潘永平;孙泰仁;于浩勇 关于最小二乘辨识和自适应控制中的参数收敛性。 （英语） Zbl 1418.93123号 国际J鲁棒非线性控制 29，第10号，2898-2911（2019）。 摘要：最小二乘估计在提高自适应控制的性能和鲁棒性方面具有吸引力。在最小二乘估计中，需要满足一个称为持续激励（PE）的严格条件才能实现参数收敛。本文提出了一种最小二乘辨识和自适应控制策略，以在无PE条件下实现参数收敛。利用在线历史数据和即时数据构造修正建模误差作为附加反馈来更新参数估计，并引入积分变换以避免修正建模误差中的电厂状态时间偏差。在此基础上，提出了一种无回归滤波的最小二乘估计律，通过区间激励条件来保证指数参数的收敛，该条件比PE条件弱得多。然后，提出了一种基于辨识的间接自适应控制律，以建立闭环系统在区间激励条件下的指数稳定性。考虑识别和控制问题的示例性结果验证了所提方法的有效性和优越性。 引用于10文件 MSC公司： 93C40型 自适应控制/观测系统 93天20分 控制理论中的渐近稳定性 93E12号机组 随机控制理论中的辨识 93E10型 随机控制理论中的估计与检测 93E24型 随机控制系统的最小二乘法及其相关方法 93立方厘米 控制理论中的非线性系统 关键词：自适应控制;指数稳定性;最小二乘估计;非线性系统;参数收敛;系统标识 PDF格式BibTeX公司 XML格式引用 \textit{Y.Pan}等人，《国际鲁棒非线性控制》29，No.10，2898--2911（2019；Zbl 1418.93123） 全文： 内政部 参考文献： [1] UtkinVI的Al‐HosaniK。基于移位算子的滑模观测器参数估计。J Franklin Inst.2012；349(4):1509‐1525. ·Zbl 1254.93033号 [2] 比坦蒂斯·加拉提斯。系统建模中参数估计的新范式。国际J自适应控制信号处理。2013;27(8):667‐687. ·Zbl 1284.93225号 [3] TyukinIY、SteurE、NijmeijerH、vanLeeuwenC。一类参数非线性系统的自适应观测器和参数估计。自动化。2013;49(8):2409‐2423. ·Zbl 1364.93410号 [4] VijayaraghavanK公司。同步状态和未知参数估计的非线性观测器。国际J控制。2013;86(12):2263‐2273. ·Zbl 1311.93015号 [5] YanXG、SpurgeonSK、EdwardsC。基于滑模技术的非线性时滞系统状态和参数估计。IEEE Trans Autom控制。2013;58(4):1023‐1029. ·Zbl 1369.93320号 [6] NaJ、RenXM、XiaYQ。具有未知时延的线性SISO系统的自适应参数辨识。系统控制许可。2014;66分43秒-50秒·Zbl 1288.93089号 [7] RiachyS公司。最小二乘参数估计的连续时间框架。自动化。2014;50(12):3276‐3280. ·Zbl 1309.93161号 [8] NaJ、YangJ、RenX、GuoY。时变参数非线性系统的鲁棒自适应估计。国际J自适应控制信号处理。2015;29(8):1055‐1072. ·Zbl 1330.93067号 [9] ChongMS、NešićD、PostoyanR、KuhlmannL。在监督框架下使用多观测器的非线性系统的参数和状态估计。IEEE Trans-Autom控制。2015;60(9):2336‐2349. ·Zbl 1360.93666号 [10] LinQ、LoxtonR、XuC、TeoKL。具有噪声输出测量的非线性时滞系统的参数估计。自动化。2015;60:48‐56. ·Zbl 1331.93197号 [11] OrtegaR、BobtsovA、PyrkinA、AranovskiyS。非线性系统状态观测的一种参数估计方法。系统控制许可。2015;85:84‐94. ·Zbl 1322.93095号 [12] VijayaraghavanK，ValibeygiA公司。噪声系统状态和未知参数估计的自适应非线性观测器。国际J控制。2016;89(1):38‐54. ·兹比尔1332.93070 [13] YousefH、HamdyM、El‐MadboulyE。使用输入输出线性化概念，对一类大规模非线性系统进行鲁棒自适应模糊半分散控制。国际J鲁棒非线性控制。2010;20(1):27‐40. ·Zbl 1192.93068号 [14] 张华、马德龙、黄国宝、王志力。通过双级脉冲控制实现不确定混沌时滞神经网络的鲁棒全局指数同步。IEEE Trans-Syst Man Cybern B Cybern.电气与电子工程师协会。2010;40(3):831‐844. [15] Zhang HG、CuiLL、Zhang X、LuoYH。采用自适应动态规划方法对未知一般非线性系统进行数据驱动鲁棒近似最优跟踪控制。IEEE Trans神经网络。2011;22(12):2226‐2236. [16] 张华、崔尔、罗伊赫。使用单网络ADP的连续时间非线性系统的非零和微分对策的近最优控制。IEEE Trans Cybern公司。2013;43（1）：206‐216。 [17] 张TP，夏XN。动态不确定性随机非线性系统的自适应输出反馈跟踪控制。国际J鲁棒非线性控制。2015;25(9):1282‐1300. ·Zbl 1323.93069号 [18] ChenZ、PanYJ、GuJS。一种新的自适应鲁棒控制结构，用于时变延迟下的双边遥操作系统。国际J鲁棒非线性控制。2015;25(17):3349‐3366. ·Zbl 1338.93185号 [19] IoannouPA，SunJ。鲁棒自适应控制。新泽西州恩格尔伍德克利夫斯：普伦蒂斯·霍尔公司；1996 [20] BerghuisH，RoebbersH，NijmeijerH。自适应机器人控制中参数估计方法的实验比较。自动化。1995;31(9):1275‐1285. ·Zbl 0825.93480号 [21] 斯洛汀·JJE，LiW。应用非线性控制。新泽西州恩格尔伍德克利夫斯：普伦蒂斯·霍尔公司；1991. ·Zbl 0753.93036号 [22] 克里斯蒂姆。在非线性系统的辨识和自适应控制中使用无回归滤波的最小二乘更新。自动化。2009;45(3):731‐735. ·Zbl 1168.93418号 [23] KuenHY、MjalliFS、KoonYH。基于递推最小二乘的生物柴油酯交换反应器自适应控制。《印度工程化学研究》，2010年；49(22):11434‐11442. [24] van OortER、SonneveldtL、ChuQP、MulderJA。使用正交最小二乘法对战斗机进行全包络模块化自适应控制。制导控制动力学杂志。2010;33(5):1461‐1472. [25] 乔德哈里G，JohnsonEN。自适应控制的递归更新最小二乘修正项。摘自：2010年美国控制会议记录；2010; 马里兰州巴尔的摩。 [26] 马哈茂德TA。基于最小二乘支持向量机网络的自适应控制方案。国际应用数学计算科学杂志。2011;21(4):685‐696. ·兹比尔1283.93325 [27] YoonH，BatemanBE，AgrawalBN。使用递归最小二乘自适应滤波器的激光束抖动控制。动态系统测量控制杂志。2011;133(4). 文章ID 041001。 [28] 阿扎德A、内沙特N、卡泽米A、萨贝里M。使用自适应神经模糊和偏最小二乘法对干燥过程进行预测控制。国际先进制造技术杂志。2012;58(5‐8):585‐596. [29] ZouWY，BurnsSA。用于低音-高音自适应光学的拉格朗日乘子阻尼最小二乘控制算法的测试。应用选项。2012;51(9):1198‐1208. [30] NguyenN。采用切比雪夫正交多项式逼近的最小二乘模型参考自适应控制。航空信息系统杂志。2013;10(6):268‐286. [31] WangZ，LiuDR。针对一类非线性系统，使用最小二乘估计方法进行基于数据的输出反馈控制。国际J鲁棒非线性控制。2014;24(18):3061‐3075. ·Zbl 1302.93142号 [32] 鲁比奥JD。机器人手臂离散时间的自适应最小二乘控制。软计算。2015;19(12):3665‐3676. [33] 巴多尼姆、辛格A、辛格B。用于改善电能质量的维纳滤波器和自适应最小均方控制的性能比较。IEEE Trans Ind Electron公司。2016;63(5):3028‐3037. [34] 巴多尼姆、辛格A、辛格B。DSTATCOM的自适应神经模糊推理系统最小均方控制算法。IEEE Trans Ind信息。2016;12（2）：483‐492。 [35] LinJS，KanellakopoulosI。非线性增强了输出反馈系统中的参数收敛性。IEEE Trans Autom控制。1998;43(2):204‐222. ·Zbl 0904.93024号 [36] LinJS，KanellakopoulosI。非线性增强了严格反馈系统中的参数收敛性。IEEE Trans Autom控制。1999;44(1):89‐94. ·Zbl 0989.93050号 [37] 黄JT。一类线性参数化系统的自适应补偿器。IEEE Trans Autom控制。2002;47(3):483‐486. ·兹比尔1364.93089 [38] 黄洁婷。线性化系统参数收敛的充分条件。IEEE Trans Autom控制。2003;48(5):878‐880. ·Zbl 1364.93640号 [39] 法雷尔JA。被动学习控制中激励条件的持续性。自动化。1997;33(4):699‐703. ·Zbl 0876.93058号 [40] 博德森·萨斯特里·S。自适应控制：稳定性、收敛性和鲁棒性。新泽西州恩格尔伍德克利夫斯：普伦蒂斯·霍尔公司；1989. ·Zbl 0721.93046号 [41] PanYP、LiX、YuHY。保证参数收敛的最小二乘学习控制。论文发表于：2016年第22届国际自动化与计算会议（ICAC）；2016; 英国科尔切斯特。 [42] ChowdharyG、MühleggM、JohnsonEN。指数参数和跟踪误差的收敛性保证了无激励持续的自适应控制器。国际J控制。2014;87(8):1583‐1603. ·Zbl 1317.93148号 [43] HartmanM、BauerN、TeelAR。使用混合系统框架的鲁棒有限时间参数估计。IEEE Trans-Autom控制。2012;57(11):2956‐2962. ·Zbl 1369.93160号 [44] NaJ、MahyuddinMN、Herrmann G、RenXM、BarberP。机器人系统的鲁棒自适应有限时间参数估计和控制。国际J鲁棒非线性控制。2015;25(16):3045‐3071. ·Zbl 1327.93285号 [45] NaJ、HerrmannG、ZhangKQ。通过修改参考模型和新的自适应改进自适应控制的瞬态性能。国际J鲁棒非线性控制。2017;27(8):1351‐1372. ·Zbl 1364.93405号 [46] 拉夫雷茨基E。组合/复合模型参考自适应控制。IEEE Trans Autom控制。2009;54(11):2692‐2697. ·Zbl 1367.93314号 [47] DydekZT、AnnaswamyAM、SlotineJJE、Lavretsky。一类具有已知延迟的LTI对象的复合自适应定位控制。自动化。2013;49(6):1914‐1924. ·Zbl 1360.93346号 [48] PanYP、ZhouY、SunTR、ErMJ。不确定非线性系统的复合自适应模糊H^∞跟踪控制。神经计算。2013;99:15‐24. [49] PanYP、LiuYQ、YuHY。具有精确微分器的在线数据驱动复合自适应反推控制。国际J自适应控制信号处理。2016;30(5):779‐789. [50] PanYP、SunTR、YuHY。使用在线记录数据的复合自适应动态表面控制。国际J鲁棒非线性控制。2016;26(18):3921‐3936. ·Zbl 1351.93082号 [51] TheoryEN ChowdharyG。并行学习自适应控制器的理论和飞行试验验证。制导控制动力学杂志。2011;34(2):592‐607. [52] KingraviHA、ChowdharyG、VelaPA、JohnsonEN。神经自适应控制中径向基在线更新的再生核Hilbert空间方法。IEEE Trans Neural Netw学习系统。2012;23(7):1130‐1141. [53] ChowdharyG、YucelenT、MühleggM、JohnsonEN。指数收敛界线性系统的并行学习自适应控制。国际J自适应控制信号处理。2013;27(4):280‐301. ·Zbl 1272.93069号 [54] PanYP、ZhangJ、YuHY。无持续激励的模型参考复合学习控制。IET控制理论应用。2016;10（16）：1963年至1971年。 [55] 尤希·帕尼普（YuHY PanYP）。自适应动态曲面控制的复合学习。IEEE Trans Autom控制。2016;61(9):2603‐2609. ·Zbl 1359.93231号 [56] PanYP、SunTR、LiuYQ、YuHY。自适应反推神经网络控制的复合学习。神经网络。2017;95:134‐142. ·Zbl 1441.93147号 [57] 尤希·帕尼普（YuHY PanYP）。保证参数收敛的复合学习机器人控制。自动化。2018;89:398‐406. ·兹比尔1388.93063 [58] GuoK、PanYP、YuHY。带摩擦补偿的复合学习机器人控制：一种基于神经网络的方法。IEEE Trans Ind Electron公司。https://doi.org/10.109/TIE.2018.2886763。待发布。 ·doi:10.1109/TIE.2018.2886763 [59] PanYP、AranovskiyS、BobtsovA、YuHY。在充分激励下从自适应控制中有效学习。国际J鲁棒非线性控制。https://doi.org/10.1002/rnc.4541。待发布·Zbl 1418.93280号 ·doi:10.1002/rnc.4541 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。