[发明专利]基于自学习的多模型控制方法

权利要求书

1.一种基于自学习的多模型控制方法，其特征在于，步骤为：

(1)构建模型库，由非线性模型的一组局部模型组成；

(2)构建一组控制器，根据模型库中的局部模型设计出来一组局部控制器；

(3)执行性能评测:观察输出误差以及系统输出y和模型输出y_i之间的差异；基于这些信号，一个性能反馈或者价值函数将被计算出并送到API模块；一个基于实际输出与预期输出误差的价值函数被定义为r(t)=R[|e(t)|]=R[|y_sp-y(t)|]，其中R为非负的函数并且关于|e(t)|单调递减；

(4)执行近似策略迭代算法:观察性能反馈信号，接收参考输出和系统输出之间的误差信号，这些信号将作为Markov决策过程的状态，同时状态反馈将成为增强学习的回报信号。

2.根据权利要求1所述的基于自学习的多模型控制方法，其特征在于，所述步骤（1）中，构建模型库的流程为：

模型组由n个局部模型组成：

Σc:x·=fi(x,u,t),i=1,2,...,n;]]>

或者是其离散时间形式：

∑_d=x(t)=f_i(x(t-1),...,x(t-n),u(t-1),...,u(t-m-1))；

线性模型为：

x·=Aix+Biu]]>

离散时间的局部线性模型为：

A_i(z^-1)x(t)=z^-1B_i(z^-1)u(t)+d

其中：

A_i(z^-1)=1+a_i1z^-1+…+a_inz^-n，B_i(z^-1)=b_i0+b_i1z^-1+…+b_imz^-m

di=(Σj=1naij)yi0-(Σk=0mbik)ui0]]>

aij=-∂f∂x(t-j)|(ui0,yi0),bik=∂f∂u(t-1-k)|(ui0,yi0).]]>