买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明属于智能控制技术领域，提出一种基于元学习的空间飞行器自适应预设性能控制方法。该方法充分考虑了系统的输入饱和问题，设计了一种灵活的预设性能控制器，使系统在满足预设性能指标的同时，有效应对输入饱和的限制。针对标称控制器，采用元学习方法对动力学模型进行离线训练，通过多种仿真情景逼近实际系统的动力学特性，提升模型的精度和泛化能力。根据离线模型，在不同仿真情景下优化控制参数，得到标称控制器的一组最优参数，增强控制系统对各种复杂环境的适应能力，实现更高效、更鲁棒的控制性能。

主权项：1.一种基于元学习的空间飞行器自适应预设性能控制方法，其特征在于，包括以下步骤：第一步：建立空间飞行器的含有扰动项的二阶非线性动力学模型；第二步：基于二阶非线性动力学模型，设计具有灵活边界的预设性能函数，并构造相应的误差转换系统；在保证系统性能的同时，引入辅助变量以处理实际控制系统中常见的输入饱和问题；第三步：根据构造的误差转换系统设计李雅普诺夫函数，同时根据李雅普诺夫函数的导数设计虚拟控制律和控制信号；第四步：根据设计的控制律和系统动力学模型随机生成条对应的轨迹，轨迹中包含m秒内不同扰动下状态变量、、控制律和的数据；通过离散化轨迹数据并选取部分作为训练数据，训练神经网络模型以逼近系统的动力学行为；第五步：定义元训练问题，根据训练后的神经网络模型在线训练得到最佳自适应参数；进一步，所述第一步，建立的含有扰动项的二阶非线性动力学模型如下： 1其中，，是系统的状态变量，是不确定连续非线性函数，是常数且不为0；是非线性二阶系统的扰动项，表示非线性二阶系统的理想控制输入信号，表示相应的实际控制输入信号，表示非线性二阶系统的输出，控制目的为设计控制器实际输入使系统输出跟踪期望输出信号；假设和都是有界的，的一阶导数也有界；此外，控制饱和表示如下： 2式中，表示输入饱和的上界，sgn·表示符号函数；所述第二步具体如下：定义误差变量，构造预设性能函数： 3其中，，，，是待设计的正参数，分别为初始性能指标的值、稳定时的性能指标值、预设时间、调整系数；表示时间，表示双曲正切函数，并构造误差转换系统： 4其中，表示辅助变量，和表示误差的下界和上界，定义为，和分别表示误差信号的上界和下界，，表示误差的初值，表示单位列向量，定义为，表示用于调节系统的动态响应的矩阵或向量，定义为，表示系统调节参数；辅助变量的更新律设计为： 5其中，，，和为正的设计参数，用于调节辅助系统的动态响应；所述第三步，根据含有扰动项的非线性二阶系统，定义误差变量，其中，表示待设计的虚拟控制量；根据误差、构造李雅普诺夫函数： 6对李雅普诺夫函数求导，得到 7其中， 8根据李雅普诺夫函数设计出的控制律表达为： 9其中，，表示为待设计的正参数；所述第四步，将第三步获得的控制律作为标称控制器，根据标称控制器生成m秒的光滑轨迹，总共条，每一条轨迹的状态量初值不同；为了引入不同类型的扰动，设置了种扰动方案，进而总共需要生成条参考轨迹；定义第种扰动下的轨迹数据集为，该集合包含一系列时刻，状态变量，参数，控制输入以及更新后的状态变量，k表示离散时序；通过离散化从所有扰动方案中选择条作为离线训练的数据集，定义训练集为；训练一个深度神经网络模型，使其能够通过学习条轨迹的输入-输出数据，精确拟合并逼近系统的非线性动力学特性，其中表示深度神经网络的参数集合；这一训练过程的目标定义如下： 10其中，表示参考轨迹中的j条，、分别表示状态量、的估计值；所述第五步，定义自适应控制器待优化参数，其中分别表示自适应律的更新律中的参数和自适应律增益；元学习的目标是通过离线优化过程，找到一组最优的控制器参数，使得在不同的轨迹和扰动条件下，自适应控制器都能表现良好；训练参数的最优目标为： 11其中，表示不同的标称轨迹，每一个标称轨迹对应一个独立的任务，表示在每个参考轨迹下收集到的不同扰动条件下的轨迹数据；表示标称轨迹的时间区间；表示元学习损失函数的正则化系数，表示元正则化系数，表示自适应项，表示自适应更新函数，表示加入自适应项后的实际控制律函数；优化后，得到一组最优的控制参数。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于元学习的空间飞行器自适应预设性能控制方法