智能控制中的无模型控制方法与流程

技术特征：

1.一种智能控制中的无模型控制方法，其特征在于，包括以下步骤：

步骤1、对被控对象模型降阶；

步骤2、设计无模型滑模控制器，所述无模型滑模控制器由基于时延估计的无模型智能PID控制率以及滑模修正子控制器组成。

2.根据权利要求1所述的智能控制中的无模型控制方法，其特征在于，步骤1中所述的对被控对象模型降阶具体过程为：

设被控对象模型为：

$y^{\left(n\right)}=f(y,\stackrel{\·}{y},...,y^{\left(n\right)},u,\stackrel{\·}{u},...,u^{\left(m\right)})+bu$

其中y为被控对象输出，表示系统模型的线性或非线性部分，u为被控对象系统输入，m、n分别为输入、输出的阶数，b为控制量实际输入参数；

在一个采样周期，采用低阶模型对被控对象模型在线估计：

y^(v)＝F+αu

其中F＝f+(b-α)u，为局部未知量，α为设定的输入参数，v为模型近似阶数，f表示高阶模型的线性或非线性部分。

3.根据权利要求2所述的智能控制中的无模型控制方法，其特征在于，步骤2中所述的无模型滑模控制器为：

$u=-\frac{\hat{F}-{y_d}^{\left(v\right)}+u_c}{\mathrm{\α}}+u_{aug}$

其中为F的估计，u_c为PID反馈控制率，K_P、K_I和K_D分别为比例、积分和微分参数，为基于时延估计的无模型智能PID控制率，滑模修正子控制器u_aug＝u_eq+u_cor，其中u_eq为等效控制率部分，u_cor为滑模趋近率部分；y_d为可被v次求导微分的期望输出。

4.根据权利要求3中所述的智能控制中的无模型控制方法，其特征在于，当前采样时刻的局部模型由前一采样时刻的估计得到，即延时估计：

${\hat{F}}_{\left(t\right)}\≈F_{(t-\mathrm{\ϵ})}={y_{(t-\mathrm{\ϵ})}}^{\left(v\right)}-{\mathrm{\αu}}_{(t-\mathrm{\ϵ})}$

其中ε为嵌入式计算机系统采样周期，t为当前采样时刻，u_(t-ε)为前一时刻的系统控制量，y_(t-ε)为前一时刻的输出。

5.根据权利要求3中所述的智能控制中的无模型控制方法，其特征在于，无模型滑模控制器总体表达式：

$u=-\frac{\hat{F}-{y_d}^{\left(v\right)}+E}{\mathrm{\α}}-\frac{\mathrm{\β}q}{\mathrm{\α}p}{\[e^{(v-1)}\]}^{2-p/q}-\frac{\mathrm{\λ}}{\mathrm{\α}}sign\left(s\right)$

其中E为估计误差的边界值，e^(v-1)为误差e的V-1阶微分，s为所选滑模面，sign(s)为滑模面的符号函数，β为滑模面状态量系数，p、q为状态量指数，λ为滑模切换系数。