存在数据量化的无模型自适应控制研究

作     者：朱盼盼 

作者单位：河南理工大学 

学位级别：硕士

导师姓名：卜旭辉

授予年度：2020年

学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：数据驱动控制 无模型自适应控制 迭代学习控制 数据量化 均匀量化器 编码解码量化机制 对数量化器 

摘      要：随着科学技术的快速发展,实际工业生产过程越来越复杂,对这些过程系统建立精确的数学模型变得十分困难,因此数据驱动控制理论近年来成为了控制领域的研究热点。另一方面,实际控制系统大多需要在网络环境下运行和工作,网络化系统在带来数据共享、信息处理方便的同时,也由于它本身结构参数的影响,带来了数据量化、数据丢包、时滞、带宽限制等问题。本文考虑了两种数据驱动控制理论方法在存在数据量化情况下的稳定性分析和改进算法设计,主要内容包括:（1）研究一类考虑数据量化的非线性离散单输入单输出系统的控制问题,提出一种带有均匀量化器的数据驱动控制方法。通过使用伪偏导数的概念将受控非线性系统动态线性化,将原有非线性系统的模型线性化,继而构造了一种带有均匀量化器的无模型自适应控制（MFACUQ）的方法,其利用系统输出数据作为量化信号。通过理论上的推导与分析,得出了系统在MFACUQ方法下的跟踪误差收敛有界的结果。（2）为了实现更好地误差收敛效果,对所提MFACUQ算法进行改进,增加了一种编码解码量化机制,提出一种带有编码解码量化机制的无模型自适应控制算法（MFACUQ-E）,并讨论收敛条件的可行性和数据量化后的跟踪效果。结果表明,MFACUQ-E方法下的系统的跟踪效果较于MFACUQ方法明显改善,在一定条件下,能达到跟踪误差收敛到零的结果。仿真结果验证了所提MFACUQ-E方法的有效性。（3）研究一类使用均匀量化器处理数据量化过程的具有重复任务的离散单输入单输出非线性系统的控制问题,提出一种带有编码解码量化机制的无模型自适应迭代学习控制（MFAILCUQ）算法。理论分析与仿真结果表明,所提MFAILCUQ方法在考虑数据量化情况下,可实现对期望轨迹的零误差跟踪。（4）研究一类使用对数量化器处理数据量化过程的具有重复任务的离散单输入单输出非线性系统的控制问题,提出一种带有对数量化器的无模型自适应迭代学习控制（MFAILCLQ）算法,得出系统在该算法下的跟踪误差可以快速收敛到零的结果,仿真示例验证了所提MFAILCLQ算法的有效性。