[发明专利]一种与模型无关的自适应控制器及其控制方法

权利要求书

1、一种与模型无关的自适应控制器，其特征在于，该控制器由两个前向神经网络串连而成，前一神经网络为网络控制器MLPc，后一神经网络为网络模拟器MLPo，网络控制器的输出作为网络模拟器及受控对象的输入，受控对象的输出和网络控制器的输入之间设有一闭环负反馈，网络模拟器的输出和受控对象的输出之间设置为相减关系，两者的差值误差用于网络模拟器MLPo的再训练过程。

2、根据权利要求1所述的自适应控制器，其特征在于，网络模拟器MLPo由一个时滞的多层感知器(TDMLP)根据受控对象的输入输出对来建模；网络控制器MLPc由另一个时滞多层感知器(TDMLP)组成，网络模拟器MLPo通过受控对象的运行而获得训练样本并进行学习，网络控制器MLPc则根据设定的目标函数进行学习和调节自身参数，最终获得对受控对象的最优控制。

3、根据权利要求1或2所述的自适应控制器，其特征在于，所述的网络控制器MLPc和网络模拟器MLPo均含有一个输入层、一个隐藏层和一个输出层。

4、根据权利要求3所述的自适应控制器，其特征在于，所述的网络控制器MLPc和网络模拟器MLPo的隐藏层中设有6—10个神经元，输出层均设有一个神经元。

5、一种用于根据权利要求1所述的自适应控制器的控制方法，其特征在于，该控制方法步骤如下：

a.系统初始化：随机初始化网络控制器MLPc和网络模拟器MLPo，网络控制器MLPc和网络模拟器MLPo的网络结构可根据一定的先验知识确定；

b.k＝0时刻，对象的输出为0；k≠0时刻，对象的输出为其实际输出值，根据k时刻受控对象的输出和目标函数的值得到反馈误差，并将其作为输入加到MLPc的输入层，前向计算得到控制量为u_k，并将其作为激励加到受控对象和网络模拟器MLPo上；

c.计算受控对象的输出和网络模拟器MLPo的输出，并据此得出目标函数，即(1)式；

Jo=12NΣj=1p(ej′)2→Ωomin---(1)]]>

d.根据下列(1)、(4)和(5)式更新MLPo的权值；

Jo=12NΣj=1p(ej′)2→Ωomin---(2)]]>

djM=(ojM-yj)f′(ijM),djk=f′(ijk)Σlwjlk,k+1dlk+1,for k=M-1,M-2,···,2---(3)]]>

Δwijk-1,k←-ϵdjkoik-1+αΔwijk-1,k,for k=2,3,···,M---(4)]]>

e.根据以下(3)式计算受控对象的输出和目标函数值的差值，得到MLPc的目标函数，即以下(2)式；当目标函数的值小于等于额定的误差值ε时(ε＝10^-2——10^-6)，则算法结束；

Jc=12NΣj=1p(ej)2→Ωcmin---(5)]]>

ej=rj-yj=rj-(y′j-e′j)=(rj+e′j)-y′j---(6)]]>

f.保持网络模拟器MLPo的权值不变，根据上述(2)、(4)和(5)式更新网络控制器MLPc的权值，在此过程中，网络模拟器MLPo的作用仅仅是反向传递误差；

g.转到步骤b。