自适应控制的研究

《自适应控制的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、自适应控制的应用研究仰涛，研162班，21116020300引言经典的反馈控制可以用来精确地控制绝大部分运动状况，某些情况下加上前馈控制还可以达到减少输入扰动影响的目的。但是现实中很多控制对象有很大的不确定性、时变性、受外部扰动、非线性系统，用简单的反馈控制系统效果不理想。长期以来，这是自动控制领域所面对的一个极具挑战性的问题。为了克服这个问题，自适应控制被提出了。其基本思想是通过及时修正自己的特性以适应对象和扰动的动态特性变化，使得整个控制系统始终获得满意的性能。自适应控制起初适用于航空航天领域，由于其理论方法不成熟，因此遭遇了一些失败，但是有人看到了

2、它的应用价值，不断研究，终将其推广到其他工业部门；并且随着计算机技术的发展，自适应控制技术也取得了重大进展，在众多领域中得到成功应用，包括光学跟踪望远镜、化工、冶金、机加工和核电；此后，自适应控制应用的到大幅扩展，在医疗领域和航天领域都得到应用。本文介绍自适应控制原理，并且总结自适应控制在国内外的应用研究概况。1自适应控制概述自适应控制概述主要从自适应控制的基本概念、解决的问题、发展及分类三个方面阐述。1.1自适应控制基本概念自适应控制系统研究的对象是不确定性的系统，此系统的被控对象及其环境的数学模型不是完全确定的。学术界对自适应控制系统有不同的定义，大

3、部分定义是和自适应控制系统类型相联系的。一下是两个比较流行的定义。1962年Gibson[1]提出一个比较具体的自适应控制定义：一个自适应控制系统必须提供初被控对象当前状态的连续信息，也就是辨识对象；它必须将当前系统性能与期望的货最优的性能相比较，并作出使系统趋向期望或最优性能的决策；最后，它必须对控制器进行适当的修正，以驱使系统走向最优状态。这三方面的功能是自适应控制系统所必须具备的功能。1974年法国学者Landau[2]也提出了一个针对模型参考自适应控制系统的自适应控制定义：一个自适应系统，将利用其中的可调系统的各种输入状态和输出来度量某个性能指标

4、；将所测得的性能指标与规定的性能指标相比较；然后，由自适应机构来修正可调系统的参数货产生一个辅助的输入信号，以保持系统的性能指标接近于规定的指标。定义中提出的可调系统一般由被控对象和调节器组成，可以通过修改它的内部参数货输入信号来调整期性能。综合以上定义可知，自适应控制系统应该有如下功能：（1）在线进行系统结构和参数的辨识或系统性能指标的度量，以得到系统当前状态的改变情况；（2）按一定的规律确定当前的控制策略；（3）在线修改控制器的参数货可调系统的输入信号。图1为自适应控制系统原理图。图1自适应控制的基本原理1.1自适应控制系统的分类1.1.1前馈自适应

5、控制借助于过程扰动信号的测量[1]，通过自适应机构来改变控制器的状态，从而达到改变系统特性的目的。前馈自适应结构图如图2所示。图2前馈自适应结构图由图可知，当扰动不可测时，前馈自适应控制系统的应用就会受到严重的限制。1.1.2反馈自适应控制除原有的反馈回路之外，反馈自适应控制系统中新增加的自适应机构形成了另一个反馈回路。反馈自适应结构图如图3所示。图3反馈自适应结构图1.2.3模型参考自适应控制(MRAC)在这种系统中主要采用一个模型参考的辅助模型[4]，它是一个可调系统。参考模型的输出或状态用期望的性能指标设计。主要用来对比系统实际输出和期望输出的误差

6、，从而对系统进行调整，直到误差趋近于零。其系统示意图如图4所示。图4模型参考自适应结构图1.2.4自校正控制通过采集的过程输入、输出信息，实现过程模型的在线辨识和参数估计。在获得的过程模型或估计参数的基础上，按照一定的性能优化准则，计算控制系统，使得闭环系统能够达到最优的控制品质。自校正控制系统结构图如图5所示。图5自校正控制结构图2人工神经网络自适应控制人工神经网络[5][2]就是模拟生物神经系统的工作原理而建立的一种信息处理系统，具有自学习功能、联想储存功能、高速寻找优化解功能。人工神经网络由多个人工神经元组成，它是人们根据人类神经元的结构而构造出来

7、的，多个人工神经元就构成了人工神经网络。人工神经元是一个多输入、单输出的非线性器件其结构如图6所示。图中，（j=1,2，，……，n）为输入信号；为输出信号；为神经元内部状态；为神经元阈值；为外部输入；为输入信号的权重。上述模型可表达为（1）当神经元没有内部状态时，可令，。图6人工神经元模型根据映射的不同可以有不同的神经元作用方式，常用神经元非线性特性有预制型、分线段性型、S型。在人工神经网络系统中有如下的特点：(1)学习的存储与处理是合二为一的，即信息的存储体现在神经元互联的分布上，并以大规模并行分布方式处理为主，比串行离散符号处理的现代数字计算机优越。

8、(2)人工神经网络具有很强的鲁棒性和容错性，善于联想、概括、类比和推广，任何局部