非参数模型自适应控制算法及其在投资决策中的应用.pdfVIP

第7卷专辑 中国管理科学V01．7．卸∞叫blIe of 1999年儿月 ChineseJournal ScleAce November．。I蛳 Managenlemt— 11 非参数模型自适应控制算法 及在投资决策中的应用 穆 勇 黄梯云 (啥尔滨工业大学管理学院，哈尔滨150001) 摘要：在文献[5]中介绍的非参数模型的直接自适应预测控制算法适用于sIsO非线性离散时间 系统。在这一方法中没有受控系统结构方面的考虑。系统的设计仅依赖于控制系统的I，O数据。 本文将这一方法成功地运用于牡丹江垦区种植业生产决策研究。 关键词：非参数模型；自适应控制；投资决策 1引言 自适应控制理论目标存在的两个问题，一是对受控制系统数学模型结构的依赖，二是末建 模动态[9]。建立受控系统的数学模型不是一件容易的事情，有时甚至是不可能的，对时变情 况或非线性系统就更是如此。即使受控系统的数学模型已经建立起来，未建模动态也避免不 了，基于建立的数学模型所设计的自适应控制系统在实际应用中就有可能出现问题。从而如 何摆脱对受控制系统数学模型的依赖及未建模动态对控制系统的影响．也即如何仅用系统的 I／O数据设计控制系统，实现未知非线性系统的“黑箱”自适应控制，不仅在理论上。也在实际 控制工程上具有重要意义。 针对设计部分依赖、不完全依赖、不依赖受控系统数学模型的控制系统，国内外控制理论 弄已做了许多年的努力，已发展了许多的理论和方法。事实上。智能控制和专家控制、Fury 控制等都是由于放松对受控系统数学模型的依赖，雨产生和发展起来的。以工业过程为例，由 实际系统中，常常存在着许多的不确性、非线性和时变性等，使得传统的基于数学模型的现代 控制理论的局限性日益明显，因此产生了不完全依赖予受控系统数学模型的控制理论和方法。 其中基于传统PID类蛩的PID控制技术和近年来发展起来的神经元网络技术已获得广泛的 接受和应用。虽然它们都不依赖于受控系统的数学模型，但它们均受到各自本身的限制。 PID类控制技术仅能处理线性系统不变结构。人工神经元网络方法，则必须先巳知受控系统 的阶数及其它一些先验知识，计算负担大，在线运算时间长，节点隐层难以确定，不宜处理时变 系统(尤其是结构时变系统)。 然而，能否像经典PID控制的那样，从系统(特别是非线，多输入系统)输入输出数据出发 而不依赖于受控系统的数学模型来设计出一个良好的控制器呢?基于对上述问题的考虑文懿 [7，8]提出一个新的预测算法，即非线性系统非参数模型直接自适应预测控制算法。这个算强 718 中国管理科学 1999短 在工业控制领域应用已获成功。 2非参数模型自适应预测控制算法及说明 2．1设系统是如下SISO非线性离散时间方程。 (1) Y(k+1)=／iy(^)，·“，Y(女一ny)，Ⅱ(k)，…．“(k—n。)) 这里y(k)，u(k)是k时刻输出值和输入值，n，，nu是未知阶数，f(…)是未知非线性函数。 假设(厶)：f(…)关于控制输入u(k)偏导数是连续的。 假设(A1)：系统(1)满足广义的lipschitz式．即满足 I如(^+1)l≤cII．AU(k)l|Vl 且0aU(k)1I≠0 这里Ay(k+1)=y(k+1)一Y(k!I，Au(k)=u(k)一u(k—1) 长度常数。 定理对于非线性系统(1)满足假设条件A1一A2。并给出L，那么一定存在O(k)，被称为伪梯 度，当||AU(k川≠O时，有 却(女+1)=垂1(k)au(k) (2) 且当ll垂(k)