[发明专利]非线性严格反馈切换系统复合干扰学习控制方法

说明书

本发明涉及一种非线性严格反馈切换系统复合干扰学习控制方法，用于解决现有非线性切换系统控制方法实用性差的技术问题。技术方案是考虑非线性严格反馈切换系统存在外界干扰和输入死区，对系统进行模型变换；使用神经网络逼近系统未知非线性函数，设计切换扰动观测器估计复合干扰；基于动态逆控制框架设计自适应神经网络切换控制器；通过设计平行估计模型构造了预测误差，并将预测误差引入到神经网络权重自适应更新律和切换扰动观测器设计中，提升了不确定学习精度；本发明结合非线性切换系统控制特点，通过设计复合干扰学习控制器有效提升了控制性能，适用于工程应用。

技术领域

本发明涉及一种非线性切换系统控制方法，特别是涉及一种非线性严格反馈切换系统复合干扰学习控制方法，属于飞行控制领域。

背景技术

在实际工程中，许多控制对象如变体飞行器、变频电机以及机器人等都可以用非线性切换系统来描述，因此非线性切换系统控制技术引起了广泛关注，在汽车、电力、化工等许多行业都得到了研究与应用。

非线性切换系统自身具有较强的不确定性，同时易受到外部干扰和输入死区的影响，现有的控制方法多采用神经网络或模糊逻辑等智能系统逼近不确定性，采用扰动观测器估计外部干扰。这些控制方法只考虑了智能系统的逼近作用，忽视了智能学习策略的本质，没有对不确定性学习性能进行有效评价，且智能逼近系统和扰动观测器之间没有信息交互，鲁棒性性较差，不利于工程实现。因此研究面向学习性能提升的先进控制方法对于非线性切换系统控制研究意义重大且有着迫切需求。

发明内容

要解决的技术问题

为了克服现有非线性切换系统控制方法实用性差的不足，本发明提供一种非线性严格反馈切换系统复合干扰学习控制方法。

技术方案

一种非线性严格反馈切换系统复合干扰学习控制方法，其特征在于以下步骤：

步骤1：考虑一类单输入单输出非线性严格反馈切换系统

其中，x(t)＝[x₁,...,x_n]^T∈Rⁿ是系统状态向量，u_σ(t)∈R是系统输入，y∈R是系统输出；函数σ(t):[0,∞)→M＝{1,2,…,m}是切换信号，且σ(t)＝k时表示第k个子系统是激活的；和是关于的未知平滑函数；d_i,σ(t)(t),i＝1,2,…,n是外部未知干扰；

步骤2：将系统输入非线性描述为

其中，u_v,σ(t)∈R是带死区的输入，b_r,σ(t)和b_l,σ(t)是未知的正常数；

可将(2)进一步描述为

其中

信号u_σ(t)存在如下关系

其中是u_v,σ(t)的上界值；

则系统(1)可进一步写为

其中，

步骤3：针对非线性切换系统(5)，基于动态逆控制框架设计复合干扰学习控制器；

第1步：

定义输出跟踪误差e₁＝x₁-y_d，其中y_d是控制参考指令；