公开(公告)号：CN113419427B

公开(公告)日：2022-04-01

申请号：CN202110796612.6

申请日：2021-07-14

Applicant: 南京邮电大学

Inventor： 张忠洋 ,  高志峰 ,  王邢波 ,  赵静 ,  林金星

IPC: G05B13/04

Abstract: 本发明公开了一种基于极限学习机的分散式自适应跟踪控制方法，包括，基于N个子系统的不确定非线性互联系统，利用极限学习机的近似原则建立互联系统模型；根据所述互联系统模型构建基于极限学习机的状态观测器估计状态，得到观测误差；引入辅助系统处理输入饱和，根据动态面控制技术建立跟踪误差方程；结合反演控制技术搭建虚拟控制器和自适应率，得到实际控制器。本发明通过采用动态面控制技术进行跟踪误差的设计，避免了在对虚拟控制器进行重复的微分运算时会导致复杂性爆炸问题，另一方面，本发明利用基于极限学习机的状态观测器，极限学习机算法在学习速度和泛化能力方面具有更好的计算效率。

公开(公告)号：CN113419427A

公开(公告)日：2021-09-21

申请号：CN202110796612.6

申请日：2021-07-14

Applicant: 南京邮电大学

Inventor： 张忠洋 ,  高志峰 ,  王邢波 ,  赵静 ,  林金星

IPC: G05B13/04

Abstract: 本发明公开了一种基于极限学习机的分散式自适应跟踪控制方法，包括，基于N个子系统的不确定非线性互联系统，利用极限学习机的近似原则建立互联系统模型；根据所述互联系统模型构建基于极限学习机的状态观测器估计状态，得到观测误差；引入辅助系统处理输入饱和，根据动态面控制技术建立跟踪误差方程；结合反演控制技术搭建虚拟控制器和自适应率，得到实际控制器。本发明通过采用动态面控制技术进行跟踪误差的设计，避免了在对虚拟控制器进行重复的微分运算时会导致复杂性爆炸问题，另一方面，本发明利用基于极限学习机的状态观测器，极限学习机算法在学习速度和泛化能力方面具有更好的计算效率。