[发明专利]一种离散时间非线性系统的事件触发优化控制方法

权利要求书

1.一种离散时间非线性系统的事件触发优化控制方法，其特征在于:

构建含有控制约束的离散时间非线性事件触发控制系统；

根据事件触发控制系统设定事件触发条件；

构建求解离散非线性事件触发控制系统的触发控制器，该触发控制器还包括：

--用于学习系统动态信息的模型网络；

--用于学习代价函数及其偏导数信息的评价网络；

--用于获得近似最优控制律的执行网络；

--用于计算触发误差和触发阈值之间关系的传感器；

--用于保持非采样状态下的控制律的零阶保持器：其中：

所述非线性事件触发控制系统为：

(1-1)一类离散时间非线性仿射系统如下：

x_k+1＝f(x_k)+g(x_k)u_k， (1)

其中是状态向量，是控制输入向量；对于任意在f(0)＝0处是可微的，是非奇异的；系统(1)是可控的，并且f+gu在包含原点的集合上是Lipschitz连续的，约束下的控制量其中：是第i个执行器的饱和边界；是由给定的常数对角矩阵；

(1-2)在事件触发控制中，设采样时刻为则该时刻的反馈控制律为

此外，定义事件触发误为

其中x_k表示当前时刻的状态，表示采样时刻的状态，则反馈控制律u_k可以重新表示为

u_k＝μ(e_k+x_k) (4)

那么，事件触发控制下系统(1)可以表示为

x_k+1＝f(x_k)+g(x_k)μ(e_k+x_k) (5)

(1-3)离散时间最优控制问题的目标是找出控制律u_k，使得以下无限域代价函数最小：

其中U(x_j,μ(e_j+x_j))为效用函数，为了解决控制约束问题，系统效用函数采用非二次型形式如下

其中表示一个满足的有界的一对一函数，Q和R是具有适当维度的正定矩阵；为了方便计算，将用U_k表示；其中：

基于Bellman最优性原理获得最优代价函数V^*(x_k)为

由于控制律u_k满足最优控制的一阶必要条件，则对于k∈[k_i,k_i+1)，i＝0,1,2…，可以得到最优控制律为

根据事件触发控制系统设定事件触发条件为：

2.根据权利要求1所述的一种离散时间非线性系统的事件触发优化控制方法，其特征在于:所述模型网络的输出为：

其中：x_k表示系统状态输入，是由神经网络获得的近似控制律，ψ(·)为激活函数，ω_m和ν_m分别为模型网络输入层到隐含层和隐含层到输出层的权值矩阵；其中：根据梯度下降法，模型网络的权值更新为：

其中ξ_m为学习率；模型网络训练结束后，保持其最终权值不变，对评价网络和执行网络进行训练。

3.根据权利要求1所述的一种离散时间非线性系统的事件触发优化控制方法，其特征在于:所述评价网络的输出为：

其中：ω_c和ν_c分别为评价网络输入层到隐含层和隐含层到输出层的权值矩阵；

其中:评价网络的权值也采用梯度下降法进行更新，如下：

其中：ξ_c＞0为学习率。

4.根据权利要求1所述的一种离散时间非线性系统的事件触发优化控制方法，其特征在于：执行网络的输出为

其中：ω_a和ν_a分别为执行网络输入层到隐含层和隐含层到输出层的权值矩阵，其中：

执行网络的权值更新律为

其中ξ_a＞0为学习率。