视频在线观看 | 亚洲精品成人国产av| 亚洲无av高清一区不卡| 国产香蕉一区二区三区在线视频| 大胸少妇午夜三级| 北条麻妃毛片在线视频| 日韩精品首页在线观看| 久草视频这里只有精品| 欧美大屁股xxxx高跟欧美黑人| 国产精品美女久久久浪潮av| 亚洲AV无码乱码一区二区三区| 亚洲中文字幕一区二区在线| a级毛片免费观看在线播放| 亚洲中文字幕无码久久2020| 老熟女一区二区免费| 日本岛国一区二区三区四区| 高潮抽搐潮喷毛片在线播放| 比比资源先锋影音网| 欧洲AV秘 无码一区二区三| 国产色av一区二区三区| 人妻少妇精品视频专区| 极品尤物高潮潮喷在线视频| 在线免费观看视频播放| 二区三区三区视频在线观看| 一本一道av中文字幕无码| 97中文字幕在线观看| 隔壁人妻欲求不满中文字幕| 欧美国产亚洲日韩在线二区| 亚洲中文字幕无码专区| jiZZ国产在线女人水多| 日本国产精品久久一线| 消息称老熟妇乱视频一区二区| 国产中文aⅴ在线| 午夜宅男成人影院香蕉狠狠爱| 亚洲精品乱码久久久久久不卡| 久久亚洲精品ab无码播放| 极品人妻少妇一区二区| 中国人在线观看免费的视频播放| 双腿张开被9个男人调教| 99久久超碰中文字幕伊人| 免费人成在线观看播放视频|