[发明专利]非线性系统执行器故障PPB-SIADP容错控制方法

权利要求书

1.一种非线性系统执行器故障PPB-SIADP容错控制方法，其特征在于，所述非线性系统PPB-SIADP容错控制方法包括以下步骤：

S1，建立执行器故障模型，并根据执行器的冗余特性和功能，将m个执行器分成q个组；考虑具有未知执行器故障的连续MIMO非线性系统为：

式中，是系统状态向量，f(·)：是未知的非线性函数，sat(·)表示饱和非线性函数；和ξ_G(t)是执行器分组之后的附加故障，μ_G(t)＝[μ₁(t) μ₂(t) … μ_q(t)]^T＝Bμ(t)，是理想虚拟控制律，是理想的输入向量，是控制分配矩阵，p_i是第i个分组的执行器数量；

S2，对状态跟踪误差设置约束边界，根据预定性能边界对系统进行等价变换，将存在误差约束的状态跟踪问题转化为无约束条件的状态调节问题；转化后的跟踪误差动力学模型为：

z(t)＝Γ^-(z(t)，ρ_l(t)，ρ_u(t))；

式中，ρ_u(t)和ρ_l(t)为预定动态性能函数的上界与下界；

S3，针对变换后的非线性系统全量模型，对含有执行器故障且具有饱和特性的误差系统进行增量建模，得到的离散线性误差增量模型为：

其中，Δz_t＝z_t-z_t+1，Δsat(μ_Gξ，t)＝Δsat(μ_G,t)-Δsat(ζ_G，t)，Δsat(μ_c,t)＝sat(μ_G,t)-sat(μ_G,t-1)；将ρ_u(t)和ρ_l(t)表述为ρ_u，t、ρ_l，t，则有Δρ_u，t＝ρ_u，t-ρ_u,t-1、Δρ_l，t＝ρ_l，t-ρ_l,t-1；参数矩阵F_t-1、G_t-1、和P_t-1分别为t-1时刻的F°(x_t-1,sat(μ_Gξ,t-1)，ρ_l，t-1，ρ_u,t-1)、G°(x_t-1,sat(μ_Gξ,t-1)，ρ_l，t-1，ρ_u,t-1)、和P°(x_t-1,sat(μ_Gξ,t-1)，ρ_l,t-1，ρ_u，t-1)；

S4，采用递推最小二乘辨识对线性误差增量模型的系统矩阵进行辨识；

S5，基于RBF神经网络的自适应增量故障观测器对执行器故障进行估计；其中，自适应增量故障神经网络定义为：

式中，是Δz(t)的近似值，是W_o的近似值，是正定矩阵；F^o、G^o、和P°分别表示t₀时刻的参数矩阵F°[z(t₀),sat(μ_Gξ(t₀))，ρ_l(t₀),ρ_u(t₀)]、G°[z(t₀),sat(μ_Gξ(t₀))，ρ_l(t₀),ρ_u(t₀)]、和P°[z(t₀),sat(μ_Gξ(t₀))，ρ_l(t₀)，ρ_u(t₀)]；

估计得到的执行器故障为：

式中，η_o0是学习率，是Δz(t)的近似误差，是激活函数，l_o1是隐藏层神经元的数量；ν_s是采样周期；

S6，设定抗饱和的最优性能指标，提出单网络增量自适应动态规划控制方法得到近似最优容错控制策略，得到的最优增量控制策略为：

式中，为饱和器模型，根据实际执行器输出范围选用有界单调递增函数，并且满足||φ(·)||≤φ_max，φ_max为正常数；为对角正定矩阵，为执行器饱和界对角阵，是第i个执行器的饱和界；折扣因子γ∈(0，1)，用于控制短期代价或长期代价的关注程度；μ_G(t-1)是t-1时刻的控制策略；是权重W_c(t)的估计值，