基于非參數(shù)模型的自適應(yīng)控制方法研究.pdf

1、當(dāng)前工業(yè)領(lǐng)域快速發(fā)展，生產(chǎn)過程越來越復(fù)雜，基于傳統(tǒng)參數(shù)模型進行控制、預(yù)報和評價已變得越來越困難。充分利用企業(yè)所有的大量過程數(shù)據(jù)，重點發(fā)展數(shù)據(jù)驅(qū)動控制理論與方法具有重要的理論與現(xiàn)實意義。
　　 本文選取數(shù)據(jù)驅(qū)動控制領(lǐng)域中的無模型自適應(yīng)控制(ModelFreeAdaptiveControl，MFAC)方法為研究對象。以補償高階控制器輸出的思想，將傳統(tǒng)MFAC的泛模型由一階擴展為二階，重新推導(dǎo)了二階泛模型MFAC方法。
　　

2、原有MFAC方法中僅提出了全格式線性化的概念，但是并未對該算法給出詳細(xì)的推導(dǎo)，且由于其表達(dá)的復(fù)雜性，導(dǎo)致收斂性證明在該領(lǐng)域內(nèi)一直是個難題。對此，本文給出了基于一階全格式表達(dá)的MFAC算法的詳細(xì)推導(dǎo)(為了和常規(guī)MFAC區(qū)別，將其稱為改進的非參數(shù)模型自適應(yīng)控制(INPMAC))，并通過嚴(yán)格的數(shù)學(xué)證明，驗證該方法的穩(wěn)定性和一致收斂性，在適當(dāng)?shù)臈l件下，系統(tǒng)的輸出和控制器輸出均收斂，并且系統(tǒng)輸出最終跟蹤到期望值。由于該方法在泛模型中增加了前一時刻

3、系統(tǒng)輸出增量，因此在提高系統(tǒng)動態(tài)預(yù)測與控制精度方面都有突出的表現(xiàn)。
　　 MFAC控制器參數(shù)的選取對控制效果影響非常大，但是目前MFAC控制領(lǐng)域?qū)?shù)選取的研究幾乎空白。本文基于傳統(tǒng)性能指標(biāo)結(jié)合梯度下降法，提出了MFAC的參數(shù)整定算法。同時考慮實際工業(yè)環(huán)境中大量存在隨機噪聲，且具有不對稱概率密度函數(shù)的非高斯隨機噪聲尤為常見。因此，引入熵概念衡量不確定程度，使用最小熵性能指標(biāo)結(jié)合梯度下降法，提出了基于最小熵的MFAC控制參數(shù)整定方