文献类型：期刊文献

中文题名：非线性多变量零阶接近有界系统的多模型自适应控制

英文题名：Multiple Model Adaptive Control for a Class of Nonlinear Multi-variable Systems with Zero-order Proximity Boundedness

作者：黄淼[1];王昕[2];王振雷[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237;[2]上海交通大学电工与电子技术中心,上海200240

年份：2014

卷号：40

期号：9

起止页码：2057

中文期刊名：自动化学报

外文期刊名：Acta Automatica Sinica

收录：CSTPCD;;EI(收录号：20144200113108);Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；PubMed;

基金：国家重点基础研究发展计划(973计划)(2012CB720500);国家自然科学基金(61333010;61203157);中央高校基本科研业务费专项资金(上海市科技攻关项目)(12dz1125100);十二五国家科技支撑计划(2012BAF05B00);上海市重点学科建设项目(B504);流程工业综合自动化国家重点实验室开发课题资金资助~~

语种：中文

中文关键词：零阶接近有界;多变量;非线性系统;多模型自适应控制

外文关键词：Zero order proximity boundedness, multi-variable, nonlinear system, multiple model adaptive control

摘要：针对一类多变量非线性离散时间系统,提出一种新的基于神经网络的多模型自适应控制方法.为了将非线性系统的高阶非线性项的限制条件放宽到零阶接近有界,该方法引入了一种新的非线性模型.该模型在传统线性回归模型基础上增加了非线性补偿项,使模型的估计误差有界.一个神经网络模型与非线性模型同时被用来对系统进行辨识.基于性能指标的切换机构选择性能较好的模型对应的控制器对系统进行控制.理论分析证明了零阶接近有界多模型自适应控制系统的有界输入和有界输出稳定性.仿真实验说明了提出的多模型自适应控制方法的有效性.
A novel multiple model adaptive control method using neural networks is proposed for a class of MIMO nonlinear discrete-time systems. In order to relax the restriction of the higher order nonlinear term of the nonlinear system to zeroorder proximity boundedness, this method introduces a new nonlinear model. The model adds a nonlinear compensation term to the conventional linear autoregressive model such that the estimation error is bounded. A neural network model is used to identify the system with nonlinear model simultaneously. A performance-based switching mechanism determines the controller which has the better performance to control the system. Theoretic analysis proves the bounded-input-boundedoutput stability of the zero-order proximity boundedness multiple model adaptive control system. Simulation results are presented to show the effectiveness of the proposed method.