[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

说明书

本发明针对带有控制约束的离散时间非线性系统，公开了一种离散时间非线性系统的事件触发优化控制方法，在本发明中，引入了一个非二次型性能指标函数以应对控制约束问题，给出了一个事件触发条件并证明了该条件下系统的稳定性，设计了一个模型网络用于识别系统动态以降低算法对系统信息的依赖。算法实现采用GDHP技术，设计了一个评价网络用于近似HJB方程的代价函数及其偏导数信息，一个执行网络用于迭代求解近似最优控制律，这种评价‑执行结构避免了直接求解系统的HJB方程；此外，采用事件触发的方式对系统进行控制决策能够有效减少计算量，节约系统计算资源。

技术领域

本发明涉及离散时间非线性系统的事件触发控制技术领域，更具体地，涉及考虑控制 约束问题下的离散时间非线性系统的自适应事件触发优化控制方法。

背景技术

最优控制是根据被控对象的动态特征选取一个容许的控制律，实现系统性能指标最优 化的一个重要分析标准。实际上，人们在分析问题、综合决策过程中，都需要一个标准去 衡量整个过程是否达到最优。最优控制问题其本质是一变分学问题，主要方法包括：经典 变分理论、极小值原理以及动态规划。其中，动态规划方法综合了经典变分理论和极小值 原理的优点，不仅能够处理控制约束问题，而且也适用于带有闭集约束条件的控制系统。 它的主要思想是根据系统的初值以及最优目标函数，获得系统的动态规划方程，以使系统 达到整体最优。动态规划方法通过将多步最优控制问题简化成多个一步最优控制问题，大 大简化了最优控制决策的求解过程。但是，动态规划也存在一定的缺陷。随着系统复杂度 的增加，动态规划方法所需的计算量以及数据存储量将会迅速增长，导致“维数灾难”问 题。此外，非线性系统的Hamilton-Jacobi-Bellman(HJB)方程通常是偏差分或偏微分方程， 利用动态规划很难求解该复杂系统的最优控制解。本发明采用自适应动态规划(Adaptive dynamic programming，ADP)方法弥补了动态规划方法的缺陷，通过函数近似结构(如神 经网络)逼近系统的性能指标函数，以获得系统的近似最优控制律。

在控制系统领域，多数研究采用周期性采样方法以保证系统稳定，并获得令人满意的 控制效果。然而，从资源利用效率的角度出发，这种采样方式有时是不可取的。比如，系 统在理想状态下运行或者系统达到稳定状态时，周期采样会增加系统计算负担，造成不必 要的资源浪费。在网络控制系统中，周期采样不仅会造成计算成本的浪费，还会加重对网 络带宽的影响。事件触发控制是一种能够在保证系统控制性能前提下，节约系统资源、提 高资源利用的非周期控制方法。不同于传统的时间触发控制，事件触发控制方法的信号采 样取决于某个事件的发生情况，而不是按照时间进行周期性的采样。现实应用中，系统动 态往往由于各种原因而不易或者不能获取，这种情况导致了一些需要系统动态信息的方法 不能得以实施。此外，饱和是实际控制系统中普遍存在的现象，在大多数执行器中都是不 可避免的。为了更高效的求解离散时间非线性系统的最优控制，本发明将事件触发控制策 略与迭代ADP算法结合起来，设计了一种考虑执行器饱和的事件触发ADP优化控制策略， 并通过一个模型网络结构降低了对系统动态的依赖。

发明内容

本发明讨论了一类带有控制约束的离散时间非线性系统的事件触发优化控制问题，通 过引入一个非二次型指标函数解决了执行器饱和问题，并设计了一个模型网络用于识别系 统动态信息。该算法的具体实现采用ADP方法中的全局二次启发式动态规划(Globalized Dual Heuristic Programming,GDHP)结构，该结构采用一个评价网络用于近似代价函数及其 偏导数信息，一个执行网络用于近似最优控制律，从而避免了传统动态规划方法的“维数 灾难”问题。

本发明提出的控制方法是用来解决离散非线性系统的事件触发控制问题的，研究系统 能否在保证系统控制性能的情况，通过事件触发控制方法减少计算量，从而降低系统资源 损耗。解决带有执行器饱和约束的离散非线性系统在动态未知情况下的控制问题，是符合 控制技术的应用需求和发展趋势的。