六轴振动台的扰动观测方法、系统及抗扰控制方法

本发明属于运动实时控制领域，具体涉及一种六轴振动台的扰动观测方法、系统及抗扰控制方法。

背景技术：

1、当今高速列车不断发展，车桥耦合问题的研究日益凸显其重要性。特别是在地震等极端情况下，列车与桥梁结构的相互作用，已经逐步成为研究人员的关注重点。为了提高结构的抗震性能并探索其解决方案，实时混合试验（real-time hybrid simulation,rths）应运而生。rths技术不仅仅能模拟列车在桥梁上的振动反应，而且能够提供复杂动态系统中列车与轨道实时相互作用的模拟，这对于改善车桥耦合作用下的结构抗震性能具有重要指导意义。

2、在rths中，试验对象通常分为数值子结构和试验子结构，数值子结构通常包括易于进行数值分析但难以试验的部分，如轨道桥梁模型；试验子结构则通常是列车模型等。以车桥耦合模型为例，rths通过实时测量列车模型的位移、速度、力等信息，代入数值桥梁模型实时计算振动台下一时刻的期望响应，然后通过振动台实时给予列车模型激励，从而形成闭环。实时混合试验的稳定性和可信度，很大程度上受振动台是否能够准确高精度地追踪输入信号的影响。相较于单自由度振动台，六自由度振动台可模拟列车运动的多自由度响应，适用于更真实的列车运动模型。

3、目前，传统的针对六自由度振动台的控制方案，其在控制过程中并未充分考虑六自由度振动台的不确定性与扰动，同时也未针对性的进行对应的控制分析及应对，这使得现有的方案在控制过程中，依旧存在控制可靠性差、控制精确度低的问题。

技术实现思路

1、本发明的目的之一在于提供一种可靠性高且精确性好的六轴振动台的扰动观测方法。

2、本发明的目的之二在于提供一种实现所述六轴振动台的扰动观测方法的系统。

3、本发明的目的之三在于提供一种包括了所述六轴振动台的扰动观测方法的抗扰控制方法。

4、本发明提供的这种六轴振动台的扰动观测方法，包括如下步骤：

5、s1. 获取目标六轴振动台的数据信息；

6、s2. 将目标六轴振动台的非线性因素、不确定因素和外部干扰视为总扰动，基于步骤s1获取的数据信息，构建目标六轴振动台的扩张状态观测器，并基于扩张状态观测器的输出结果实现总扰动的初步抑制；

7、s3. 基于步骤s2构建的扩张状态观测器和模糊神经网络，构建目标六轴振动台的模糊神经网络辨识器和模糊神经扰动观测器，并设定模糊神经网络辨识器和模糊神经扰动观测器的启停规则；

8、s4. 根据目标六轴振动台的扩张状态观测器的实时数据，对模糊神经网络辨识器和模糊神经扰动观测器进行训练；

9、s5. 采用训练后的模糊神经扰动观测器，完成目标六轴振动台的扰动观测。

10、步骤s2所述的将目标六轴振动台的非线性因素、不确定因素和外部干扰视为总扰动，具体包括如下步骤：

11、将目标六轴振动台的非线性因素、不确定因素和外部干扰视为总扰动，从而确定传递函数表示为：式中为此系统的输出；为包括总扰动在内的实际系统模型，且，为系统的数值模型，为扰动量；为系统的控制输入；为系统的不确定性；

12、将传递函数转换为如下形式：式中为系统的总扰动；

13、若能够完全消除，则传递函数能够简化为标称模型。

14、步骤s2所述的构建目标六轴振动台的扩张状态观测器，具体包括如下步骤：

15、基于自抗扰原理，设计扩张状态观测器，用于观测系统的总扰动；

16、基于观测得到的系统总扰动，设计自抗扰控制律为，其中为未经过扰动抑制的输入。

17、步骤s3所述的构建目标六轴振动台的模糊神经网络辨识器和模糊神经扰动观测器，具体包括如下步骤：

18、基于模糊神经网络，构建目标六轴振动台的模糊神经网络辨识器；所述的目标六轴振动台的模糊神经网络辨识器用于对扩张状态观测器进行拟合；

19、基于模糊神经网络，构建目标六轴振动台的模糊神经扰动观测器；模糊神经扰动观测器为多输入单输出的模糊神经网络，用于代替扩张状态观测器进行扰动观测，并在观测到扰动后通过负反馈调节机制对扰动进行抑制；

20、模糊神经扰动观测器的参数通过模糊神经网络辨识器的训练而得到。

21、步骤s3所述的构建目标六轴振动台的模糊神经网络辨识器和模糊神经扰动观测器，具体包括如下步骤：

22、构建的目标六轴振动台的模糊神经网络辨识器包括依次串接的输入层、隶属度函数层、模糊规则适应度层、归一化层和网络输出层；输入层的输入包括扩张状态观测器的输出值与实际值之间的差值、差值的微分值和控制信号 u；网络输出层的输出为所拟合扩展状态观测器输出的增量；网络输出层的处理过程表示为，其中为输出权重，为归一化层的输出结果；

23、构建的目标六轴振动台的模糊神经扰动观测器包括依次串接的输入层、隶属度函数层、模糊规则适应度层、归一化层和网络输出层；网络输出层的输出为所观测的系统总扰动增量；网络输出层的处理过程表示为，其中为输出权重，为归一化层的输出。

24、步骤s3所述的设定模糊神经网络辨识器和模糊神经扰动观测器的启停规则，具体包括如下步骤：

25、对扩张状态观测器输出的总扰动与模糊神经网络辨识器的输出值的差值设计判别函数；对判别函数的值进行判断，从而设置扩展状态观测器的反馈增益和模糊神经扰动观测器的反馈增益：

26、若，则设定设置且，此时采用扩张状态观测器的输出数据对模糊神经网络辨识器进行训练，每次训练完成后进行下一轮次的差值的判断，并且在模糊神经网络辨识器中输入数据用于训练网络参数和下一轮次的调节；

27、若，则设置且，此时关闭扩张状态观测器，将在模糊神经网络辨识器中的参数传递到模糊神经扰动观测器，并直接采用模糊神经扰动观测器进行扰动观测，后续模糊神经扰动观测器将进行自我训练。

28、步骤s4所述的训练，具体包括如下步骤：

29、采用如下算式函数作为模糊神经网络辨识器的损失函数，且以eso为依据，并进行训练：式中为模糊神经网络辨识器的输出；为扩张状态观测器的输出；

30、采用如下算式函数作为模糊神经扰动观测器的损失函数 e，且 e以标称模型为依据，并进行训练：式中y为标称模型的输出；为实际系统的输出。

31、本发明还提供了一种实现所述六轴振动台的扰动观测方法的系统，包括数据获取模块、第一构建模块、第二构建模块、训练模块和观测模块；数据获取模块、第一构建模块、第二构建模块、训练模块和观测模块依次串联；数据获取模块用于获取目标六轴振动台的数据信息，并将数据信息上传第一构建模块；第一构建模块用于根据接收到的数据信息，将目标六轴振动台的非线性因素、不确定因素和外部干扰视为总扰动，构建目标六轴振动台的扩张状态观测器，并基于扩张状态观测器的输出结果实现总扰动的初步抑制，并将数据信息上传第二构建模块；第二构建模块用于根据接收到的数据信息，基于构建的扩张状态观测器和模糊神经网络，构建目标六轴振动台的模糊神经网络辨识器和模糊神经扰动观测器，并设定模糊神经网络辨识器和模糊神经扰动观测器的启停规则，并将数据信息上传训练模块；训练模块用于根据接收到的数据信息，根据目标六轴振动台的扩张状态观测器的实时数据，对模糊神经网络辨识器和模糊神经扰动观测器进行训练，并将数据信息上传控制模块；观测模块用于根据接收到的数据信息，采用训练后的模糊神经扰动观测器，完成目标六轴振动台的扰动观测。

32、本发明还提供了一种包括所述的六轴振动台的扰动观测方法的抗扰控制方法，还包括如下步骤：

33、s6. 根据步骤s5实时观测得到的目标六轴振动台的扰动，实时完成目标六轴振动台的抗扰控制。

34、本发明提供的这种六轴振动台的扰动观测方法、系统及抗扰控制方法，通过扩张状态观测器观测系统总扰动并消除，使系统特性与标称模型一致，然后通过扩张状态观测器的输出数据训练模糊神经网络辨识器，当系统误差足够小时，将训练好的模糊神经网络辨识器参数导入至模糊神经扰动观测器中，以模糊神经扰动观测器代替扩张状态观测器，并通过系统的控制误差进一步训练模糊神经扰动观测器，进而实现系统的扰动观测和扰动控制，最终提升系统的追踪性能；因此本发明的可靠性更高，而且精确性更好。