基于自学习扰动观测器的不匹配时变不确定系统滑模控制
系统与控制
2021-03-23 v1 系统与控制
摘要
本文提出了一种新颖的滑模控制（SMC）算法，通过新颖的自学习扰动观测器（SLDO）处理系统中的不匹配不确定性。在反馈误差学习框架内开发了计算高效的SLDO，其中常规估计律与神经模糊结构（NFS）并行工作。在该框架中，NFS估计不匹配扰动并成为主导扰动估计器，而前者将学习误差反馈给NFS以学习系统行为。仿真结果表明，与SMC、积分SMC（ISMC）和基于基本非线性扰动观测器的SMC（SMC-BNDO）相比，所提出的基于SLDO的SMC（SMC-SLDO）在不匹配时变不确定性存在时确保了鲁棒控制性能，且在不匹配不确定性缺失时保持标称控制性能。此外，SMC-SLDO不仅抵消不匹配时变不确定性，还改善了存在不匹配时不变不确定性时的瞬态响应性能。而且，为保证系统稳定性，SMC-SLDO的控制器增益只需选取得大于扰动估计误差的上界，而非实际扰动的上界，从而消除了控制信号上的抖振效应。
引用
@article{arxiv.2103.11277,
title = {Sliding Mode Control for Systems with Mismatched Time-Varying Uncertainties via a Self-Learning Disturbance Observer},
author = {Erkan Kayacan},
journal= {arXiv preprint arXiv:2103.11277},
year = {2021}
}