基于李雅普诺夫模型参考自适应程序

自适应方面的很值得一参考的程序，仅供学习研究参考用，不得违规

%具有可调增益Lyapunov-MRAS设计
clear;
clc; 

h=0.1; L=100/h; %数值积分步长和仿真步数（减小h，可以提高积分精度）
num=[2 1]; den=[1 2 1]; n=length（den）-1; %对象参数（严格正实）
kp=1; [ApBpCpDp]=tf2ss（kp*numden）; %对象参数（传递函数型转换为状态空间型）
km=1; [AmBmCmDm]=tf2ss（km*numden）; %参考模型参数

gamma=0.1; %自适应增益

yr0=0; u0=0; e0=0; %初值
xp0=zeros（n1）; xm0=zeros（n1）; %状态向量初值
kc0=0; %可调增益初值
r=2; yr=r*[ones（1L/4） -ones（1L/4） ones（1L/4） -ones（1L/4）]; %输入信号
c=inv（[1 0;den（2） 1]）*num‘;
P=[3 1;1 1];

for k=1:L
    time（k）=k*h;
    xp（:k）=xp0+h*（Ap*xp0+Bp*u0）;
    yp（k）=Cp*xp（:k）; %计算yp
    
    xm（:k）=xm0+h*（Am*xm0+Bm*yr0）;
    ym（k）=Cm*xm（:k）; %计算ym
    
    e（k）=ym（k）-yp（k）; %e=ym-yp
    kc=kc0+h*gamma*[e0 （e（k）-e0）-c（1）*yr0]*[1 0]‘*yr0; %Lyapunov-MRAC自适应律
    u（k）=kc*yr（k）; %控制量
    
    %更新数据
    yr0=yr（k）; u0=u（k）; e0=e（k）;
    xp0=xp（:k）; xm0=xm（:k）;
    kc0=kc;
end
subplot（211）;
plot（timeym‘r‘timeyp‘:‘）;
xlabel（‘t‘）; ylabel（‘y_m（t）、y_p（t）‘）;
legend（‘y_m（t）‘‘y_p（t）‘）;
subplot（212）;
plot（timeu）;
xlabel（‘t‘）; ylabel（‘u（t）‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2011-12-31 11:25  基于李雅普诺夫的MRAS\
     文件        1151  2011-11-03 19:22  基于李雅普诺夫的MRAS\Gain.m
     文件        1172  2011-11-03 15:33  基于李雅普诺夫的MRAS\KF.m
     文件        1347  2011-11-03 15:30  基于李雅普诺夫的MRAS\SISO.m
     文件        1191  2011-11-03 15:32  基于李雅普诺夫的MRAS\StateBack.m
     文件      140096  2011-11-03 20:12  基于李雅普诺夫的MRAS\基于李雅普诺夫稳定性理论的MRAS设计.docx