(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110229343.5 (22)申请日 2021.03.02 (65)同一申请的已公布的文献号 申请公布号 CN 112949180 A (43)申请公布日 2021.06.11 (73)专利权人 南京工业大 学 地址 210000 江苏省南京市浦珠南路3 0号 专利权人 南京工大 数控科技有限公司 (72)发明人 都璐远　杨贵超　陈捷　 (74)专利代理 机构 北京卓岚智财知识产权代理 事务所 (特殊普通合伙) 11624 专利代理师 郭智 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 17/12(2006.01) G06F 119/14(2020.01)(56)对比文件 CN 110703609 A,2020.01.17 CN 108762081 A,2018.1 1.06 CN 107765548 A,2018.0 3.06 CN 110515302 A,2019.1 1.29 CN 108469734 A,2018.08.31 CN 110703608 A,2020.01.17 GuichaoYang 等.Output fe edback control of electro- hydraulic servo actuators w ith matc hed and mis matched disturbances rejecti on. 《Journal of the Franklin Institute》 .2019, DaeheeWon 等.High -gain disturbance observer-based backstep ping control with output track ing error constraint for electro- hydraulic system s. 《IEEE Transacti ons on Control System s Technology》 .2015, 都璐远.基于HGDOB与RBFN N的回转支承试验 台液压加载控制方法. 《机 械制造》 .2021, 审查员 王洁 (54)发明名称 一种基于HGDOB与RBF神经网络的盾构风电 回转支承试验台液压加载控制方法 (57)摘要 本发明提供了一种基于高增益扰动观测器 HGDOB和径向基神经网络RBF的自适应控制算法 对风电盾构回转支承实验台的加载力进行控制； 包括以下步骤： 步骤1： 建立电液加载系统的数学 模型； 步骤2： 结合RBF神经网络对模型中的未知 函数进行逼近； 步骤3： 设计高增益扰动观测器估 计系统数学模 型中包括摩擦、 负载力和参数不确 定性在内的扰动 步骤4： 设计基于高 增益扰动观测器和RBF神经网络自适应的电液加 载控制器； 步骤5： 通过调节参数及RBF神经网络 的中心矢量值和基宽来使控制效果达到要求。 本发明通过 RBF神经网络对油缸数学模型中的未知 函数进行逼近， 利用高增益扰动观测器来估计扰 动， 提高了控制器的抗干扰能力， 使该控制算法 更具实用性。 权利要求书4页 说明书11页 附图3页 CN 112949180 B 2022.09.06 CN 112949180 B 1.一种基于高增益扰动观测器和RBF神经网络的自适应控制方法， 其特征在于， 运用于 盾构风电回转支承实验台加载控制中， 包括以下步骤： 步骤1： 建立电液加载系统的数学模型； 以试验台加载非对称油缸为建模对象， 设： 电液 伺服阀是对称并且是匹配的， 即Kq1＝Kq2＝Kq； 简化伺服动态为比例环节， xv＝kiu， 此时s(xv) ＝s(u)； 实际的液压系统工作在正常工况下， 即执行器两腔压力满足0<Pr<P1<Ps， 0<Pr<P2<Ps， 即P1和P2皆有界； 令 以及g＝Kqkii 则式可描述如下： 根据力控制系统的动态方程可描述 为： 定义 以及： 式(8)可表达为： 步骤2： 结合RB F神经网络对模型中的未知函数进行逼近； 使用径向基神经网络(RB F)对 中的非线性摩擦 进行逼近， 定义 为 的估计值； Ff可以由RBF逼近表述 为： Ff＝W*Th(x)+ω    (11) 其中， x是网络输入层的向量， || ·||表示欧氏范数， cj是中心向量， bj是宽度， hj描述 RBF激活函数的输出， ω为估计误差； W*是隐藏层与输出层之间的最优输出权值， 其数学描 述为 描述如下：权　利　要　求　书 1/4 页 2 CN 112949180 B 2则可以表述 为： 估计误差ω与未建模动态及外干扰 合并为 式可以描 述为： 步骤3： 设计高增益扰动观测器估计系统数学模型中包括摩擦、 负载力和参数不确定性 在内的扰动 对于扰动 设计高增益扰动观测器对其进行估计， 将式(14)变 换为： 我们定义扰动的估计为 为为扰动估计误差， 其数 学表达为： 的动力学 方程设计为： 其中 是扰动观测器的增益 步骤4： 设计基于高增益扰动观测器和 RBF神经网络自适应的电液加载控制器； 包括步 骤4.1： 引入辅助状态变量ξ， 给定该辅助状态变量 为： 辅助状态变量的动力学 方程为： 随后结合可以得到扰动估计误差 的动力学 方程： 可知设包络函数 则有 的上界随着ε权　利　要　求　书 2/4 页 3 CN 112949180 B 3