基于量子微粒子群優(yōu)化算法的非線性觀測(cè)器研究.pdf

1、隨著非線性控制理論特別是反饋線性化理論的發(fā)展，非線性系統(tǒng)狀態(tài)觀測(cè)器的設(shè)計(jì)以及基于狀態(tài)觀測(cè)的非線性控制理論的研究顯得愈發(fā)重要。針對(duì)傳統(tǒng)的非線性狀態(tài)觀測(cè)器設(shè)計(jì)方法的缺點(diǎn)，本文將群體智能算法應(yīng)用于非線性狀態(tài)觀測(cè)器設(shè)計(jì)過(guò)程中的優(yōu)化問(wèn)題，對(duì)基于動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)觀測(cè)器和基于滾動(dòng)時(shí)域優(yōu)化的非線性狀念觀測(cè)器設(shè)計(jì)方法進(jìn)行了深入研究，設(shè)計(jì)并實(shí)現(xiàn)了兩類基于粒子群算法的智能非線性狀態(tài)觀測(cè)器。 本文首先對(duì)傳統(tǒng)的非線性狀態(tài)觀測(cè)器設(shè)計(jì)原理進(jìn)行研究

2、，研究表明規(guī)范型狀態(tài)觀測(cè)器的設(shè)計(jì)需滿足非?？量痰拇嬖跅l件，因此在很大程度上限制了規(guī)范型觀測(cè)器的適用范圍；基于線性化的非線性觀測(cè)器設(shè)計(jì)方法對(duì)原系統(tǒng)做線性化近似處理，然后按照線性系統(tǒng)的方法進(jìn)行觀測(cè)器設(shè)計(jì)，因而有較大的局限性：而運(yùn)用Lyapunov方法設(shè)計(jì)非線性狀態(tài)觀測(cè)器時(shí)Lyapunov函數(shù)的選擇缺乏構(gòu)造性，所以大多數(shù)情況下只能用其作為證明所設(shè)計(jì)觀測(cè)器漸近穩(wěn)定的工具。由此，在闡述了群體智能算法的基本原理之后，本文對(duì)基于動(dòng)態(tài)回歸神經(jīng)網(wǎng)絡(luò)的非線

3、性狀態(tài)觀測(cè)器和基于滾動(dòng)時(shí)域優(yōu)化的非線性狀態(tài)觀測(cè)器進(jìn)行了重點(diǎn)研究。 動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)是極具潛力的一種建模法，它代表了神經(jīng)網(wǎng)絡(luò)建模、辨識(shí)和控制的發(fā)展方向?；趧?dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的非線性觀測(cè)器在一定的初始條件下，具有逼近一般非線性系統(tǒng)狀態(tài)軌跡的能力。建立基于動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)觀測(cè)器模型，核心問(wèn)題是網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法，本文提出一種采用粒子群算法的權(quán)值學(xué)習(xí)方法，仿真實(shí)驗(yàn)表明，該學(xué)習(xí)算法較傳統(tǒng)的動(dòng)態(tài)BP學(xué)習(xí)算法具有收斂速度快，收斂精

4、度高的優(yōu)點(diǎn)，系統(tǒng)具有良好的觀測(cè)性能。 針對(duì)滿足一致重構(gòu)條件的一般非線性連續(xù)時(shí)間系統(tǒng)，有學(xué)者提出了一種滾動(dòng)時(shí)域狀態(tài)觀測(cè)器，這是一種基于優(yōu)化的非線性系統(tǒng)狀態(tài)觀測(cè)器設(shè)計(jì)方法，其基本思想是通過(guò)最小化區(qū)間[t-T，t]上的某個(gè)代價(jià)函數(shù)對(duì)t時(shí)刻非線性系統(tǒng)的狀態(tài)進(jìn)行估計(jì)，這種方法具有方法簡(jiǎn)單，可操作性強(qiáng)，應(yīng)用范圍廣的優(yōu)點(diǎn)，其關(guān)鍵問(wèn)題在于優(yōu)化算法的選擇。本文提出采用粒子群算法進(jìn)行滾動(dòng)時(shí)域狀態(tài)觀測(cè)器的設(shè)計(jì)，仿真實(shí)驗(yàn)表明，基于粒子群優(yōu)化算法的滾動(dòng)時(shí)