第 30 卷 第 12 期
Vol. 30 No. 12
控 制 与 决 策
Control and Decision
2015 年 12 月
Dec. 2015
基于虚拟参考反馈整定的改进无模型自适应控制
文章编号: 1001-0920 (2015) 12-2175-06 DOI: 10.13195/j.kzyjc.2014.1449
金尚泰
1
, 赵汝莉
1
, 侯忠生
1
, 池荣虎
2
(1. 北京交通大学 电子信息工程学院,北京 100044;2. 青岛科技大学 自动化与电子工程学院,青岛 266042)
摘 要: 针对一类离散时间非线性系统, 提出一种基于虚拟参考反馈整定的改进无模型自适应控制方案. 首先, 利用
动态线性化方法给出非线性系统的紧格式动态线性化模型; 然后, 基于优化技术设计控制算法和伪偏导数估计算法;
最后, 设计基于虚拟参考反馈整定的伪偏导数初值和重置值的估计算法. 该控制方案设计仅依赖于被控系统的输入
和输出数据, 且能保证闭环系统的稳定性和收敛性. 仿真比较结果验证了所提出方法的有效性.
关键词: 数据驱动控制;无模型自适应控制;虚拟参考反馈整定;非线性系统
中图分类号: TP273 文献标志码: A
Improved model free adaptive control approach with virtual reference
feedback tuning
JIN Shang-tai
1
, ZHAO Ru-li
1
, HOU Zhong-sheng
1
, CHI Rong-hu
2
(1. School of Electronic and Information Engineering,Beijing Jiaotong University,Beijing 100044,China;2. College
of Automation and Electrical Engineering,Qingdao University of Science and Technology,Qingdao 266042,
China.Correspondent:JIN Shang-tai,E-mail:shtjin@bjtu.edu.cn)
Abstract: An improved model-free adaptive control approach(iMFAC) with virtual reference feedback tuning(VRFT) is
proposed for a class of discrete-time nonlinear systems. Firstly, the original nonlinear system is transformed into the compact
form dynamic linearization(CFDL) data model by using dynamic linearization method. Then, the control algorithm and
pseudo-partial-derivative(PPD) estimation algorithm are designed based on the optimization technique. Finally, estimation
algorithms of the initial value and the reset value of PPD are designed based on virtual reference feedback tuning, respectively.
The controller design depends merely on the measured input and output(I/O) data of the controlled plant and guarantees BIBO
stability and tracking error convergence of the closed-loop system. Numerical simulation results show the effectiveness of
the proposed approach.
Keywords: data-driven control;model-free adaptive control;virtual reference feedback tuning;nonlinear system
0 引引引 言言言
数据驱动控制 (DDC) 仅利用被控系统的在线或
离线量测数据即可实现控制器的设计, 特别适用于
无法获取精确数学模型的工业过程. 近年来, 数据驱
动控制吸引了控制理论和控制工程领域越来越多学
者的广泛关注. 根据文献 [1], 目前有 3 类数据驱动控
制方法: 基于在线数据的 DDC 方法, 如无模型自适应
控制方法 (MFAC)、去伪控制 (UC); 基于离线数据的
DDC 方法, 如虚拟参考反馈整定 (VRFT)、迭代反馈
整定 (IFT); 基于离在线数据的 DDC 方法, 如迭代学
习控制 (ILC)、近似动态规划方法 (ADP).
MFAC
[2-7]
是侯忠生 教授 于 1994 年提出的基于
非线性系统动态线性化的数 据 驱 动 控 制 方 法, 本
质是通过引入的伪偏导数 (PPD)、伪梯度 (PG) 或伪
Jacobian 矩阵 (PJM) 等概念, 将未知非线性系统转化
为动态线性化数据模型, 然后基于优化指标设计控
制算法和参数估计算法. 理论分析、仿真实验和大量
的实际应用都表明了 MFAC 方法比较简单、计算负担
小、易于实现且鲁棒性较强. 然而, 对于实际的复杂非
线性系统, 在缺少系统先验知识时, 如何选定最优的
伪偏导数初值并不是一件容易的事情. 此外, 在系统
工况发生变化的情况下, 传统 MFAC 方案中的重置算
法仍然将伪偏导数估计值重置为伪偏导数初值的做
法也并不是最好的选择. 基于以上分析, 传统 MFAC
收稿日期: 2014-09-19;修回日期: 2015-01-12.
基金项目: 国家自然科学基金项目(61374102, 61120106009);中央高校基本科研业务费专项基金项目(2014JBM005).
作者简介: 金尚泰(1976−), 男, 讲师, 从事数据驱动控制理论和应用的研究;赵汝莉(1990−), 女, 硕士生, 从事无模型
自适应控制算法的研究.