【MFAC】基于紧格式动态线性化的无模型自适应控制(Matlab代码)

例题来源:侯忠生教授的《无模型自适应控制:理论与应用》(2013年科学出版社)。

👉对应书本 4.2 单输入单输出系统(SISO)紧格式动态线性化(CFDL)的无模型自适应控制(MFAC)

例题4.1

题目要求

在这里插入图片描述

matlab代码

clc; clear all;

%% 期望轨迹
for k = 1:1:1000
    if k<=300
        yd(k) = 0.5*(-1)^round(k/500);
    elseif 300<k & k<=700
        yd(k) = 0.5*sin(k*pi/100)+0.3*cos(k*pi/50);
    else
        yd(k) = 0.5*(-1)^round(k/500);
    end
end
 
plot(1:1000, yd,'r');
ylim([-1.5,1.5]);
hold on

%% MFAC参数设置
epsilon = 1e-5; % 伪偏导重置阈值
eta = 1; % 伪偏导增益
miu = 2; % 伪偏导步长
rho = 0.6; % 控制律增益
lambda = 2; % 控制律步长
u(1:2)=0;
y(1)=-1;
y(2)=1;
phi(1)=2;

for k = 2:1:999
    %% 伪偏导更新
    if k==2
        delta_u = 0;
    else
        delta_u = u(k-1) - u(k-2);
    end
    phi(k) = phi(k-1) + eta * delta_u * (y(k) - y(k-1)- phi(k-1) * delta_u)/(miu + delta_u^2);
    % 伪偏导重置
    if abs(phi(k))<=epsilon | abs(delta_u)<= epsilon | sign(phi(k))~=sign(phi(1))
        phi(k) = phi(1);
    end
    
    %% 控制律更新
    u(k) = u(k-1) + rho*phi(k)*(yd(k+1)-y(k)) / (lambda + phi(k)^2);
    
    %% 系统函数
    if k<=500
        y(k+1) = y(k)/(1+y(k)^2) + u(k)^3;
    else
        y(k+1) = ((y(k)*y(k-1)*y(k-2)*u(k-1)*(y(k-2)-1)+round(k/500)*u(k)))/(1+y(k-1)^2+y(k-2)^2);
    end  
end

plot(1:1000, y,'b');
ylim([-1.5,1.5]);
legend('y_d','y');

运行结果

λ \lambda λ 为 2 时:
在这里插入图片描述

λ \lambda λ 为 0.1 时:
在这里插入图片描述

不同 λ \lambda λ 对比:
在这里插入图片描述

λ \lambda λ 减小,闭环响应速度变快,但超调也变大。

仔细观察一下书上的图4.1(a),运行结果和书本的不太一样,原因是书本给的期望输出信号公式中的 r o u n d ( k / 500 ) round(k/500) round(k/500) 实际上用了 r o u n d ( k / 100 ) round(k/100) round(k/100) ,估计是笔误,不过这些都是小问题啦,例题只是用来帮助理解原理的,参数变了没关系!

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

例题4.2

题目要求

在这里插入图片描述

在这里插入图片描述

matlab代码

clc; clear all;

%% 期望轨迹
for k = 1:1:1000
    if k<=300 | k> 700
        yd(k) = 5*sin(k*pi/50) + 2*cos(k*pi/100);
    else
        yd(k) = 5*(-1)^round(k/100);
    end
end
 
plot(1:1000, yd,'r');
ylim([-1.5,1.5]);
hold on

%% MFAC参数设置
epsilon = 1e-5; % 伪偏导重置阈值
eta = 1; % 伪偏导步长
miu = 2; % 伪偏导权重
rho = 0.6; % 控制律步长
lambda = 2; % 控制律权重
u(1:2)=0;
y(1)=-1;
y(2)=1;
phi(1)=2;

for k = 2:1:999
    %% 伪偏导更新
    if k==2
        delta_u = 0;
    else
        delta_u = u(k-1) - u(k-2);
    end
    phi(k) = phi(k-1) + eta*delta_u*(y(k)-y(k-1)-phi(k-1)*delta_u)/(miu + delta_u^2);
    % 伪偏导重置
    if abs(phi(k))<=epsilon | delta_u<= epsilon | sign(phi(k))~=sign(phi(1))
        phi(k) = phi(1);
    end
    
    %% 控制律更新
    u(k) = u(k-1) + rho*phi(k)*(yd(k+1)-y(k)) / (lambda + phi(k)^2);
    
    %% 系统函数
    if k==2
        y(k+1) =0;
    elseif k<=500
        y(k+1) = 5*y(k)*y(k-1)/(1+y(k)^2+y(k-1)^2+y(k-2)^2) + u(k) + 1.1*u(k-1);
    else
        y(k+1) = 2.5*y(k)*y(k-1)/(1+y(k)^2+y(k-1)^2)+1.2*u(k)+1.4*u(k-1)+0.7*sin(0.5*(y(k)+y(k-1)))*cos(0.5*(y(k)+y(k-1)));      
    end  
end

plot(1:1000, y,'b');
ylim([-15,15]);
legend('y_d','y');

运行结果

λ \lambda λ 为 2 时:

在这里插入图片描述

λ \lambda λ 为 0.1 时:

在这里插入图片描述

  • 5
    点赞
  • 40
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不雨_亦潇潇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值