无限时域随机非线性系统的自适应预定义时间控制:一种应用于船舶操纵系统的动态阈值策略
《ISA Transactions》:Adaptive prescribed-time control for stochastic nonlinear systems over infinite horizon: A dynamic threshold strategy with application to ship maneuvering systems
【字体:
大
中
小
】
时间:2026年09月30日
来源:ISA Transactions 6.6
编辑推荐:
• 针对无限时间范围下的随机非线性系统,研究了预定时控制问题。• 动态阈值机制使得时间-精度性能的灵活设计成为可能。• 通过时变非对称障碍李雅普诺夫函数保证输出约束。• 在船舶操纵系统上的仿真验证了所提方法的有效性。• 本研究解决了一类随机非线性系统的预定时控制挑战。引言非线
• 针对无限时间范围下的随机非线性系统,研究了预定时控制问题。• 动态阈值机制使得时间-精度性能的灵活设计成为可能。• 通过时变非对称障碍李雅普诺夫函数保证输出约束。• 在船舶操纵系统上的仿真验证了所提方法的有效性。• 本研究解决了一类随机非线性系统的预定时控制挑战。引言非线性且具有随机扰动和建模不确定性的系统在工程实践中经常出现,其中自适应模糊/神经控制已被广泛用于应对系统非线性问题[1]、[2]、[3]、[4]、[5]。然而,在实际场景中,随机扰动如大气湍流、电磁干扰、功率波动和环境变化普遍存在且不可避免[6]、[7]、[8]、[9]。这些扰动不可忽略,且会显著降低系统性能,尤其在闭环控制系统中。然而,尽管已对非线性系统的自适应模糊/神经控制进行了大量研究,现有结果大多仍依赖于系统动力学方面的严格假设,且未能在统一控制框架中充分考虑随机扰动[10]、[11]、[12]、[13]。为缓解这些局限,文献中提出了一些改进的模糊/神经控制策略。高等人[14]证明了模糊逻辑系统在管理复杂非线性系统和减轻由系统复杂性引起的控制挑战方面的有效性。斯等人[15]通过构建动态评析器-执行器结构,进一步拓展了模糊逻辑系统的应用范围。张等人[16]提出了一种控制器分析的新方法,将模糊逻辑系统的自适应能力与李雅普诺夫-克拉索夫斯基方法的稳定性分析相结合。尽管上述控制策略均考虑了无限时间范围内的期望动态行为特性,但这些研究未充分考虑系统的收敛时间。在控制理论领域,收敛时间是评估控制系统性能的关键指标之一,关系到系统响应的速度和实时能力。巴特等人[17]通过将收敛时间引入稳定性分析,建立了有限时间稳定性(FTS)定理,该成果被哈里普里亚等人[18]推广到时延复杂网络。此外,余等人[19]为随机非线性系统的固定时间控制奠定了理论基础,其中收敛时间独立于初始条件。这一思想已得到广泛应用[20]、[21]、[22]。为进一步允许收敛时间由用户预设,发展出了预定时控制[23]、[24]、[25]、[26]。克里希纳穆尔蒂等人[27]研究了严格反馈非线性系统中的预定时控制问题。然而,该研究对控制增益和不确定性施加了严格约束。罗等人[28]为受失配且非衰减不确定性影响的严格反馈系统开发了一种具有有界时变增益的实用预定时跟踪控制方案。毛等人[29]研究了不确定严格反馈非线性系统的全局预定时规定性能控制,通过引入预定时性能函数和误差变换来消除初始值限制和奇异性问题。然而,上述结果主要针对确定性不确定非线性系统建立。当涉及伊藤随机动力学时,未知的扩散项会在李雅普诺夫分析中产生额外的修正项,确定性的预定时或规定性能论证无法直接适用。此外,在随机扰动下需要同时保证预定时跟踪、用户指定的跟踪精度和非对称输出约束保持。这些问题促使本文发展了随机预定时约束控制框架。此外,对于具有未知漂移项和扩散项的随机系统,稳态误差在有限时间内收敛到原点附近的一个小邻域内,而非严格收敛到零。赵等人[30]为直流-直流降压变换器开发了一种有限时间切换控制算法,成功实现了跟踪误差收敛到预定邻域,但忽略了输出约束问题。在实际工程系统中,非线性动力学和未知参数普遍存在,此类不确定性可能导致性能下降甚至安全相关故障,尤其在外部扰动下。在约束系统输出的框架内,针对这一情况已提出大量精细化成果以解决稳定化问题[31]、[32]、[33]。然而,上述方法存在一个关键的共同局限,即稳态误差的最终大小取决于系统中的未知常数。这导致稳态阶段结束后系统控制精度仍然未知且不确定,难以满足高精度工业场景的应用需求。因此显然,实现预定时收敛(即在具有未知非线性的随机系统中同时满足输出约束和显式可分配的跟踪精度)已成为控制理论和工程领域中亟待解决的关键问题。考虑一类在不确定海洋环境中运行的船舶或水下车辆系统进行轨迹跟踪控制。目标是在预定的时间区间内实现精确跟踪,同时确保系统输出保持在预定义的非对称安全约束内。与此同时,系统持续受到随机海洋扰动、执行器动力学和传感器噪声的影响。这构成了一类耦合的随机跟踪控制问题,需要在同一动态过程中同时满足预定时性能要求、非对称输出约束和随机扰动。在此设置下,改善瞬态收敛可能导致约束违反,而强制执行严格约束则可能在随机扰动下降低收敛性能,使控制设计具有内在矛盾性。为应对这些挑战,本文为所考虑的系统发展了一种统一的随机预定时约束控制框架。本文的主要研究贡献总结如下。1. 为具有非对称输出约束的随机非线性系统开发了一种自适应预定时约束控制框架。与[28]中的确定性预定时控制结果和[29]中的预定时规定性能控制结果不同,所考虑的系统由具有未知漂移项和扩散项的伊藤随机动力学支配。扩散引起的修正项在伊藤-李雅普诺夫分析中被显式考虑,使所提出的设计适用于随机系统而非仅确定性不确定系统。2. 受[34]中动态阈值预定时机制的启发,为具有输出约束的随机非线性系统建立了一种自适应预定时控制框架。不同于[34]中的确定性设置,布朗运动驱动的扩散项会在伊藤微分中引入随机积分项和额外的二阶修正项。这使得确定性的预定时论证无法直接适用于概率稳定性的建立。本文在伊藤-李雅普诺夫分析中显式考虑了这些随机效应,建立了概率有界性,同时跟踪误差在预定时间内进入用户指定的精度邻域。3. 动态面控制和指令滤波技术已被广泛用于克服反步法设计中的复杂度爆炸问题[3]、[7]。然而,现有结果通常未处理指令滤波误差、随机扩散项、预定时精度分配和输出约束之间的相互作用。为弥补这一空白,在所提出的随机预定时约束控制框架中引入了神经网络逼近和有界指令滤波。滤波误差被嵌入到补偿动力学中并在伊藤-李雅普诺夫分析中显式考虑,确保了所有闭环信号的概率有界性。节选内容预备知识引理1[4] 对于定义在紧集Ξ?Rq上的任意连续函数f(χ)和任意给定的逼近精度ε>0,存在一个具有足够大节点数l的径向基函数神经网络(RBFNN),使得f(χ)=Ψ?TW(χ)+ε~(χ),|ε~(χ)|≤ε,其中Ψ?∈Rl为最优神经网络权重向量,W(χ)=[W1(χ),…,Wl(χ)]T为高斯基函数向量,ε~(χ)表示逼近误差。最优权重向量定义为Ψ?=argminΨ∈Rlsupχ∈Ξ|f(χ)?ΨTW(χ)|。每个高斯基函数为设计过程首先,我们引入以下变换:z1=e1H(?(t)),zi=xi?α~i?1,i=2,…,n,其中α~i?1表示一阶Levant微分器的输出。然后,选择以下有界有限时间指令滤波器:{α~˙i=?λi1|α~i?αi|1/2sign(α~i?αi)+ψi2,ψ˙i2=?λi2sign(ψi2?α~˙i),其中αi表示输入,λi1、λi2为正常数,且存在?i>0满足|α~i?αi|≤?i,参见文献[1]。此外,定义补偿跟踪误差信号ξi=zi?δi,其动力学为{dδ1=?主要结果定理1 必须考虑随机非线性系统(6)。实施自适应控制器(21)、(34)、(37)和实际控制器(10)可实现以下成果:1. 闭环系统概率有界。2. 输出在有限时间内跟踪参考信号yr,跟踪误差在用户可指定的时间T内收敛到|e1(t)|(其中?、t由用户定义)。证明。(1)利用引理2,可得?c11γ1ξ14≤?4c11[?(ξ1)4logφ14φ14?ξ14+1??(ξ仿真示例示例1 令x1=h,x2=r,u=gca,g2=d。船舶操纵动力学可改写为{dx1=x2dt,dx2=(u?1cx2?ncx23)dt+x22dω,其中c=0.1s,g=0.1s?1。在仿真中,期望轨迹选择为yr=0.5sin(0.5t)。仿真中指定的扩散强度仅用于生成随机样本路径。所提出的控制器不需要其精确信息。此外,参考轨迹受时变输出约束约束,定义为?1=0.5sin(0.5t)+exp(?2t)+结论本文旨在提出一种新颖的动态阈值策略,在输出约束下实现预定时跟踪。与传统的预定时跟踪控制方法相比,所设计的预定时控制方案保证了稳态时间和跟踪精度可根据实际需求预先设定。此外,它使系统在预定时结束后能够继续运行。此外,对系统的严格约束credit作者贡献声明袁翼轩:撰写——初稿、方法论、概念化。解丽萍:撰写——审阅与编辑、监督、项目管理、资金获取。赵俊生:撰写——审阅与编辑、调查研究。张坎坚:监督、概念化。利益冲突声明作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢本工作部分得到国家自然科学基金(资助号62372104)、中央高校基本科研业务费(资助号2242026rcb0009)、东南大学前沿海洋研究院重点项目基金(资助号kp202402)、江苏省研究生研究与实践创新计划(资助号kycx25_0480)以及东南大学创新能力部分资助。袁翼轩|解丽萍|赵俊生|张坎坚 令x1=>?(其中?、t由用户定义)。证明。(1)利用引理2,可得?c11γ1ξ14≤?4c11[?(ξ1)4logφ14φ14?ξ14+1??(ξ仿真示例示例1 令x1=h,x2=r,u=gca,g2=d。船舶操纵动力学可改写为{dx1=x2dt,dx2=(u?1cx2?ncx23)dt+x22dω,其中c=0.1s,g=0.1s?1。在仿真中,期望轨迹选择为yr=0.5sin(0.5t)。仿真中指定的扩散强度仅用于生成随机样本路径。所提出的控制器不需要其精确信息。此外,参考轨迹受时变输出约束约束,定义为?1=0.5sin(0.5t)+exp(?2t)+结论本文旨在提出一种新颖的动态阈值策略,在输出约束下实现预定时跟踪。与传统的预定时跟踪控制方法相比,所设计的预定时控制方案保证了稳态时间和跟踪精度可根据实际需求预先设定。此外,它使系统在预定时结束后能够继续运行。此外,对系统的严格约束credit作者贡献声明袁翼轩:撰写——初稿、方法论、概念化。解丽萍:撰写——审阅与编辑、监督、项目管理、资金获取。赵俊生:撰写——审阅与编辑、调查研究。张坎坚:监督、概念化。利益冲突声明作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢本工作部分得到国家自然科学基金(资助号62372104)、中央高校基本科研业务费(资助号2242026rcb0009)、东南大学前沿海洋研究院重点项目基金(资助号kp202402)、江苏省研究生研究与实践创新计划(资助号kycx25_0480)以及东南大学创新能力部分资助。袁翼轩|解丽萍|赵俊生|张坎坚>
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号