孫春香, 杜 珺, 李冠軍
(淮南師范學院 金融與數(shù)學學院,安徽 淮南232038)
混沌控制自從1990年由Ott等[1]提出,就受到了廣泛的關(guān)注,因為它在許多領(lǐng)域都具有重要的應(yīng)用前景.學者們給出了很多有效的控制方法,如自適應(yīng)控制[2-3]、反饋控制[4-5]、模糊控制[6-7]、滑??刂疲?-9]、反推控制[10-11]等,并將其應(yīng)用到實際工程技術(shù)中,如擺振控制[12]、機器人控制[13].
滑模控制是基于變結(jié)構(gòu)系統(tǒng)理論的一種控制方法,由于對非線性系統(tǒng)具有很好的魯棒性,并且具有響應(yīng)速度快、暫態(tài)性能好以及對植物參數(shù)變化、外部干擾不敏感等優(yōu)點,從而在工程中得到廣泛的應(yīng)用,吸引了研究者們的注意[14-18].文獻[19]針對具有不可用狀態(tài)的非線性多變量系統(tǒng),采用模糊自適應(yīng)技術(shù)和滑模控制相結(jié)合的方法,設(shè)計了一個穩(wěn)定的自適應(yīng)模糊滑??刂破?在許多混沌系統(tǒng)中,不可避免地會受到未知參數(shù)變化和外界干擾的影響,滑模變結(jié)構(gòu)控制在同步控制器設(shè)計中得到了廣泛應(yīng)用.文獻[20]中研究了具有參數(shù)不確定的2個混沌系統(tǒng)的滑模動態(tài)同步控制方法;文獻[21]研究了不同時變條件下,具有未知參數(shù)的Rossler和Chen混沌系統(tǒng)的魯棒自適應(yīng)同步問題,而文獻[22]則研究了基于滑模觀測器的非線性系統(tǒng)故障診斷問題.
在已有文獻研究的滑??刂浦校蠖鄶?shù)要求系統(tǒng)的狀態(tài)變量是已知的,然而這在實際工程領(lǐng)域是很難實現(xiàn)的.通常情況下,狀態(tài)變量是未知的或部分未知的.因此,上述通過狀態(tài)反饋的控制策略就很難實現(xiàn),所以需要利用觀測器對狀態(tài)變量進行估計,基于觀測器的智能自適應(yīng)滑??刂品椒ㄊ且粋€非常必要的控制策略.
基于上述討論,本文主要研究Genesio系統(tǒng)的自適應(yīng)滑??刂疲跔顟B(tài)變量未知的情況下,構(gòu)造觀測器,對未知變量估計,利用估計值建立滑??刂撇呗?,使得控制系統(tǒng)是指數(shù)漸進穩(wěn)定的,并且觀測器和追蹤誤差是指數(shù)趨于0.
Genesio系統(tǒng)由Genesio和Tesi[23]提出的一類比較典型的非線性混沌系統(tǒng),可以表示為
其中,x1、x2、x3是系統(tǒng)狀態(tài)變量,α1、α2、α3、α4是系統(tǒng)參數(shù).當選擇α1=1.2、α2=2.92、α3=6、α4=1,初值為x1=1、x2=1、x3=-1時,Genesio系統(tǒng)呈現(xiàn)混沌狀態(tài),如圖1所示.對于Genesio混沌系統(tǒng),文獻[24]利用迭代變換法討論了Genesio系統(tǒng)的同步問題,給出了同步流形的穩(wěn)定性的充分條件;文獻[25]提出了自適應(yīng)同步控制方案,基于Lyapunov方法,使2個Genesio-Tesi系統(tǒng)的狀態(tài)漸近同步,給出了基于線性矩陣不等式的控制律存在性判據(jù).
圖1 Genesio系統(tǒng)(1)混沌吸引子Fig.1 The chaotic attractor of Genesio system(1)
2.1 傳統(tǒng)滑??刂破髟O(shè)計 設(shè)計滑模控制器,使混沌Genesio系統(tǒng)(1)的軌跡到達理想信號xd.下面給出一些有用的引理.
定理1對于系統(tǒng)(2),設(shè)計滑模面(3)和滑??刂破鳎?),則存在正常數(shù)k和γ,使得當t→∞時追蹤誤差ei指數(shù)收斂于0,i=1,2,3.
證明由(2)和(3)式可得
從(6)式可知,當t→∞,追蹤誤差是指數(shù)收斂0,并且收斂速度由常數(shù)η確定.
注1滑模函數(shù)(3)和控制器(4)的設(shè)計都依賴于狀態(tài)變量x1、x2、x3.因此,只有當這些狀態(tài)變量是已知的情況下,該控制策略才能實現(xiàn).
為了說明設(shè)計的滑??刂品椒ㄓ行?,對(2)式,假設(shè)理想信號
滑模函數(shù)和控制器分別是(3)和(4)式給出的形式,選擇β1=8、β2=16、γ=4、k=4,從圖2~圖5中可以看出所設(shè)計的滑??刂破髟诨煦缦到y(tǒng)控制中,具有非常好的效果.圖2給出了追蹤信號xi和理性信號xd的狀態(tài)軌跡,可以看出它們在較短的時間內(nèi)就可以達到同步;而圖5中反映了追蹤誤差趨于0.
圖2 理想信號和追蹤信號的狀態(tài)軌跡Fig.2 The state trajectories of ideal signal and tracking signal
圖5 追蹤誤差Fig.5 Tracking error
2.2 基于狀態(tài)觀測器的滑??刂?/p>
2.2.1 狀態(tài)觀測器的設(shè)計 在控制器(4)中,需要知道系統(tǒng)的所有狀態(tài)變量,這在實際問題中是很難實現(xiàn)的,因為系統(tǒng)的狀態(tài)變量大多數(shù)是未知的.為了解決這類問題,用設(shè)計狀態(tài)觀測器來估計系統(tǒng)中的狀態(tài)變量x1、x2、x3,即根據(jù)狀態(tài)變量的觀測值來設(shè)計滑??刂破?,達到控制效果.為了運算方便,在系統(tǒng)(1)中令
圖3 滑模函數(shù)Fig.3 Sliding function
圖4 控制輸入Fig.4 Control input
則估計誤差為
2.2.2 基于觀測器的滑??刂圃O(shè)計
定理2對于系統(tǒng)(2),設(shè)計觀測器(7)和狀態(tài)變量估計值(8),則存在正常數(shù)k、ρ1和η,使得當t→∞時,觀測器(7)是穩(wěn)定的,觀測誤差~ei和追蹤誤差ei指數(shù)收斂于0,i=1,2,3.
證明下面分3部分來討論.
1)設(shè)計觀測器的穩(wěn)定性.構(gòu)造Lyapunov函數(shù)
則
因此,設(shè)計的觀測器(7)是指數(shù)收斂的.
2)觀測誤差是收斂的.假設(shè)控制目標為xd,定義追蹤誤差為
從而當t→∞時,V(t)指數(shù)收斂于0,從而追蹤誤差收斂于0,并且收斂速度由常數(shù)ρ1確定.
注2從(16)式中可以看到,滑模控制器的設(shè)計僅依賴于狀態(tài)變量的估計值,而且能夠使得追蹤控制達到較好的效果,控制系統(tǒng)是指數(shù)穩(wěn)定的,追蹤誤差趨于0.圖6~圖10給出了所設(shè)計的控制策略數(shù)值模擬圖.通過比較可以看出,利用估計值所構(gòu)造的控制器能夠達到實際值一樣的效果.
圖6 狀態(tài)變量估計Fig.6 The state variables estimation
圖10 狀態(tài)估計誤差Fig.10 The state estimation error
圖7 控制輸入Fig.7 The control input
圖8 追蹤軌跡Fig.8 The trajectories of tracking
圖9 滑模函數(shù)估計Fig.9 The estimation of sliding function
為了獲得混沌系統(tǒng)的軌跡跟蹤控制,提出了一種基于狀態(tài)觀測器的自適應(yīng)滑??刂品椒?與傳統(tǒng)的滑??刂圃O(shè)計不同,在研究的方法中,設(shè)計了觀測器對狀態(tài)變量進行估計,滑模面和控制器的構(gòu)造僅依賴于估計值.實踐證明,仍能達到傳統(tǒng)滑??刂破鞯男Ч軌虮WC狀態(tài)變量跟蹤所需的信號,追蹤誤差指數(shù)趨于0.
致謝淮南師范學院自然科學基金重點項目(2019XJZD09)和淮南師范學院微分代數(shù)系統(tǒng)的分析控制及應(yīng)用創(chuàng)新團隊項目(XJTD202008)給予了本文資助,謹致謝意.