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！

龙图腾网获悉浙江大学申请的专利针对可测扰动的紧格式无模型自适应扰动补偿控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115598984B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211337292.9，技术领域涉及：G05B13/04；该发明授权针对可测扰动的紧格式无模型自适应扰动补偿控制方法是由卢建刚;陈晨设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本针对可测扰动的紧格式无模型自适应扰动补偿控制方法在说明书摘要公布了：本发明公开了一种针对可测扰动的紧格式无模型自适应扰动补偿控制方法。该方法建立可测扰动作用下被控对象的动态线性化数据模型；构建并求解代价函数，优化更新伪雅克比输入矩阵和伪雅克比扰动矩阵；设计针对可测扰动的紧格式无模型自适应扰动补偿控制方案；构建并求解能量函数，优化更新紧格式自适应输入矩阵和紧格式自适应扰动矩阵；采用本发明的控制方案对可测扰动作用下被控对象进行控制。本发明的控制方法能够明显削弱可测扰动对被控对象系统输出实际值的影响，实现对期望值轨迹的有效跟踪，显著提升扰动补偿控制性能。

本发明授权针对可测扰动的紧格式无模型自适应扰动补偿控制方法在权利要求书中公布了：1.针对可测扰动的紧格式无模型自适应扰动补偿控制方法，所述控制方法运行在硬件平台上对可测扰动作用下的被控对象进行控制，所述被控对象为包含多个控制输入、多个系统输出的多输入多输出系统，所述控制方法的特征在于，包括以下步骤：步骤1：获取k采样时刻的可测扰动，建立可测扰动作用下被控对象的动态线性化数据模型，所述被控对象的动态线性化数据模型包含伪雅可比输入矩阵θk和伪雅可比扰动矩阵χk，所述动态线性化数据模型建立如下：Δyk+1＝θkΔuk+χkΔdk其中，k为采样时刻，k为正整数；yk+1为k+1采样时刻所述被控对象的系统输出实际值向量，yk+1＝[y1k+1,…,ynk+1]T，Δyk+1＝yk+1-yk；n为所述被控对象的系统输出总个数，n为大于1的整数；uk为k采样时刻所述被控对象的控制输入向量，uk＝[u1k,…,umk]T，Δuk＝uk-uk-1；m为所述被控对象的控制输入总个数，m为大于1的整数；dk为k采样时刻所述被控对象受到的可测扰动向量，dk＝[d1k,…,dqk]T，Δdk＝dk-dk-1；q为所述被控对象受到的可测扰动总个数，q为正整数；θk为k采样时刻伪雅可比输入矩阵，χk为k采样时刻伪雅可比扰动矩阵χk；步骤2：构建代价函数并利用函数极值法求解所述代价函数，优化更新步骤1中所述伪雅可比输入矩阵θk和所述伪雅可比扰动矩阵χk，主要包括以下步骤：步骤2.1：为所述伪雅可比输入矩阵θk，构建代价函数Jθk＝||Δyk-θkΔuk-1-χk-1Δdk-1||2+μ1||Δθk||2其中，μ1为第一个权重因子；步骤2.2：为所述伪雅可比扰动矩阵χk，构建代价函数Jχk＝||Δyk-θk-1Δuk-1-χkΔdk-1||2+μ2||Δχk||2其中，μ2为第二个权重因子；步骤2.3：利用函数极值法求解步骤2.1中所述的代价函数，优化更新所述伪雅可比输入矩阵θk， 其中，α1为第一个步长因子；步骤2.4：利用函数极值法求解步骤2.2中所述的代价函数，优化更新所述伪雅可比扰动矩阵χk， 其中，α2为第二个步长因子；步骤3：利用k采样时刻的可测扰动，基于步骤2优化所述伪雅可比输入矩阵θk和所述伪雅可比扰动矩阵χk后的被控对象的动态线性化数据模型，设计针对可测扰动的紧格式无模型自适应扰动补偿控制方案，所述控制方案包含紧格式自适应输入矩阵πck和紧格式自适应扰动矩阵ωck，所述控制方案为：uk＝uk-1-πckek+ωckΔdk其中，ek为k采样时刻所述被控对象的系统误差向量，ek＝y*k-yk，ek＝[e1k,…,enk]T，Δek＝ek-ek-1；πck为k采样时刻紧格式自适应输入矩阵，ωck为k采样时刻紧格式自适应扰动矩阵；步骤4：构建能量函数并利用动量梯度下降法求解所述能量函数，优化更新步骤3中所述紧格式自适应输入矩阵πck和所述紧格式自适应扰动矩阵ωck，主要包括以下步骤：步骤4.1：构建能量函数 其中，y*k+1为k+1采样时刻所述被控对象的系统输出期望值向量，λ为惩罚因子；步骤4.2：利用动量梯度下降法求解步骤4.1中所述的能量函数，优化更新所述紧格式自适应输入矩阵πck， 其中，σ1为第一个学习率，η1为第一个动量因子；Δπck-1＝πck-1-πck-2；为所述能量函数W对πck-1的偏导数；步骤4.3：利用动量梯度下降法求解步骤4.1中所述的能量函数，优化更新所述紧格式自适应扰动矩阵ωck， 其中，σ2为第二个学习率，η2为第二个动量因子；Δωck-1＝ωck-1-ωck-2；为所述能量函数W对ωck-1的偏导数；步骤4.2中所述的所述能量函数W对πck-1的偏导数计算公式为： 步骤4.3中所述的所述能量函数W对ωck-1的偏导数计算公式为： 所述的数学计算公式为：步骤5：采用步骤4优化所述紧格式自适应输入矩阵πck和所述紧格式自适应扰动矩阵ωck后的控制方案对可测扰动作用下被控对象进行控制，削弱可测扰动对被控对象系统输出实际值的影响，实现对系统输出期望值的有效跟踪；在每一个采样时刻k包括以下步骤：步骤5.1：获取当前采样时刻的可测扰动向量dk；步骤5.2：获取当前采样时刻的系统输出期望值向量y*k、系统输出实际值向量yk，计算得到当前采样时刻的系统误差向量ek；步骤5.3：基于步骤5.1和5.2，采用步骤4优化所述紧格式自适应输入矩阵πck和所述紧格式自适应扰动矩阵ωck后的控制方案计算得到当前采样时刻的控制输入向量uk；步骤5.4：所述控制输入向量作用于被控对象后，得到被控对象在下一采样时刻的系统输出实际值向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310027 浙江省杭州市西湖区浙大路38号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。