基于LSSVM的非线性系统联合逆控制器方法研究.pdfVIP

2007 江苏省自动化学会学术年会论文集 基于 LSSVM 的非线性系统联合逆控制器方法 穆朝絮，王万成，李训铭，孙长银 （河海大学电气工程学院，江苏 南京 210098） 摘要：逆系统方法是解决非线性系统控制的重要方法。在工程实际中，求非线性系统的逆系 统时常会遇到关键变量无法测量和非线性特性无法确切描述的问题。本文针对这类非线性系 统采用了左逆软测量结合右逆控制器的方法，使用最小二乘支持向量机离线训练来逼近非线 性函数，实现了对非线性系统联合逆控制器模型的辨识。仿真结果表明，用最小二乘支持向 量机辨识非线性联合逆控制器模型，精度高速度快，辨识能力强。联合逆控制器和非线性系 统构成的复合系统实现了非线性系统的线性化解耦，证明了该方法的有效性。 关键词：最小二乘支持向量机；非线性系统；联合逆控制器；辨识；解耦　 0 引 言 逆系统方法，是用反馈线性化的方法来研究非线性系统控制问题的。在非线性系统的数 学模型精确已知的情况下，已建立了较完整的设计理论。李春文等提出了多变量非线性控制 的逆系统方法，研究了单变量、多变量非线性系统的控制理论[1-3] 。但在一些工程实际中， 非线性系统的数学模型不能精确得到，在仅知系统输入输出的前提下，逆系统模型的非线 性特性难以确切描述，很难给出解析式。非线性系统的逆模型的实现需要反馈某些变量，而 这些需要反馈的变量中有些是不直接可测的。对于不直接可测的变量，要得到它们的反馈很 困难，而控制律中必须包含这些变量的反馈。这些都给非线性系统采用逆控制器的方法带来 了障碍。戴先中等针对连续和离散，单变量和多变量的非线性系统提出了神经网络α 阶逆 系统的实现方法，较好的解决了上述问题，并将其成功的应用到机器人控制、生物发酵过程 和电力系统中[4-5] [6] 。支持向量机(SVM)是Vapnik 提出的一种新型机器学习算法 。与传统的 神经网络方法相比，它在经验风险最小化基础上同时采用了结构风险最小化准则，很好的解 决了小样本、非线性、高维数、局部极小点等实际问题，而且推广能力有理论保障[7] 。Suhkens 在标准SVM 的基础上，提出最小二乘支持向量机(LSSVM)方法。LSSVM求解的是线性方程 组，极大地减少了SVM 由于求解二次规划问题带来的计算复杂性，而且具有更高的拟和精 度，训练时间也更短[8] 。对逆系统中不直接可测变量的反馈问题，采用左逆软测量结合右逆 控制器的策略。联合控制律中的变量均直接可测，通过最小二乘支持向量机来拟和，得到最 小二乘支持向量机的联合逆控制器模型。将辨识出的联合逆控制器模型与原非线性系统串联 构成伪线性系统，实现非线性系统的线性化解耦。 １ 非线性系统的逆系统 逆系统分为左逆系统和右逆系统。左逆系统由系统当前的输出及各阶导数信息来判断系 统当前的输入，具有观测器的作用。右逆系统则是将原系统的某些期望输出作为右逆系统的 输入，来产生需要加到原系统的输入端的控制信号, 使原系统产生的期望的输出。 假设系统的状态变量x (x , L, x )T ，直接可测状态x (x , L, x ) T ，不可直接测 1 n 1 n − l ˆ u 状态x (xn−l+1 ,L,xn ) ，原系统输入 ，输出y 。对系统求左逆，观测系统不可测量状态， 对系统求右逆，得到右逆控制器。 １.１ 左逆系统软测量 l T ˆ T T 系统有 个不直接可测状态，(n − l) 个直接可测状态，t 个 关 于x