網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的軟件測(cè)試策略的研究及自適應(yīng)模糊控制的dc電動(dòng)機(jī)使用狀態(tài)和輸出反饋

網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的軟件測(cè)試策略的研究摘要：網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)是當(dāng)前互聯(lián)網(wǎng)最流行的基于大數(shù)據(jù)的軟件系統(tǒng)之一；對(duì)網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)進(jìn)行嚴(yán)格測(cè)試是保證其質(zhì)量的重要手段。首先介紹軟件測(cè)試的通用的基本理論和基本方法；然后以公司的運(yùn)營(yíng)統(tǒng)計(jì)系統(tǒng)軟件測(cè)試為案例，研究了大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)軟件的特點(diǎn)；提出了一種基于經(jīng)驗(yàn)反饋的軟件測(cè)試模型，并分析了該模型的特點(diǎn)；最后提出了一套適用于網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)軟件測(cè)試的策略。關(guān)鍵詞：網(wǎng)站統(tǒng)計(jì)；軟件測(cè)試；大數(shù)據(jù)；黑盒測(cè)試；白盒測(cè)試0引言 網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)，是用來(lái)統(tǒng)計(jì)和分析一個(gè)web站點(diǎn)的使用情況，而對(duì)該系統(tǒng)的測(cè)試，它既有一般軟件測(cè)試的特點(diǎn)即找bug，也有著一般軟件系統(tǒng)不一樣的特點(diǎn)，即找數(shù)據(jù)相關(guān)性而不是找準(zhǔn)確的因果性，即它的模糊性。本文首先介紹了軟件測(cè)試的基本理論和基本方法，然后以本公司的運(yùn)維統(tǒng)計(jì)系統(tǒng)軟件測(cè)試為案例，研究網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的特點(diǎn)，提出了一種基于經(jīng)驗(yàn)反饋的軟件測(cè)試模型，并分析了該模型的特點(diǎn)；最后提出一套適用于網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的軟件測(cè)試的模型。1軟件測(cè)試方法 軟件測(cè)試在軟件生存期中占有非常突出的重要地位，也是保證軟件質(zhì)量的重要手段。1983年IEEE提出的軟件工程標(biāo)準(zhǔn)術(shù)語(yǔ)中給軟件測(cè)試下的定義是：使用人工或自動(dòng)手段來(lái)運(yùn)行或測(cè)定某個(gè)系統(tǒng)的過(guò)程，其目的在于檢驗(yàn)它是否滿足規(guī)定的需求或是弄清預(yù)期結(jié)果與實(shí)際結(jié)果之間的差別。 從其貫穿軟件生命周期全過(guò)程來(lái)看，軟件測(cè)試可分為單元測(cè)試、集成測(cè)試、確認(rèn)測(cè)試等階段。從是否運(yùn)行被測(cè)程序來(lái)看，軟件測(cè)試可分為靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試。從是否關(guān)注被測(cè)程序結(jié)構(gòu)來(lái)看，軟件測(cè)試還可以分為黑盒測(cè)試和白盒測(cè)試，幾種分類方法是從不同角度來(lái)劃分的，在實(shí)際的工作中它們是交織在一起的，比如在單元測(cè)試階段要先進(jìn)行靜態(tài)測(cè)試，后進(jìn)行動(dòng)態(tài)測(cè)試，靜態(tài)測(cè)試的時(shí)候又有基于程序結(jié)構(gòu)的白盒測(cè)試，動(dòng)態(tài)測(cè)試時(shí)要進(jìn)行黑盒測(cè)試和白盒測(cè)試。本文主要從黑盒、白盒分類方法討論軟件測(cè)試。黑盒測(cè)試黑盒測(cè)試又叫功能測(cè)試、數(shù)據(jù)驅(qū)動(dòng)測(cè)試或基于規(guī)格說(shuō)明的測(cè)試。這種方法是把測(cè)試對(duì)象看作一個(gè)打不開的黑盒子，測(cè)試人員完全不考慮被測(cè)程序內(nèi)部的邏輯結(jié)構(gòu)和內(nèi)部特性，只依據(jù)程序的需求規(guī)格說(shuō)明書考慮確定測(cè)試用例，檢查程序的功能是否符合它的功能說(shuō)明。黑盒測(cè)試的測(cè)試用例設(shè)計(jì)方法主要有以下幾種：等價(jià)類劃分方法、邊界值分析法、因果圖法、判定表驅(qū)動(dòng)分析方法、正交實(shí)驗(yàn)設(shè)計(jì)方法、錯(cuò)誤推測(cè)法。白盒測(cè)試軟件的白盒測(cè)試又稱為結(jié)構(gòu)測(cè)試、邏輯驅(qū)動(dòng)測(cè)試或基于程序的測(cè)試。它允許測(cè)試?yán)贸绦騼?nèi)部的邏輯結(jié)構(gòu)及有關(guān)信息，設(shè)計(jì)或選擇測(cè)試用例，對(duì)程序所有邏輯路徑進(jìn)行測(cè)試。程序結(jié)構(gòu)分析。白盒測(cè)試的主要依據(jù)是程序的結(jié)構(gòu)形式。程序結(jié)構(gòu)分析主要有以下方法：控制流分析、數(shù)據(jù)流分析、信息流分析、編碼規(guī)則檢查、LCSAJ分析等。邏輯覆蓋。白盒測(cè)試要求對(duì)某些程序的結(jié)構(gòu)特性做到一定程序的覆蓋，或者說(shuō)是“基于覆蓋的測(cè)試”。最為常見的程序結(jié)構(gòu)覆蓋有：語(yǔ)句覆蓋、判定覆蓋、條件覆蓋、判定/條件覆蓋、分支條件組合覆蓋、修正條件/判定覆蓋。網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的特點(diǎn)網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)，是用來(lái)統(tǒng)計(jì)和分析一個(gè)web站點(diǎn)的使用情況，以往都是人工統(tǒng)計(jì)或者基于后臺(tái)服務(wù)器端代碼的統(tǒng)計(jì)，又或者使用google統(tǒng)計(jì)系統(tǒng)或者是baidu統(tǒng)計(jì)系統(tǒng)。而本統(tǒng)計(jì)系統(tǒng)也是采用google統(tǒng)計(jì)類似的原理，基于JavaScript的事件捕獲機(jī)制，每當(dāng)有用戶在web站點(diǎn)上進(jìn)行任何操作，都會(huì)觸發(fā)系統(tǒng)內(nèi)置的腳本統(tǒng)計(jì)模塊，然后統(tǒng)計(jì)模塊會(huì)將當(dāng)前用戶的操作發(fā)送給大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)，而大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)負(fù)責(zé)整個(gè)web站點(diǎn)頁(yè)面或功能或按鈕的統(tǒng)計(jì)和分析，并以圖表的形式展現(xiàn)出來(lái)。該系統(tǒng)有如下幾個(gè)特點(diǎn)：典型的Web站點(diǎn)，具有很高的并發(fā)性多終端性，用戶可能是IE，也可能是firefox，也可能是chrome，還可能是safari，而且每個(gè)瀏覽器的版本還可能不一致，這就給我們的測(cè)試工作帶來(lái)了很多的不確定性。數(shù)據(jù)的海量性，數(shù)據(jù)有可能是GB級(jí)別，也可能是TB級(jí)別，也可能是PB級(jí)別，主要取決于網(wǎng)站規(guī)模的大小和使用量的大小。實(shí)時(shí)性要求并不高。前臺(tái)是多用戶在并發(fā)操作，后臺(tái)是隊(duì)列寫入數(shù)據(jù)，并延遲統(tǒng)計(jì)，最終要的結(jié)果可能是某一個(gè)結(jié)論：用戶對(duì)并不習(xí)慣操作該功能。所以單條的數(shù)據(jù)對(duì)整體的結(jié)論的影響微乎其微。數(shù)據(jù)的準(zhǔn)確性要求不嚴(yán)格。既然對(duì)全部數(shù)據(jù)作分析所以就不怕數(shù)據(jù)中有錯(cuò)誤數(shù)據(jù)的干擾2+2=3.9也是挺好的3、網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的軟件測(cè)試策略研究3.1基于經(jīng)驗(yàn)反饋的軟件測(cè)試模型通過(guò)對(duì)網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)軟件測(cè)試的實(shí)踐，充分考慮到該系統(tǒng)的特點(diǎn)，提出一種適合該系統(tǒng)的軟件測(cè)試模型。該軟件模型具有以下特點(diǎn)：本模型所有環(huán)節(jié)要求測(cè)試經(jīng)驗(yàn)實(shí)時(shí)反饋，不不反饋，具有很強(qiáng)的動(dòng)態(tài)調(diào)整性。反饋回來(lái)的經(jīng)驗(yàn)形成各種不同的知識(shí)集合，對(duì)于實(shí)時(shí)調(diào)整、改進(jìn)測(cè)試工作提供了最新的依據(jù)，使軟件測(cè)試工作形成一個(gè)良性循環(huán)的閉環(huán)反饋形式。強(qiáng)調(diào)了測(cè)試人員在軟件測(cè)試中的作用，突出了軟件測(cè)試中人員培訓(xùn)的地位。軟件測(cè)試人員的綜合素質(zhì)對(duì)測(cè)試結(jié)果、效率都會(huì)有很大的影響。本模型注重了測(cè)試人員的培訓(xùn)。培養(yǎng)的測(cè)試人員具有層次性。該模型在測(cè)試人員培訓(xùn)后有一個(gè)優(yōu)秀人才選拔，進(jìn)行單元、集成、確認(rèn)各測(cè)試階段知識(shí)的交叉培訓(xùn)過(guò)程。經(jīng)過(guò)該培訓(xùn)過(guò)程的測(cè)試人員對(duì)大數(shù)據(jù)網(wǎng)站統(tǒng)計(jì)系統(tǒng)有了整體把握，是很重要的人才貯備，這樣培訓(xùn)出的人員將有一定的層次性，做到人盡其用。強(qiáng)調(diào)了測(cè)試經(jīng)驗(yàn)在軟件測(cè)試中的作用。前一個(gè)版本軟件的測(cè)試結(jié)果對(duì)后一個(gè)版本軟件的測(cè)試具有很重要的參考價(jià)值；前一階段的各種軟件文檔應(yīng)作為反饋，輸入到當(dāng)前階段的軟件測(cè)試工作中。突出了錯(cuò)誤推測(cè)法、正交實(shí)驗(yàn)設(shè)計(jì)方法在軟件測(cè)試中的應(yīng)用。因?yàn)樵撃Ｐ突诮?jīng)驗(yàn)反饋，豐富的測(cè)試經(jīng)驗(yàn)正是錯(cuò)誤推測(cè)法、正交實(shí)驗(yàn)設(shè)計(jì)方法的關(guān)鍵因素。3.2網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)測(cè)試整體策略（1）采用交叉測(cè)試方法。一般采取宿主機(jī)—目標(biāo)機(jī)交叉測(cè)試的方法，合理的再宿主壞境、目標(biāo)環(huán)境之間分配測(cè)試的工作量，盡可能消除目標(biāo)環(huán)境的瓶頸制約。在目標(biāo)環(huán)境下進(jìn)行測(cè)試時(shí)，由于目標(biāo)機(jī)器軟硬件資源相對(duì)匱乏，因此測(cè)試工具運(yùn)行在宿主機(jī)上，被測(cè)程序運(yùn)行在目標(biāo)機(jī)上，測(cè)試所需要的信息通過(guò)物理、邏輯連接傳輸?shù)剿拗鳈C(jī)上，由測(cè)試工具進(jìn)行分析。 （2）選擇適當(dāng)?shù)臏y(cè)試工具。該測(cè)試工具應(yīng)該具備如下條件：支持標(biāo)準(zhǔn)驗(yàn)證；能自動(dòng)進(jìn)行數(shù)據(jù)流分析、軟件度量分析、調(diào)用關(guān)系分析、控制流程分析、代碼覆蓋率分析、運(yùn)行時(shí)間分析，并能把這些分析結(jié)果已最直觀的方式展現(xiàn)給測(cè)試人員；支持宿主機(jī)、目標(biāo)機(jī)測(cè)試；支持單元、集成、確認(rèn)、系統(tǒng)測(cè)試。 （3）確定合理的測(cè)試步驟：?jiǎn)卧獪y(cè)試、集成測(cè)試、確認(rèn)測(cè)試。 3.3單元測(cè)試策略 3.3.1單元測(cè)試原則 （1）充分性。 （2）盡可能在宿主機(jī)上測(cè)試。 （3）對(duì)單元的執(zhí)行時(shí)間進(jìn)行嚴(yán)格控制，以確定其滿足實(shí)時(shí)性的要求。 3.3.2單元測(cè)試的步驟和方法 （1）首先進(jìn)行靜態(tài)測(cè)試。 （2）進(jìn)行動(dòng)態(tài)黑盒測(cè)試 （3）進(jìn)行動(dòng)態(tài)白盒測(cè)試 （4）對(duì)每個(gè)單元時(shí)間特性進(jìn)行分析 3.4集成測(cè)試策略 3.4.1集成測(cè)試原則 （1）集成測(cè)試之前必須進(jìn)行充分的單元測(cè)試，對(duì)單元測(cè)試中出現(xiàn)的問題進(jìn)行了改正，并通過(guò)了回歸測(cè)試。 （2）采用自底向上漸增式的集成測(cè)試方法。此方法使可能出現(xiàn)的錯(cuò)誤逐步暴露，便于定位錯(cuò)誤，利于程序錯(cuò)誤的改正。而且此方法使用的輔助模塊較少，減少了輔助性的測(cè)試工作。 （3）確定集成的層次。集成測(cè)試方案一般基于構(gòu)建之間實(shí)現(xiàn)的相依性，所以要分析構(gòu)件的體系結(jié)構(gòu)。根據(jù)實(shí)現(xiàn)的功能，對(duì)模塊、接口進(jìn)行合理的劃分，先進(jìn)行模塊內(nèi)集成測(cè)試，后進(jìn)行模塊間的集成測(cè)試。 3.4.2集成測(cè)試步驟和方法 （1）模塊內(nèi)集成測(cè)試：腳本采集模塊、隊(duì)列模塊、分析模塊、展示模塊等集成。 （2）如單元測(cè)試的步驟，對(duì)集成模塊進(jìn)行靜態(tài)測(cè)試、動(dòng)態(tài)黑盒測(cè)試、動(dòng)態(tài)白盒測(cè)試、回歸測(cè)試。主要采用動(dòng)態(tài)黑盒測(cè)試，重點(diǎn)進(jìn)行如下測(cè)試：模塊之間的接口和異常；一個(gè)模塊是否會(huì)對(duì)其它模塊的功能產(chǎn)生不利的影響；各個(gè)子模塊組合起來(lái)能否達(dá)到預(yù)期要求的父功能；全局?jǐn)?shù)據(jù)是否有問題；單個(gè)模塊的誤差積累起來(lái)，是否會(huì)放大，從而達(dá)到不能接收的程度。 （3）最后，再進(jìn)行模塊間集成測(cè)試。3.5確認(rèn)測(cè)試策略 3.5.1確認(rèn)測(cè)試原則 （1）程序已經(jīng)經(jīng)過(guò)了充分的集成測(cè)試，模塊接口存在的問題已經(jīng)消除 （2）確認(rèn)測(cè)試要在真實(shí)目標(biāo)環(huán)境下進(jìn)行，盡可能的消除測(cè)試環(huán)境給測(cè)試結(jié)果帶來(lái)的影響。 3.5.2確認(rèn)測(cè)試步驟和方法 （1）進(jìn)行有效性測(cè)試。在真實(shí)目標(biāo)環(huán)境下，運(yùn)用黑盒測(cè)試方法，對(duì)系統(tǒng)軟件需求規(guī)格說(shuō)明書所列出的各種需求進(jìn)行一一驗(yàn)證。確定軟件特性是否與需求相符，是否所有軟件功能都能得到滿足，是否所有軟件性能需求都能達(dá)到，是否所有文檔都是正確且便于使用的。根據(jù)測(cè)試結(jié)果得出測(cè)試結(jié)論。如果測(cè)試結(jié)果與預(yù)期結(jié)果不符，說(shuō)明軟件這部分功能或性能特征與需求規(guī)格說(shuō)明書不一致，此時(shí)要形成錯(cuò)誤報(bào)告。 （2）進(jìn)行軟件配置審查。軟件配置審查是確認(rèn)測(cè)試過(guò)程的環(huán)節(jié)，其目的是保證軟件配置的所有成分都齊全，各方面都符合要求，維護(hù)階段所必須的細(xì)節(jié)及已經(jīng)編排好分類的目錄。4、結(jié)束語(yǔ) 本文首先介紹了軟件測(cè)試的基本理論和基本方法，然后以某網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)為案例，研究了大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的特點(diǎn)，提出了一種基于經(jīng)驗(yàn)反饋的軟件測(cè)試模型，并分析了該模型的特點(diǎn)；提出了一套適用于大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)軟件測(cè)試的策略。該策略在已經(jīng)完成的網(wǎng)站大數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)軟件測(cè)試工作中證明是十分有效的。 自適應(yīng)模糊控制的DC電動(dòng)機(jī)使用狀態(tài)和輸出反饋GerasimosG.RigatosaUnitofIndustrialAutomation,IndustrialSystemsInstitute,Stadioustr.,26504RionPatras,GreeceReceived7June20**;revised11August2008;accepted13June2009.Availableonline15July2009.摘要：當(dāng)電機(jī)或負(fù)載動(dòng)態(tài)變化時(shí)，DC電動(dòng)機(jī)常規(guī)PID狀態(tài)反饋控制表現(xiàn)不理想。為了解決這一缺點(diǎn)，于是提出DC電動(dòng)機(jī)自適應(yīng)模糊控制。模糊神經(jīng)網(wǎng)絡(luò)被用來(lái)去模擬電機(jī)的未知?jiǎng)討B(tài)特性?？刂菩盘?hào)的信息來(lái)自狀態(tài)向量或系統(tǒng)的輸出反饋。在后一種情況下狀態(tài)觀測(cè)器來(lái)估計(jì)狀態(tài)向量的參數(shù)。在閉環(huán)系統(tǒng)的穩(wěn)定性通過(guò)Lyapunov分析證明。推薦控制方法的性能是通過(guò)模擬測(cè)試進(jìn)行評(píng)估的。關(guān)鍵詞：DC電動(dòng)機(jī)；自適應(yīng)模糊控制；狀態(tài)反饋；輸出反饋；H∞跟蹤；神經(jīng)模糊逼近；狀態(tài)觀察器；磁場(chǎng)定向異步電動(dòng)機(jī)目錄1 導(dǎo)言 12 直流電模型 23 直流電機(jī)狀態(tài)反饋?zhàn)赃m應(yīng)模糊控制 43.1 調(diào)節(jié)與跟蹤的轉(zhuǎn)換 43.2 狀態(tài)反饋?zhàn)赃m應(yīng)模糊H∞控制的近似 54 狀態(tài)反饋?zhàn)赃m應(yīng)模糊H∞控制的穩(wěn)定 65 直流電機(jī)的輸出反饋?zhàn)赃m應(yīng)模糊控制 95.1 轉(zhuǎn)變?yōu)檎{(diào)節(jié)問題 95.2 輸出反饋f(x,t)和g(x,t)的近似 106 在輸出反饋下控制回路的李雅普諾夫穩(wěn)定性分析 117 模擬測(cè)試 137.1 直流電機(jī)的狀態(tài)反饋控制器 137.2 直流電機(jī)輸出反饋控制器 167.3 推廣到異步電機(jī)的控制 217.3.1異步電機(jī)的模型 217.3.2異步電動(dòng)機(jī)的磁場(chǎng)定向控制 227.3.3解耦異步電機(jī)的自適應(yīng)模糊控制 248 結(jié)論 25 第11頁(yè)共26頁(yè)導(dǎo)言因?yàn)橹绷麟姍C(jī)控制比較簡(jiǎn)單，在各種工作條件下可靠，直流電機(jī)廣泛應(yīng)用于工業(yè)系統(tǒng)，如機(jī)械手。直流電動(dòng)機(jī)通常被看做線性系統(tǒng)，然后采用線性控制方案。然而，由于電機(jī)的變化/負(fù)載動(dòng)態(tài)變化和電樞反應(yīng)非線性，大多數(shù)線性控制器已表現(xiàn)欠佳。忽略了外部干擾和非線性，極有可影響閉環(huán)系統(tǒng)穩(wěn)定性。基于上述原因，常規(guī)PID或模型反饋的直流電動(dòng)機(jī)控制的控制器是不合適的，更加有效的控制方案是必要的。如果電機(jī)的非線性是已知函數(shù)，那么自適應(yīng)跟蹤的輸入輸出線性化控制方法是可以使用[1]和[2]。然而，當(dāng)這些非線性或擾動(dòng)是未知的時(shí)候，神經(jīng)或模糊控制的閉環(huán)系統(tǒng)更加合適[3]、[4]、[5]和[6]。基于神經(jīng)識(shí)別的成功應(yīng)用和直流馬達(dá)驅(qū)動(dòng)已獲得應(yīng)用[7]、[8]和[9]，直流電動(dòng)機(jī)的神經(jīng)網(wǎng)絡(luò)控制已被提出。未知的電機(jī)非線性動(dòng)力學(xué)和外部負(fù)載力矩近似于多層次的神經(jīng)網(wǎng)絡(luò)。所得模型是用來(lái)產(chǎn)生控制直流電機(jī)的輸入，并遵循間接自適應(yīng)控制的原則。其他幾個(gè)模糊/神經(jīng)模型和直流電動(dòng)機(jī)控制例子可以看到。在[10]基于Takagi-Sugeno模糊模型的識(shí)別方法以應(yīng)用于直流電機(jī)模型。在[11]中，模糊邏輯應(yīng)用到一個(gè)直流電動(dòng)機(jī)驅(qū)動(dòng)器的動(dòng)態(tài)模型，以及所取得的模型來(lái)設(shè)計(jì)的非線性干擾補(bǔ)償控制器。在[12]中，自我調(diào)整的模糊邏輯控制別提出用來(lái)去除直流電動(dòng)機(jī)死區(qū)的影響。在[13]中，自學(xué)型模糊邏輯控制器應(yīng)用于直流斬波伺服系統(tǒng)的位置控制。在[14]、[15]和[16]中，具有網(wǎng)上學(xué)習(xí)的能力的非線性神經(jīng)網(wǎng)絡(luò)控制器已被發(fā)展來(lái)控制無(wú)刷直流電動(dòng)機(jī)的速度。高性能伺服系統(tǒng)的非線性控制器的設(shè)計(jì)是一項(xiàng)正在進(jìn)行的研究課題，它可以進(jìn)一步利用神經(jīng)網(wǎng)絡(luò)模糊控制更廣泛領(lǐng)域的成果[17]、[18]、[19]和[20]。神經(jīng)模糊網(wǎng)絡(luò)模型在未知?jiǎng)討B(tài)系統(tǒng)建模應(yīng)用的可行性已在一些研究得到證明。狀態(tài)反饋和輸出反饋的線性化方法已被提出[21]、[22]、[23]、[24]、[25]和[26]。此外，它已經(jīng)表明，基于輸出反饋和狀態(tài)觀察的神經(jīng)網(wǎng)絡(luò)控制器能夠保證閉環(huán)系統(tǒng)的整體穩(wěn)定性[27]、[28]、[29]、[30]和[31]。本文提出了一種可用于線性或非線性模型的直流電機(jī)控制方法，同時(shí)對(duì)不明朗因素或外界干擾擁有足夠的裕量。本文擴(kuò)展了[24]和[32]的結(jié)果。兩種情況可分為：（一）全狀態(tài)向量控制和（二）單純輸出反饋控制。在第一種情況下，閉環(huán)系統(tǒng)由直流電動(dòng)機(jī)和基于H∞理論自適應(yīng)模糊控制器組成[33]、[34]和[35]。模糊神經(jīng)網(wǎng)絡(luò)對(duì)未知的電機(jī)動(dòng)力學(xué)進(jìn)行近似，隨后這一信息被用來(lái)發(fā)生控制信號(hào)。在第二種情況下，由直流電動(dòng)機(jī)、一個(gè)輸出狀態(tài)預(yù)測(cè)觀察器、以及一個(gè)用來(lái)預(yù)測(cè)狀態(tài)向量的自適應(yīng)模糊H∞控制器組成的閉環(huán)系統(tǒng)。神經(jīng)模糊預(yù)測(cè)被應(yīng)用在第一種情況，以用來(lái)近似系統(tǒng)未知的動(dòng)力學(xué)，但是這時(shí)他們把接收當(dāng)做預(yù)測(cè)的狀態(tài)向量輸出[32]。此外，根據(jù)[36]、[37]和[38]結(jié)果表明，提出的自適應(yīng)模糊控制方法可用于磁場(chǎng)定向異步電動(dòng)機(jī)。比較的模型為基礎(chǔ)的方法，提出的自適應(yīng)模糊控制的優(yōu)點(diǎn)總結(jié)為以下幾點(diǎn)：（一）不依賴以知的直流電動(dòng)機(jī)動(dòng)態(tài)的數(shù)學(xué)模型（線性或非線性）。（二）因?yàn)槟：窠?jīng)網(wǎng)絡(luò)在每一個(gè)控制循環(huán)被反復(fù)訓(xùn)練，任何電機(jī)的動(dòng)態(tài)變化都可以在線被識(shí)別，所以這種控制方法對(duì)于動(dòng)態(tài)時(shí)變模型是非常有用的。（三）關(guān)于在外部干擾和測(cè)量噪聲下的操作，提出的自適應(yīng)模糊控制器提供了改進(jìn)的魯棒性。最后，如果該控件是僅僅基于輸出反饋不需要使用特定的傳感器（例如加速度計(jì)）來(lái)測(cè)量電機(jī)的狀態(tài)向量的所有參數(shù)。該文件的結(jié)構(gòu)如下：在第2節(jié)，直流電機(jī)模型進(jìn)行了分析。在第3節(jié)，提出直流電動(dòng)機(jī)狀態(tài)反饋?zhàn)赃m應(yīng)模糊H∞控制。在第4節(jié)，給出了由直流電動(dòng)機(jī)和狀態(tài)反饋?zhàn)赃m應(yīng)模糊控制器組成的閉環(huán)系統(tǒng)的Lyapunov穩(wěn)定性分析。在第5節(jié)，提出僅使用輸出反饋的自適應(yīng)模糊H∞直流馬達(dá)控制。在第6節(jié)，給出了由直流電動(dòng)機(jī)、一個(gè)輸出狀態(tài)預(yù)測(cè)觀察器、以及一個(gè)用來(lái)預(yù)測(cè)狀態(tài)向量的自適應(yīng)模糊H∞控制器組成的閉環(huán)系統(tǒng)的Lyapunov穩(wěn)定性分析。最后，在第8條模擬試驗(yàn)進(jìn)行，評(píng)價(jià)狀態(tài)反饋和輸出反饋控制器的性能。直流電模型直流電（DC）電機(jī)把電能轉(zhuǎn)化為機(jī)械能。電機(jī)軸扭矩與定子磁場(chǎng)和的電樞電流成正比。主要有兩種控制直流電動(dòng)機(jī)的方式：第一種：電樞控制，即維持定子磁通恒定，并改變（控制輸入）電樞電流。它的主要優(yōu)勢(shì)是在高速運(yùn)行時(shí)具有良好的扭矩，其缺點(diǎn)是能量損失高。第二種方法是所謂的磁場(chǎng)控制，并具有一個(gè)恒壓來(lái)形成電樞電流，而用一個(gè)可變的電壓來(lái)改變定子的磁通。它的優(yōu)勢(shì)是能源效率高，控制器廉價(jià)，而它的缺點(diǎn)是在高速運(yùn)行時(shí)扭矩減少[39]。直流電動(dòng)機(jī)的線性近似模型：電機(jī)力矩與定子的磁鐵和電樞電流成正比。\o"ClicktoviewtheMathMLsource"Γ=kfΨKαI (1)其中Γ是軸扭矩，Ψ是在定子磁場(chǎng)磁通量，I是在電機(jī)電樞電流。由于磁通是恒定,（1）可以寫成 (2)此外，當(dāng)載流導(dǎo)體切割磁場(chǎng)，會(huì)產(chǎn)生一個(gè)電壓Vb即所謂的電動(dòng)勢(shì)（EMF）\o"ClicktoviewtheMathMLsource"Vb=keω (3)其中ω是電機(jī)轉(zhuǎn)速。常數(shù)KT和ke有相同的值。電機(jī)的基爾霍夫定律方程（圖1）：\o"ClicktoviewtheMathMLsource"V?Vres?Vcoil?Vb=0 (4)其中V是輸入電壓，Vres=RI為電樞電阻上電壓（R為電樞電阻器），是電樞電感電壓。電機(jī)的電動(dòng)方程： (5)圖.1.直流電機(jī)參數(shù)模型從轉(zhuǎn)動(dòng)力學(xué)認(rèn)為： (6)直流電動(dòng)機(jī)的最終模型： (7)符號(hào)表符號(hào)意義L電樞電感I電樞電流\o"ClicktoviewtheMathMLsource"ke電機(jī)電氣常數(shù)R電樞電阻V輸入電壓，當(dāng)做控制輸入J電機(jī)的轉(zhuǎn)動(dòng)慣量\o"ClicktoviewtheMathMLsource"ω轉(zhuǎn)子轉(zhuǎn)速\o"ClicktoviewtheMathMLsource"kd機(jī)械常數(shù)\o"ClicktoviewtheMathMLsource"Γd擾動(dòng)轉(zhuǎn)矩在電樞的轉(zhuǎn)子鐵芯與線圈的空隙。Γd=0，狀態(tài)向量為：。直流電動(dòng)機(jī)線性模型： (8)由于忽視了電樞反應(yīng)的影響，或假設(shè)補(bǔ)償繞組消除這種影響，通常認(rèn)為直流電機(jī)模型是線性的。電樞反應(yīng)導(dǎo)致系統(tǒng)非線性，在這種情況下非線性模型可能是適當(dāng)?shù)?。在該情況下，直流電動(dòng)機(jī)的動(dòng)態(tài)模型可為[5]：(9)其中是電機(jī)的狀態(tài)向量的導(dǎo)數(shù)，（\o"ClicktoviewtheMathMLsource"θ是電機(jī)的位置，是電動(dòng)機(jī)的角速度，\o"ClicktoviewtheMathMLsource"iα是電樞電流）。函數(shù)f（x）和g（x）是矢量函數(shù)，定義為： (10)其中\(zhòng)o"ClicktoviewtheMathMLsource"k1=?F/J,\o"ClicktoviewtheMathMLsource"k2=A/J,\o"ClicktoviewtheMathMLsource"k3=B/J,\o"ClicktoviewtheMathMLsource"k4=?1/J,\o"ClicktoviewtheMathMLsource"k5=?A/L,\o"ClicktoviewtheMathMLsource"k6=?B/L,\o"ClicktoviewtheMathMLsource"k7=?R/L,\o"ClicktoviewtheMathMLsource"k8=?1/L，R和L分別是電樞電阻和電感，J是轉(zhuǎn)子的轉(zhuǎn)動(dòng)慣量，而F是摩擦力。現(xiàn)在選擇電動(dòng)機(jī)的角度為系統(tǒng)的輸出，則直流電動(dòng)機(jī)的狀態(tài)空間方程可以改寫為： (11)其中\(zhòng)o"ClicktoviewtheMathMLsource"T1為負(fù)載轉(zhuǎn)矩，\o"ClicktoviewtheMathMLsource"u為輸入端電壓，從方程(11)中的第二行可得出以下方程， (12)因此，輸入輸出關(guān)系可以寫成 (13)其中，和。本文將要提到的控制方法是無(wú)模型的、通用的，可同時(shí)適用于線性和非線性模型。直流電機(jī)狀態(tài)反饋?zhàn)赃m應(yīng)模糊控制調(diào)節(jié)與跟蹤的轉(zhuǎn)換目標(biāo)是使系統(tǒng)輸出（電機(jī)角度x）跟隨基準(zhǔn)給定信號(hào)xd。在存在非高斯干擾w，參考信號(hào)的準(zhǔn)確地追蹤被表示為標(biāo)準(zhǔn)的H∞[33]，[34]和[35]。 (14)其中e為輸出誤差，ρ是對(duì)應(yīng)于系統(tǒng)的線性等效模型傳遞函數(shù)G（s）最大異值的衰減水平[21]。 對(duì)可測(cè)的狀態(tài)向量x和不確定函數(shù)f(x,t)與g(x,t)，其中對(duì)于(9)的控制方法有： (15)其中，\o"ClicktoviewtheMathMLsource"KT=[kn,kn?1,…,k1],像這樣的多項(xiàng)式\o"ClicktoviewtheMathMLsource"e(n)+k1e(n?1)+k2e(n?2)++kne為赫爾維茨多項(xiàng)式。則控制等式(15)的結(jié)果可表示為：(16)其中跟隨控制限制uc是以近似誤差和意外擾動(dòng)的補(bǔ)償為目標(biāo)的 (17)上述關(guān)系可以寫在狀態(tài)方程形式。狀態(tài)向量可寫成。經(jīng)過(guò)整理可得： (18)\o"ClicktoviewtheMathMLsource"e1=CTe (19)其中(20)e1為輸出誤差e1=x?xd.，等式(18)和(19)描述了一個(gè)調(diào)節(jié)問題?？刂菩盘?hào)\o"ClicktoviewtheMathMLsource"uc為\o"ClicktoviewtheMathMLsource"H∞的控制限制。通常，和w的補(bǔ)償為： (21)狀態(tài)反饋?zhàn)赃m應(yīng)模糊\o"ClicktoviewtheMathMLsource"H∞控制的近似等式(9)的函數(shù)f(x,t)和g(x,t)的近似可以通過(guò)零階或一階Takagi–Sugeno模糊神經(jīng)網(wǎng)絡(luò)得出。f(x,t)和g(x,t)的推斷為： (22)其中\(zhòng)o"ClicktoviewtheMathMLsource"x)是單元核函數(shù)。圖.2.模糊神經(jīng)網(wǎng)絡(luò)近似：Gi高斯基礎(chǔ)函數(shù)\o"ClicktoviewtheMathMLsource"Ni：標(biāo)準(zhǔn)化單元假定權(quán)重\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θg在限制域\o"ClicktoviewtheMathMLsource"Mθf(wàn)和\o"ClicktoviewtheMathMLsource"Mθg里變化。其中 (23)其中\(zhòng)o"ClicktoviewtheMathMLsource"mθf(wàn)和\o"ClicktoviewtheMathMLsource"mθg為常數(shù)。\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θg的最佳逼近值：g(x,t)和f(x,t)的近似誤差由以下得出：其中（i）是f的近似，為權(quán)重向量\o"ClicktoviewtheMathMLsource"θf(wàn)的最佳預(yù)期；(ii)是g的近似，為權(quán)重向量的最佳預(yù)期。近似誤差可分解成\o"ClicktoviewtheMathMLsource"wa和\o"ClicktoviewtheMathMLsource"wb,，其中最后，接下兩個(gè)參數(shù)被定義為：，。狀態(tài)反饋?zhàn)赃m應(yīng)模糊\o"ClicktoviewtheMathMLsource"H∞控制的穩(wěn)定權(quán)重\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θg與跟隨控制限制uc的適用定律源自Lyapunov函數(shù)負(fù)定性的必要條件。 (24)把(18)代人(24)得假設(shè)1給定一個(gè)正定矩陣Q，則存在一個(gè)為以下矩陣方程的解——正定矩陣P。(25)把(25)代人的解后得它存在和。同時(shí)也要考慮一下的權(quán)重適用定律： (26) (27)當(dāng)||θf(wàn)||≥mθ與\o"ClicktoviewtheMathMLsource"||θg||≥mθg時(shí)，和都設(shè)為0.\o"ClicktoviewtheMathMLsource"θf(wàn)的校正為基于價(jià)值函數(shù)(1/2)·的LMS算法。\o"ClicktoviewtheMathMLsource"θg的校正同樣為L(zhǎng)MS算法，而uc自動(dòng)地調(diào)整合適的增益\o"ClicktoviewtheMathMLsource"γ2。把(26)、(27)代人的解得：圖3中為控制框圖圖.3.在全狀態(tài)反饋下的H∞控制框圖由w1=w+d+w得的結(jié)果：觀點(diǎn)1 以下不等式成立：(28)證明 \o"ClicktoviewtheMathMLsource"(ρa(bǔ)?(1/ρ)b)2≥0，把上面的不等式的左邊進(jìn)行展開得。由\o"ClicktoviewtheMathMLsource"a=w1、\o"ClicktoviewtheMathMLsource"b=eTPB和前面的關(guān)系得：前面的不等式用表示。聯(lián)合不等式的右邊則為： (29)式(29)可以用來(lái)表示\o"ClicktoviewtheMathMLsource"H∞的性能指標(biāo)是否穩(wěn)定。從0到T的積分為：如果存在常數(shù)\o"ClicktoviewtheMathMLsource"Mw>0則。因此 (30)因而，是收斂的；根據(jù)巴爾巴拉引理\o"ClicktoviewtheMathMLsource"limt→∞e(t)=0。直流電機(jī)的輸出反饋?zhàn)赃m應(yīng)模糊控制轉(zhuǎn)變?yōu)檎{(diào)節(jié)問題可測(cè)量的直流電機(jī)的狀態(tài)向量x和不確定函數(shù)f(x,t)、g(x,t)的方程(9)適用控制規(guī)律以由方程(15)得出。當(dāng)觀察器用來(lái)重建方程(15)的狀態(tài)向量x時(shí)，方程(15)的控制規(guī)律可以寫成; (31)接下來(lái)的定義：(i)誤差狀態(tài)向量\o"ClicktoviewtheMathMLsource"e=x?xm，(ii)預(yù)測(cè)誤差的狀態(tài)向量，(iii)觀察誤差。把式(31)代人式(9),經(jīng)運(yùn)算整理得：其中有，把\o"ClicktoviewtheMathMLsource"x(n)代人上面的方程得和A,C,K已由式(20)給出。根據(jù)方程(32),則觀察器為 (33)觀察器的增益\o"ClicktoviewtheMathMLsource"Ko=[ko0,ko1,…,kon?2,kon?1]的選擇是在保證觀察器收斂的前提下進(jìn)行的。從式(32)減去式(33)得 (34)出現(xiàn)在式(15)的額外限制uc同樣包括在直流電機(jī)基于觀察器控制中，以補(bǔ)償:(i)外界干擾，(ii)狀態(tài)向量估計(jì)誤差，(iii)函數(shù)f(x,t)、g(x,t)的非線性誤差，即控制量uc的組成：(i)\o"ClicktoviewtheMathMLsource"H∞控制的區(qū)間\o"ClicktoviewtheMathMLsource"ua，即d和w的補(bǔ)償，(ii)\o"ClicktoviewtheMathMLsource"H∞控制的區(qū)間\o"ClicktoviewtheMathMLsource"ub,，即觀察誤差的補(bǔ)償。圖4為控制框圖。 (35)

圖.3.在輸出反饋下的H∞控制框圖輸出反饋f(x,t)和g(x,t)的近似由零階或一階Takagi–Sugeno模糊神經(jīng)網(wǎng)絡(luò)可以推導(dǎo)出方程(31)中 的近似（圖2）。\o"ClicktoviewtheMathMLsource"Rl:如果=，=，\o"ClicktoviewtheMathMLsource"…,=;則。Takagi–Sugeno模型的輸出由下面公式結(jié)果的平均的出。在模糊集中，為\o"ClicktoviewtheMathMLsource"xi的成員函數(shù)。用一階斜坡算法，在標(biāo)準(zhǔn)模型中，也就是在每一步i處理一個(gè)數(shù)據(jù)節(jié)點(diǎn)\o"ClicktoviewtheMathMLsource"(xi,yi)，對(duì)糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。f(x,t)和g(x,t)的估計(jì)可寫成： (36)其中為核函數(shù)：假定權(quán)重\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θg在區(qū)間\o"ClicktoviewtheMathMLsource"Mθf(wàn)和\o"ClicktoviewtheMathMLsource"Mθg，而x和依然在區(qū)間\o"ClicktoviewtheMathMLsource"Ux和。\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θf(wàn)的最佳逼近值：\o"ClicktoviewtheMathMLsource"f(x,t)和\o"ClicktoviewtheMathMLsource"g(x,t)的近似誤差：其中（i）是f的近似，為權(quán)重向量\o"ClicktoviewtheMathMLsource"θf(wàn)的最佳預(yù)期；(ii)是g的近似，為權(quán)重向量的最佳預(yù)期。近似誤差可分解成\o"ClicktoviewtheMathMLsource"wa和\o"ClicktoviewtheMathMLsource"wb,，其中最后。接下的兩個(gè)參數(shù)被定義為：，。在輸出反饋下控制回路的李雅普諾夫穩(wěn)定性分析 模糊神經(jīng)近似的權(quán)重\o"ClicktoviewtheMathMLsource"θf(wàn)和\o"ClicktoviewtheMathMLsource"θg與跟隨控制限制uc的適用定律源自Lyapunov函數(shù)負(fù)定性的必要條件。 Lyapunov方程的選擇必須依據(jù)間接自適應(yīng)控制的兩條原則：(i)。(ii)，\o"ClicktoviewtheMathMLsource"limt→∞x(t)=xd(t)。把式(32)、(34)代人(37)并把不同的結(jié)果代人：假設(shè)2給出正定矩陣\o"ClicktoviewtheMathMLsource"Q1和\o"ClicktoviewtheMathMLsource"Q2，則存在\o"ClicktoviewtheMathMLsource"P1和\o"ClicktoviewtheMathMLsource"P1，其中\(zhòng)o"ClicktoviewtheMathMLsource"P1和\o"ClicktoviewtheMathMLsource"P1為Riccati方程的解。 (38)式(38)中給出的條件與系統(tǒng)方程(33)和（34）嚴(yán)格正定的必要條件相關(guān)。把式(38)代人的解得： (39)把\o"ClicktoviewtheMathMLsource"ua和\o"ClicktoviewtheMathMLsource"ub代入，并假設(shè)方程(38)成立，整理得： (40)則權(quán)重適用定律有： (41) (42)把式(41)和方程(36)、(41)的結(jié)果代入 (43)其中然后讓\o"ClicktoviewtheMathMLsource"w1=w+wa+d則有論點(diǎn)2以下不等式成立： (44)證明： \o"ClicktoviewtheMathMLsource"(ρa(bǔ)?(1/ρ)b)2≥0，展開不等式的左邊則有 (45)讓\o"ClicktoviewtheMathMLsource"a=w1和，則以上關(guān)系便得到式(44).式(44)用在，則不等式的右邊為： (46)從式(46)可以看出方程(14)的\o"ClicktoviewtheMathMLsource"H∞性能指標(biāo)。如果\o"ClicktoviewtheMathMLsource"ρ足夠小，式(46)將為真，并且\o"ClicktoviewtheMathMLsource"H∞的跟蹤判決將成立。則從0到T的積分為： (47)其中和\o"ClicktoviewtheMathMLsource"Q=diag[Q1,Q2]T。如果存在正定矩陣\o"ClicktoviewtheMathMLsource"Mw>0，則有。對(duì)于積分則有： (48)因此積分收斂。根據(jù)巴爾巴拉特的引理得 (49)所以\o"ClicktoviewtheMathMLsource"limt→∞e(t)=0。模擬測(cè)試直流電機(jī)的狀態(tài)反饋控制器 在對(duì)幾個(gè)參考軌跡的跟蹤中對(duì)狀態(tài)反饋控制器的性能進(jìn)行了測(cè)試。在仿真實(shí)驗(yàn)中的步距Ts：\o"ClicktoviewtheMathMLsource"Ts=0.01

s。因?yàn)閈o"ClicktoviewtheMathMLsource"r=1.0和\o"ClicktoviewtheMathMLsource"ρ=1.0，所以式(25)中給出的Riccati方程有解。在f(x,t)、g(x,t)的估計(jì)中的基礎(chǔ)方程為。在聯(lián)合模糊規(guī)則庫(kù)中有三個(gè)輸入\o"ClicktoviewtheMathMLsource"x1=θ,和。每個(gè)輸入變量的域由三個(gè)模糊集組成。因此得到27模糊規(guī)則，其形式為： (50)在直流電機(jī)模型方程(9)中，\o"ClicktoviewtheMathMLsource"f(x,t)的近似為： (51)中心點(diǎn)的值在集合\o"ClicktoviewtheMathMLsource"{?1.0,0.0,1.0}中，而方差，。因此，根據(jù)可能性組合可得到數(shù)列，其中，相關(guān)的中心點(diǎn)和方差被定義為：規(guī)則\o"ClicktoviewtheMathMLsource"v(l)\o"ClicktoviewtheMathMLsource"R(1)?1.0?1.0?1.02.2\o"ClicktoviewtheMathMLsource"R(2)?1.0?1.00.02.2\o"ClicktoviewtheMathMLsource"R(3)?1.0?1.01.02.2\o"ClicktoviewtheMathMLsource"R(4)?1.00.0?1.02.2\o"ClicktoviewtheMathMLsource"R(5)?1.00.00.02.2\o"ClicktoviewtheMathMLsource"R(6)?1.00.01.02.2\o"ClicktoviewtheMathMLsource"R(27)1.01.011類似的是基于方程(9)中函數(shù)g(x,t)的近似的模糊規(guī)則。模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率\o"ClicktoviewtheMathMLsource"γ1和\o"ClicktoviewtheMathMLsource"γ2被適當(dāng)?shù)卣{(diào)整?？刂破鞯脑鲆鎈o"ClicktoviewtheMathMLsource"K=[k0,k1,k0]T應(yīng)該適當(dāng)?shù)剡x擇，以便Hurwitz多項(xiàng)式的結(jié)果穩(wěn)定，并保證跟蹤誤差漸進(jìn)收斂到0。在模擬的上半時(shí)間對(duì)神經(jīng)模糊逼近進(jìn)行訓(xùn)練。在下半時(shí)間，估計(jì)函數(shù)g(x,t)被用來(lái)獲得控制信號(hào)。首先，在對(duì)正弦波的跟蹤中測(cè)試了狀態(tài)反饋控制器的性能。在圖5(a)和(b)中，正弦波的位置和變化速率被分別地給出。(a)狀態(tài)x1（虛線）跟蹤正弦波（實(shí)線）；(b)x2（虛線）跟蹤正弦波（實(shí)線）圖.5.直流電機(jī)全狀態(tài)反饋控制在圖6(a)中顯示對(duì)正弦波的加速跟蹤；而在圖6(b)中顯示聯(lián)合控制信號(hào)的輸出。(a)狀態(tài)x3（虛線）跟蹤正弦波（實(shí)線）；(b)直流電機(jī)的控制信號(hào)（虛線）圖.6.直流電機(jī)全狀態(tài)反饋控制仿真實(shí)驗(yàn)擴(kuò)展到對(duì)鋸齒波的跟蹤。在圖7(a)和(b)中分別給出鋸齒波的波形和變化速率。(a)狀態(tài)x1（虛線）跟蹤鋸齒波（實(shí)線）；(b)x2（虛線）跟蹤聯(lián)合波形（實(shí)線）圖.7.直流電機(jī)全狀態(tài)反饋控制在圖8(a)中顯示對(duì)鋸齒波加速跟蹤；而在圖6(b)中顯示聯(lián)合控制信號(hào)的輸出。(a)狀態(tài)x3（虛線）跟蹤鋸齒波（實(shí)線）；(b)直流電機(jī)的控制信號(hào)（虛線）圖.8.基準(zhǔn)鋸齒波輸出的直流電機(jī)全狀態(tài)反饋控制從模擬測(cè)試可以得出：（一）基于全狀態(tài)反饋的自適應(yīng)模糊\o"ClicktoviewtheMathMLsource"H∞控制能對(duì)電機(jī)的相角進(jìn)行很好地跟蹤。過(guò)度調(diào)整取決于對(duì)反饋增益K的選擇。（二）同樣能很好地對(duì)角加速度進(jìn)行跟蹤。（三）控制輸入（電樞電壓）的變化平滑。這得益于對(duì)反饋增益K的適當(dāng)選擇。（四）模糊神經(jīng)網(wǎng)絡(luò)可以對(duì)未知函數(shù)f(x,t)和g(x,t)進(jìn)行良好地近似。g(x,t)的準(zhǔn)確估計(jì)對(duì)控制算法的收斂性是十分重要的。直流電機(jī)輸出反饋控制器輸出反饋控制器同樣在幾個(gè)波形的跟蹤中測(cè)試其性能。步距同樣設(shè)為：\o"ClicktoviewtheMathMLsource"Ts=0.01

s?？刂破鞯姆答佋鲆鎈o"ClicktoviewtheMathMLsource"K=[k0,k1,k2]T和觀察器增益\o"ClicktoviewtheMathMLsource"Ko=[ko0,ko1,ko2]T應(yīng)當(dāng)適當(dāng)?shù)剡x擇以分別消除跟蹤誤差和觀察誤差。在f(x,t)、g(x,t)的估計(jì)中的基礎(chǔ)方程為。由于三個(gè)輸入,和和3個(gè)模糊集的交集，所以27模糊規(guī)則為： (52)和。中心點(diǎn)的取值為\o"ClicktoviewtheMathMLsource"{?1.0,0.0,1.0}，而模糊集的變化率的值為1.則每個(gè)規(guī)則中心點(diǎn)和變化率\o"ClicktoviewtheMathMLsource"v(l)的形式為：規(guī)則\o"ClicktoviewtheMathMLsource"v(l)\o"ClicktoviewtheMathMLsource"R(1)?1.0?1.0?1.02.2\o"ClicktoviewtheMathMLsource"R(2)?1.0?1.00.02.2\o"ClicktoviewtheMathMLsource"R(3)?1.0?1.01.02.2\o"ClicktoviewtheMathMLsource"R(4)?1.0?0.0?1.02.2\o"ClicktoviewtheMathMLsource"R(5)?1.0?0.00.02.2\o"ClicktoviewtheMathMLsource"R(6)?1.0?0.01.02.2\o"ClicktoviewtheMathMLsource"R(27)1.01.01.02.2類似的是基于方程(9)中函數(shù)g(x,t)的近似的模糊規(guī)則。仿真的上部分時(shí)間用來(lái)訓(xùn)練神經(jīng)模糊逼近和使用一個(gè)看觀測(cè)的狀態(tài)向量。矩陣\o"ClicktoviewtheMathMLsource"P1和\o"ClicktoviewtheMathMLsource"P2是從方程(38)中給出的Riccati方程的解得出的。首先，提出的控制器用來(lái)跟蹤正弦波。在圖9(a)和(b)中描述的正弦波,其位置和變化率被成功地跟蹤了。狀態(tài)x1（虛線）跟蹤正弦波（實(shí)線）；(b)x2（虛線）跟蹤正弦波（實(shí)線）圖.9.直流電機(jī)輸出反饋控制在圖10(a)中顯示對(duì)正弦波的加速跟蹤；而在圖10(b)中顯示聯(lián)合控制信號(hào)的輸出。(a)狀態(tài)x3（虛線）跟蹤正弦波（實(shí)線）；(b)直流電機(jī)的控制信號(hào)（虛線）圖.10.直流電機(jī)輸出反饋控制輸出反饋仿真實(shí)驗(yàn)同樣擴(kuò)展到對(duì)鋸齒波的跟蹤。在圖11(a)和(b)中分別給出鋸齒波的波形和變化速率。(a)狀態(tài)x1（虛線）跟蹤鋸齒波（實(shí)線）；(b)x2（虛線）跟蹤聯(lián)合波形（實(shí)線）圖.11.直流電機(jī)輸出反饋控制在圖12(a)中顯示對(duì)鋸齒波加速跟蹤；而在圖12(b)中顯示聯(lián)合控制信號(hào)的輸出。(a)狀態(tài)x3（虛線）跟蹤鋸齒波（實(shí)線）；(b)直流電機(jī)的控制信號(hào)（虛線）圖.12.基準(zhǔn)鋸齒波輸出的直流電機(jī)輸出反饋控制在圖13(a)和(b)分別給出的鋸齒波中，直流電機(jī)的狀態(tài)\o"ClicktoviewtheMathMLsource"x1=θ被成功地估計(jì)。最后，在輸出反饋下，神經(jīng)模糊近似對(duì)直流電機(jī)的狀態(tài)變化(函數(shù)\o"ClicktoviewtheMathMLsource"?(x,t))的近似在圖14(a)和(b)中描述。(a)為正弦波，(b)為鋸齒波圖.13.直流電機(jī)輸出反饋控制角度\o"ClicktoviewtheMathMLsource"θ的估計(jì)（虛線）vs真值（實(shí)線）圖.14.直流電機(jī)市場(chǎng)反饋控制當(dāng)跟蹤(a)正弦波和(b)鋸齒波時(shí)，直流電機(jī)動(dòng)態(tài)變化（函數(shù)\o"ClicktoviewtheMathMLsource"?(x,t))的近似輸出反饋?zhàn)赃m應(yīng)模糊\o"ClicktoviewtheMathMLsource"H∞控制具有和直流電機(jī)狀態(tài)反饋?zhàn)赃m應(yīng)模糊控制一樣的優(yōu)點(diǎn)。總結(jié)為：（一）不依賴電機(jī)動(dòng)態(tài)變化的已知數(shù)學(xué)模型。（二）因?yàn)榘谧赃m應(yīng)模糊\o"ClicktoviewtheMathMLsource"H∞控制器的神經(jīng)模糊近似的訓(xùn)練是在每個(gè)周期進(jìn)行的，電機(jī)的任何動(dòng)態(tài)變化都可以在線識(shí)別，因此這個(gè)控制策略對(duì)時(shí)變電機(jī)模型是有效的。（三）關(guān)于在外界干擾和測(cè)量噪聲下的操作，閉環(huán)魯棒性是成功的。此外，應(yīng)當(dāng)指出，在自適應(yīng)模糊控制的情況下，輸出反饋，沒有必要使用額外的傳感器來(lái)測(cè)量速度和加速度的運(yùn)動(dòng)，因?yàn)橛^察器可以對(duì)狀態(tài)向量重建。推廣到異步電機(jī)的控制異步電機(jī)的模型用場(chǎng)變換思想，異步電機(jī)的動(dòng)態(tài)特性與直流分激電動(dòng)機(jī)的特性非常相似36]、[27]和[38]。解耦關(guān)系依靠對(duì)狀態(tài)坐標(biāo)的適當(dāng)選擇，因此，轉(zhuǎn)子速度漸近從轉(zhuǎn)子磁通解耦，而速度只能由轉(zhuǎn)矩電流控制。然而，異步電動(dòng)機(jī)的控制性能仍然受電機(jī)的動(dòng)態(tài)模型的不確定性影響，如力學(xué)參數(shù)的不確定性和外部負(fù)載干擾[40]、[41]、[42]和[43]。為了彌補(bǔ)這些不確定性并有效控制磁場(chǎng)定向異步電動(dòng)機(jī)的自適應(yīng)模糊控制器已在前面的章節(jié)分析提出。要得到一個(gè)感應(yīng)電動(dòng)機(jī)動(dòng)態(tài)模型，首先三相變量轉(zhuǎn)化為兩相的。這兩相的系統(tǒng)可以在定子坐標(biāo)α?b上描述，相關(guān)的電壓為vsα和vsb，而定子電流isα和ISB時(shí)，與轉(zhuǎn)子的磁通量的分量ψrα和ψrb。然后，就定子轉(zhuǎn)子的旋轉(zhuǎn)角記為δ。接下來(lái)，轉(zhuǎn)子的旋轉(zhuǎn)坐標(biāo)系的d-q，（圖15）。圖.15.附帶定子坐標(biāo)系\o"ClicktoviewtheMathMLsource"a?b和轉(zhuǎn)子坐標(biāo)系\o"ClicktoviewtheMathMLsource"d?q的交流電機(jī)電路電機(jī)的狀態(tài)向量定義為\o"ClicktoviewtheMathMLsource"x=[θ,ω,ψrα,ψrb,isα,isb]，交流電機(jī)的動(dòng)態(tài)模型可以寫成： (53)和 (54) （55)J為轉(zhuǎn)子的轉(zhuǎn)動(dòng)慣量，\o"ClicktoviewtheMathMLsource"TL為負(fù)載轉(zhuǎn)矩。其他的模型參數(shù)：\o"ClicktoviewtheMathMLsource"α1=(Rr/Lr),\o"ClicktoviewtheMathMLsource"β1=(M/σLsLr),,\o"ClicktoviewtheMathMLsource"μ1=npM/JLr,其中\(zhòng)o"ClicktoviewtheMathMLsource"Ls,\o"ClicktoviewtheMathMLsource"Lr為定子和轉(zhuǎn)子的電感系數(shù)，\o"ClicktoviewtheMathMLsource"M為互感系數(shù)，\o"ClicktoviewtheMathMLsource"np極對(duì)數(shù)。異步電動(dòng)機(jī)的磁場(chǎng)定向控制用于感應(yīng)電機(jī)控制的經(jīng)典方法是基于把定子的電流(\o"ClicktoviewtheMathMLsource"isα和\o"ClicktoviewtheMathMLsource"isb)和轉(zhuǎn)子(\o"ClicktoviewtheMathMLsource"ψrα和\o"ClicktoviewtheMathMLsource"ψrb)轉(zhuǎn)換到旋轉(zhuǎn)與轉(zhuǎn)子的參照系\o"ClicktoviewtheMathMLsource"dq（圖15）。在\o"ClicktoviewtheMathMLsource"d?q參考系中，磁通\o"ClicktoviewtheMathMLsource"ψrd只有一個(gè)非零分量，而在q軸上的磁通分量等于0[4]和[5]。系統(tǒng)的新輸入為\o"ClicktoviewtheMathMLsource"vsd,\o"ClicktoviewtheMathMLsource"vsq，其與方程(53)中的\o"ClicktoviewtheMathMLsource"vsα,\o"ClicktoviewtheMathMLsource"vsb的關(guān)系為： (56)其中\(zhòng)o"ClicktoviewtheMathMLsource"ψ=ψrd和。下面為非線性反饋控制律的定義： (57)在坐標(biāo)系α-B中，控制信號(hào)為： (58)把方程(58)代人方程(53)得： (59) (60) (61) (62) (63)方程（59）、（60）、（61）、（62）和（63）系統(tǒng)的兩個(gè)線性子系統(tǒng)，其中第一個(gè)作為輸出的磁通ψrd，第二為輸出轉(zhuǎn)速ω (64) (65) (66) (67)如果，也就是\o"ClicktoviewtheMathMLsource"ψrd的瞬態(tài)現(xiàn)象已消除，因此\o"ClicktoviewtheMathMLsource"ψrd收斂到一個(gè)穩(wěn)定狀態(tài)值，那么這兩個(gè)子系統(tǒng)描述為方程(64)和(65)，并且方程(66)和(67)解耦。方程(64)和(65)所描述的子系統(tǒng)是線性的，控制輸入為\o"ClicktoviewtheMathMLsource"vsd，可以用線性控制方法控制，比如：最優(yōu)控制等方法，或PID控制。例如下面的磁通PI控制器： (68)如果方程(68)適用于方程(64)和(65)所描述的子系統(tǒng)，那么。如果ψrd（t）是不夠用霍爾傳感器可測(cè)量，那么可以使用某種形式的觀察器重建。現(xiàn)在,對(duì)方程(66)和(67)組成的子系統(tǒng)進(jìn)行檢查。為電機(jī)的扭矩。上述子系統(tǒng)是一個(gè)模型相當(dāng)于一個(gè)直流馬達(dá)，從而，還可以控制電機(jī)的轉(zhuǎn)速ω，使用控制算法已應(yīng)用于直流電動(dòng)機(jī)控制。解耦異步電機(jī)的自適應(yīng)模糊控制 假定，電機(jī)的轉(zhuǎn)子為長(zhǎng)度為I的剛性連桿，而質(zhì)量m全部集中在連桿的尾部。因此，方程(66)和(67)可以寫成： (69) (70)其中\(zhòng)o"ClicktoviewtheMathML