复杂未建模系统的基于随机逼近的数据驱动控制研究

To meet the needs of control theory development of the new era, data based control method has become a hot spot in control community in recent years. And a lot of new control methods of great theoretical and practical significance have emerged. But they also have such flaws as hard to determine and adaptively adjust the structure and parameters of the controller, lack of proper stability analysis, hard to ensure the convergence, and so on. In order to solve such problems, a simultaneous perturbation stochastic approximation based data-driven control strategy is studied in this project. Adaptive adjustment of controller's structure, weighted adaptive gradient estimation and adaptive gain coefficients are introduced as the innovative strategies.In the mean while, in order to avoid the impact of the disturbance signal of the stochastic approximation algorithm that are added to the controlled system during the parameter estimation process, online neural network identifier are used to do the parameter estimation. So that the new control algorithm can be universally applied to the control of the actual complex unmodeled systems. The concept of ‘data stability’ is proposed here for the stability analysis of the data-driven control algorithm. And this novel control concept is applied to design the flight control system of the small-scale unmanned helicopter and the minimum energy consumption optimization control strategy of the air-conditioning system, so as to make new explorations of practical applications of data-driven control.

为满足新时期控制理论发展的需求，近年来基于数据的控制方法成为了控制界的研究热点，也产生了很多具有重大理论和现实意义的新型控制方法，但现有的基于数据的控制方法仍存在控制器结构和参数难于确定及自适应调整、缺乏完善的稳定性分析证明、收敛性难于保证等缺陷，本课题的研究就面向这些问题展开，基于同步扰动随机逼近来设计数据驱动控制器，并采用加权自适应梯度估计、控制器结构自适应调整和自适应增益系数的策略来对算法进行创新。另外，为避免随机逼近算法在参数估计过程中所加入的扰动信号对被控系统的影响，设计利用在线神经网络辨识器进行控制器参数估计的过程，从而使新型的控制算法能够普遍地应用到实际的复杂未建模系统的控制中去。提出"数据稳定性"的概念来对数据驱动控制进行稳定性分析，并最终利用这种新型的控制理念来设计小型无人直升机飞行控制系统及空调制冷最小能耗的优化控制系统，从而为数据驱动控制在实际中的应用做出新的探索。

建立受控系统的数学模型是现代控制理论应用的基础，但在实际中这仍是一个非常困难的问题，另外，建模花费的成本大，而且建立起的数学模型对原系统作了很多的简化和近似，致使基于该模型设计的控制器在实际应用中往往得不到理想的控制效果。本课题针对现代控制理论的这种本质问题，对不依赖于被控系统模型信息的基于同步扰动随机近似（SPSA）的数据驱动控制策略展开研究。本项目在理论创新及应用研究两个方面开展了工作。理论研究方面，对控制实施过程中的参数估计过程进行了改进，并进行了相关的收敛性分析及证明，从而提高了算法的控制精度并明显改善了算法的控制效果。另外，基于课题组所在实验室已有的小型无人直升机实验平台，对于其他的几种非线性控制方法及其在无人机领域的应用进行了研究，从而为新型数据驱动控制方法在无人机控制领域的应用研究做了良好的铺垫。在应用研究方面，从事了利用新型数据驱动控制理念设计空调制冷最小能耗优化控制系统的研究工作。以课题组所在实验室的空调控制系统相关的实际项目为背景，研发了一种基于SPSA的制冷系统最小能耗的数据驱动控制方法。另外，课题研究中，将新型的数据驱动控制方法应用成功地到了电力系统领域的负荷频率控制中。. 通过本课题的研究，实现了脱离被控系统模型的控制器设计，并且实现了控制器参数和结构的自适应调整。新型的数据驱动控制方法能够满足现代工业对控制质量好、可调参数少、对系统模型信息依赖少且应用范围广泛的控制理论与控制技术的需要，并且能够很好地解决传统控制算法所难于解决的未建模动态对控制系统的影响和对受控系统数学模型的依赖问题。