CN103558758B - 一种大型天线抗风扰自适应补偿方法 - Google Patents
一种大型天线抗风扰自适应补偿方法 Download PDFInfo
- Publication number
- CN103558758B CN103558758B CN201310497248.9A CN201310497248A CN103558758B CN 103558758 B CN103558758 B CN 103558758B CN 201310497248 A CN201310497248 A CN 201310497248A CN 103558758 B CN103558758 B CN 103558758B
- Authority
- CN
- China
- Prior art keywords
- error
- antenna
- wind
- model
- pointing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明涉及一种大型天线抗风扰自适应补偿方法,其特征是至少包括:步骤101:建立天线位置处较为准确的随机风载荷模型;步骤102:建立面向控制的包含天线柔性信息的模型;步骤103:通过对所建风模型和天线模型进行仿真,得出天线柔性振荡信息,并计算指向误差;步骤104:根据卡尔曼滤波方式,对该指向误差进行一步预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和;步骤105:设计低通滤波器,并求得天线模型和电机减速器模型的传递函数,对预测值进行反推计算,求得前馈控制信号;步骤106:将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。该方法提高了天线的指向精度、天线电性能和工作效率。
Description
技术领域
本发明涉及天线技术领域,尤其是一种大型天线抗风扰自适应补偿方法。
背景技术
大型反射面天线以其照射效率高和边缘漏射低等优点,被广泛应用于卫星通讯、深空探索等领域,然而大型反射面天线指向控制器设计指标要求较高,我国“萤火工程”65米口径天线,其指向精度要求误差小于0.01°,只有指向精度满足要求,才能发挥天线口径效率,而随着天线口径的不断增大,随之带来的阵风扰动引起指向不准问题将变得越来越严重,指向偏差导致天线电性能变差,又会降低工作效率。当然随着天线工况的不同,这种影响也会随之变化。
对于如何降低阵风扰动对天线指向控制的影响,除了需要建立准确的包含柔性信息的天线结构模型、准确的风扰模型外也需要适合该模型的控制方法。
目前在国内外对风扰造成的指向误差补偿算法主要有以下几种:
(1)通过达文波特功率谱,将随机风扰转化为随机力,并将该风力等效为三种方法加入天线伺服闭环控制系统,三种方法分别为加载在结构上的力,加载在电机轴处的力矩,和加载在速度环处的速度,通过闭环控制,在一定程度上解决了随机风扰对伺服系统的影响。如在WodekGawronski.Threemodelsofwind-gustdisturbancesfortheanalysisofantennapointingaccuracy,IPNProgressReport42-149,May15,2002中就是用此种方法。
(2)通过分析伺服系统中速度控制器和位置控制器对风载干扰的改善能力,在保证稳定的前提先,通过改变各控制器参数提高系统增益来加大伺服系统的刚度,从而达到对风扰有一定的抑制效果。如在柳光乾等,一米太阳望远镜风载对伺服系统的影响及控制,光电工程,2011,38(6):50-58中采用的就是这种方法。
(3)主要通过分析了不同频域的风对天线转轴处及天线指向的影响,通过光学仪器测得在具体平均风速下,在不同风向和不同反射面位置处,该风造成的天线指向偏差,并建立图表,通过查表法对指向偏差进行平均补偿。如在NobuharuUkita,
Wind-inducedpointingerrorsandsurfacedeformationofa10-msubmillimeterantenna,ConferenceonGround-BasedandAirborneTelescopes,SanDiego,CA,2010中有所报导。
然而对于控制风扰所产生的指向误差,现有的方法要么都基于将刚性转角视为指向输出,而并未考虑对柔性振动的控制,大大降低了误差补偿准确率;要么利用光学仪器对不同风向,不同反射面角度工况下,测试大量指向误差数据来建立表格,工作量大、效率低,且给予的补偿只是平均值,虽在一定程度上减小指向误差,但效果有限。
发明内容
本发明的目的在于提供一种大型天线抗风扰自适应补偿方法,即基于Kalman滤波的方式预测天线在风扰作用下的柔性振动,并进行前馈补偿的方法,提高了天线的指向精度,提高天线电性能和工作效率。
本发明的目的是这样实现的,一种大型天线抗风扰自适应补偿方法,其特征是至少包括如下步骤:
步骤101:建立天线位置处较为准确的随机风载荷模型;
步骤102:建立面向控制的包含天线柔性信息的模型;
步骤103:通过对所建风模型和天线模型进行仿真,得出天线柔性振荡信息,并计算指向误差;
步骤104:根据卡尔曼滤波方式,对该指向误差进行一步预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和;
步骤105:设计低通滤波器,并求得天线模型和电机减速器模型的传递函数,对预测值进行反推计算,求得前馈控制信号;
步骤106:将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。
所述步骤101:根据天线位置,周围环境建立随机风载荷,建立过程如下:
若以为仿真平均风速,先计算标准高度处风速:
其中H为任一点处的平均风速和高度
Hs为标准高度处的平均风速和高度,大部分国家取10米
α为地面的粗糙度系数,地面粗糙度越大,α越大;开阔平原一般取0.12-0.16。
根据标准高度处风速,计算该风速下的均方差:
其中k为地面系数,在有少量树木的开阔地取0.005在有高数地带取0.015,为10米高度处的平均风速。
以均值和均方差σ生成高斯分布的随机数列,将该数列通过近似符合达文波特风谱的滤波器得到,该滤波器的传递函数G为四阶,是经过Z变换的离散形式传递函数,通过修正其参数使得传递函数的增益在[0.001,20]Hz范围内最佳吻合天线的达文波特风谱。当采样时间为0.02秒时,该滤波器的传递函数如式(3)表达:
再由随机风速生成脉动风压,他们之间满足如下关系式:
其中q为风压,ρ为空气密度,ν为随机风速。
最终由风压计算反射面所受风力:
阻力:Fd=CdqA(5)
侧力:Fs=CsqA(6)
升力:Fl=ClqA(7)
其中Cd,Cs,Cl为风力系数,他们与反射面位置及风向等有关,由风洞试验所得,可查表获得,A为反射面表面积。
所述步骤102建立包含柔性信息的天线结构模型,过程简化如下:
1)模态质量阵的提取,以能量法简化的计算各阶模态质量:
Mi=2Vi/(2πωi)2(8)
其中,Mi第i阶模态质量,Vi为第i阶模态的总动能,ωi为第i阶模态固有频率。令Ω为自然频率矩阵,其为对角阵,对角线元素为各阶模态固有频率ωi,令Mm为模态质量矩阵,也为对角阵,对角线元素为各阶模态质量Mi,并根据模态质量矩阵和固有频率矩阵计算模态刚度矩阵、模态阻尼矩阵和模态阻尼比矩阵:
Ω2=Mm -1Km(9)
Dm=α1Km+α2Mm(10)
式中:Km称为模态刚度阵,Dm称为模态阻尼阵,Z为模态阻尼比矩阵。α1,α2为瑞丽阻尼系数,与结构固有频率相关,具体表达式如下:
α1=(2(x1ω2-x2ω1)ω1ω2)/((ω1+ω2)(ω2-ω1))(12)
α2=(2(x2ω2-x1ω1))/((ω1+ω2)(ω2-ω1))
其中ω1,ω2为结构前两阶固有频率,x1,x2一般取0.02。
同时,根据模态振型,和模态质量阵变化得出模态输入和模态输出输出矩阵,具体表达式如下:
Bm=Mm -1ΦTB0,
Cmq=CoqΦ,(13)
Cmv=CovΦ
式中,B0是输入矩阵,Coq是位移输出矩阵,Cov为速度输出矩阵。
接下来根据模态建模方法各阶模态的可加性,将天线动力学方程分解改写为如下形式:
其中ξi为第i阶模态阻尼比,bmi为Bm的第i行,cmqi,cmvi为Cmq,Cmv的第i列,yi为系统的第i阶模态输出。
并将上式改写为状态空间方程形式:
系统总模型的状态空间表达式就可以将各阶状态空间方程叠加起来,用(A,B,C)表示:
其中Ai为2×2阶的矩阵(非零元素用×表示),相应的有:
2)接下来根据缩聚原理,对各阶模态进行范数计算,并根据范数值将原状态空间方程进行分割,根据误差指标,截掉范数低的各阶模态,剩下的即为缩聚后的天线柔性模型:
定义各阶泛数如下式:
同时误差定义为:
根据用途不同,将模型缩减为合适的阶数。
3)多刚体建模:
其中,T为施加力矩,J为惯量阵,D为阻尼阵。
4)基于模态叠加的动力学建模:
柔性模型与刚性模型叠加,由于B0与输入位置有关,对于不同的输入,比如控制力矩输入,和风力输入,B0是不同的,因为两种输入激励的自由度位置不同,分别记为B1和B2。记控制力矩输入为T1,风力输入为T2。叠加过程如下:令:
ΦTB1=B11(22)
则:
同理风力T2,输入矩阵转换为B12,最终得到天线模型为:
其中电机输入力矩T1为均布力矩,风力T2为均布力。
所述步骤103中,对所建风模型,和天线模型进行仿真,并根据仿真输出计算指向误差,计算公式如下所示:
其中θ为刚性转角,Cmqm为总的柔性位移输出,l为指向输出自由度到方位方向转轴的距离,为参考指向输入。
所述步骤104中,对该指向误差进行一步卡尔曼预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和。
所述卡尔曼预测过程为:设我们预测对象为随机线性离散系统k时刻的状态变量Xk,状态方程和测量方程可表示为:
Xk+1=AkXk+Bωk
Yk=CkXk+Dνk(26)
其中,k表示时间,这里指第k步迭代时,相应信号的取值,输入信号ωk是白噪声,输出信号的观测噪声νk也为白噪声;B和D表示噪声的增益矩阵;A表示状态变量之间的增益矩阵,Ak为第k步迭代时,增益矩阵A的取值;C表示状态变量与输出信号之间的增益矩阵,第k步迭代式时,取值用Ck表示;Yk表示第k步时的观测数据。为方便期间设增益矩阵A不随时间变化,ωk和νk都是均值为零的正态白噪声,他们不相关,且方差分别为Qk和Zk。
则滤波步骤为:
状态一步预测值:
预测误差方差:Pk′=AkPk-1Ak T+Wk-1(28)
滤波增益:Hk=Pk′Ck T(CkPkCk T+Rk)-1(29)
最佳滤波值:
滤波误差方差:Pk=(E-HkCk)Pk′(31)
其中,Pk为预测误差方差,Hk为滤波增益,E为单位矩阵,W为动态输入噪声方差矩阵,R为观测噪声方差矩阵。
在指向误差预测一步迭代过程中,Xk为第k时刻指向误差最佳滤波值,Yk+1为第k+1时刻指向误差观测值,在仿真中观测值即为k+1时刻的由柔性振动和刚性转角得到的指向误差值,而在实际控制中则为位移传感器采得的指向误差数据。
卡尔曼迭代过程中W阵和R阵不变,且输入值为天线模型仿真指向误差,输出值为天线模型指向误差的预估值。
假设在k到k+1时刻速度恒定,令: S为指向误差位移量,V为指向误差速度量经推导,柔性天线模型各参数矩阵为:
其中,T为采样时间。
根据迭代步骤,选择适当初始值,进行迭代,初始参数的选取原则如下:
1)X0取决于系统的初始状态,可认为是0;
2)为简化试凑过程,选取P0,W,R为对角阵,且取为较小的值
3)代入初值进行仿真,若算法收敛较慢,则增大P0,若不收敛则减小P0。
4)可根据预测误差大小,改变W、R的值,直到适合为止。
选取适合的初值,进行卡尔曼预测得到预测指向误差e′。
所述步骤105中,由指向误差反解输入电压过程如下:
1)求刚性天线传递函数G2g,由于目的是使该力矩生成的刚性转角与指向误差相抵消,所以反推计算式只需要反推G2中的刚性模型:
我们得到G2中刚性模型的传递函数为:
其中J为天线转动惯量,D为天线外界阻尼。
2)求电机和减速器模型G1,根据电机和减速器参数得到由电压到输出力矩的传递函数为:
其中T为输出力矩,υa为电机电压,N为传动比,kg为减速器刚度,Jm为电机内部转动惯量,Ra为电机内阻,La为电机电感,km为力矩常数,kb为电枢常数。
3)设计低通滤波器:滤波器截止频率取柔性模型最低阶固有频率,并且基于试错法手动调节开环增益。滤波器设计方法如下:
低通滤波器传递函数为:
其中a为开环增益,RC为电阻与电容根据截至频率选定,则截止频率为:
4)因此前馈控制信号的生成公式为:
υa=e′(G1G2g)-1Gs(37)
其中υa为前馈控制电压,e′为预测误差值
所述步骤106中,将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。
本方法的优点:
1)将天线柔性信息考虑在控制系统中,指向误差计算更为准确。
2)基于卡尔曼预测的前馈控制解决了由电机的惯性时间常数及滤波器的惯性时间常数带来的时滞问题,提高控制精度。
附图说明
下面结合实施例附图对本发明作进一步说明:
图1本发明的过程方法流程图;
图2达文波特风谱与滤波器传递函数频域图;
图3卡尔曼滤波递推流程图;
图4基于卡尔曼预测的前馈控制系统框图;
图5风扰引起的指向误差图;
图6卡尔曼一步预测结果图;
图7卡尔曼一步预测结果局部放大图;
图8电机控制力矩图;
图9误差结果对比图。
具体实施方式
如图1所示,一种大型天线抗风扰自适应补偿方法,其特征是至少包括如下步骤:
步骤101:建立天线位置处较为准确的随机风载荷模型;
步骤102:建立面向控制的包含天线柔性信息的模型;
步骤103:通过对所建风模型和天线模型进行仿真,得出天线柔性振荡信息,并计算指向误差;
步骤104:根据卡尔曼滤波方式,对该指向误差进行一步预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和;
步骤105:设计低通滤波器,并求得天线模型和电机减速器模型的传递函数,对预测值进行反推计算,求得前馈控制信号;
步骤106:将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。
所述步骤101:根据天线位置,周围环境建立随机风载荷,建立过程如下:
若以为仿真平均风速,先计算标准高度处风速:
其中H为任一点处的平均风速和高度
Hs为标准高度处的平均风速和高度,大部分国家取10米
α为地面的粗糙度系数,地面粗糙度越大,α越大。开阔平原一般取0.12-0.16。
根据标准高度处风速,计算该风速下的均方差:
其中k为地面系数,在有少量树木的开阔地取0.005在有高数地带取0.015,为10米高度处的平均风速。
以均值和均方差σ生成高斯分布的随机数列,将该数列通过近似符合达文波特风谱的滤波器得到,该滤波器的传递函数G为四阶,是经过Z变换的离散形式传递函数,通过修正其参数使得传递函数的增益在[0.001,20]Hz范围内最佳吻合天线的达文波特风谱。当采样时间为0.02秒时,该滤波器的传递函数如式(3)表达,如图2所示可看出该传递函数与达文波特风谱的频响曲线一致。
再由随机风速生成脉动风压,他们之间满足如下关系式:
其中q为风压,ρ为空气密度,ν为随机风速。
最终由风压计算反射面所受风力:
阻力:Fd=CdqA(5)
侧力:Fs=CsqA(6)
升力:Fl=ClqA(7)
其中Cd,Cs,Cl为风力系数,他们与反射面位置及风向等有关,由风洞试验所得,可查表获得,A为反射面表面积。
所述步骤102建立包含柔性信息的天线结构模型,过程简化如下:
1)模态质量阵的提取,在本发明中我们以能量法简化的计算各阶模态质量:
Mi=2Vi/(2πωi)2(8)
其中,Mi第i阶模态质量,Vi为第i阶模态的总动能,ωi为第i阶模态固有频率。令Ω为自然频率矩阵,其为对角阵,对角线元素为各阶模态固有频率ωi,令Mm为模态质量矩阵,也为对角阵,对角线元素为各阶模态质量Mi,并根据模态质量矩阵和固有频率矩阵计算模态刚度矩阵、模态阻尼矩阵和模态阻尼比矩阵:
Ω2=Mm -1Km(9)
Dm=α1Km+α2Mm(10)
式中:Km称为模态刚度阵,Dm称为模态阻尼阵,Z为模态阻尼比矩阵。α1,α2为瑞丽阻尼系数,与结构固有频率相关,具体表达式如下:
α1=(2(x1ω2-x2ω1)ω1ω2)/((ω1+ω2)(ω2-ω1))(12)
α2=(2(x2ω2-x1ω1))/((ω1+ω2)(ω2-ω1))
其中ω1,ω2为结构前两阶固有频率,x1,x2一般取0.02。
同时,根据模态振型,和模态质量阵变化得出模态输入和模态输出输出矩阵,具体表达式如下:
Bm=Mm -1ΦTB0,
Cmq=CoqΦ,(13)
Cmv=CovΦ
式中,B0是输入矩阵,Coq是位移输出矩阵,Cov为速度输出矩阵。
接下来根据模态建模方法各阶模态的可加性,将天线动力学方程分解改写为如下形式:
其中ξi为第i阶模态阻尼比,bmi为Bm的第i行,cmqi,cmvi为Cmq,Cmv的第i列,yi为系统的第i阶模态输出。
并将上式改写为状态空间方程形式:
系统总模型的状态空间表达式就可以将各阶状态空间方程叠加起来,用(A,B,C)表示:
其中Ai为2×2阶的矩阵(非零元素用×表示),相应的有:
2)接下来根据缩聚原理,对各阶模态进行范数计算,并根据范数值将原状态空间方程进行分割,根据误差指标,截掉范数低的各阶模态,剩下的即为缩聚后的天线柔性模型:
定义各阶泛数如下式:
同时误差定义为:
根据用途不同,将模型缩减为合适的阶数。
3)多刚体建模:
其中,T为施加力矩,J为惯量阵,D为阻尼阵。
4)基于模态叠加的动力学建模:
柔性模型与刚性模型叠加,由于B0与输入位置有关,对于不同的输入,比如控制力矩输入,和风力输入,B0是不同的,因为两种输入激励的自由度位置不同,分别记为B1和B2。我们记控制力矩输入为T1,风力输入为T2。叠加过程如下:令:
ΦTB1=B11(22)
则:
同理风力T2,输入矩阵转换为B12,最终得到天线模型为:
其中电机输入力矩T1为均布力矩,风力T2为均布力。
所述步骤103中,对所建风模型,和天线模型进行仿真,并根据仿真输出计算指向误差,计算公式如下所示:
其中θ为刚性转角,Cmqm为总的柔性位移输出,l为指向输出自由度到方位方向转轴的距离,为参考指向输入。
所述步骤104中,对该指向误差进行一步卡尔曼预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和。
所述卡尔曼预测过程为:设我们预测对象为随机线性离散系统k时刻的状态变量Xk,状态方程和测量方程可表示为:
Xk+1=AkXk+Bωk
Yk=CkXk+Dνk(26)
其中,k表示时间,这里指第k步迭代时,相应信号的取值,输入信号ωk是白噪声,输出信号的观测噪声νk也为白噪声;B和D表示噪声的增益矩阵;A表示状态变量之间的增益矩阵,Ak为第k步迭代时,增益矩阵A的取值;C表示状态变量与输出信号之间的增益矩阵,第k步迭代式时,取值用Ck表示;Yk表示第k步时的观测数据。为方便期间设增益矩阵A不随时间变化,ωk和νk都是均值为零的正态白噪声,他们不相关,且方差分别为Qk和Zk。
则滤波步骤为:
状态一步预测值:
预测误差方差:Pk′=AkPk-1Ak T+Wk-1(28)
滤波增益:Hk=Pk′Ck T(CkPkCk T+Rk)-1(29)
最佳滤波值:
滤波误差方差:Pk=(E-HkCk)Pk′(31)
其中,Pk为预测误差方差,Hk为滤波增益,E为单位矩阵,W为动态输入噪声方差矩阵,R为观测噪声方差矩阵。
在指向误差预测一步迭代过程中,Xk为第k时刻指向误差最佳滤波值,Yk+1为第k+1时刻指向误差观测值,在仿真中观测值即为k+1时刻的由柔性振动和刚性转角得到的指向误差值,而在实际控制中则为位移传感器采得的指向误差数据。
卡尔曼迭代具体流程见图3,迭代过程中W阵和R阵不变,且输入值为天线模型仿真指向误差,输出值为天线模型指向误差的预估值。
假设在k到k+1时刻速度恒定,令: S为指向误差位移量,V为指向误差速度量经推导,柔性天线模型各参数矩阵为:
其中,T为采样时间。
根据迭代步骤,选择适当初始值,进行迭代,初始参数的选取原则如下:
5)X0取决于系统的初始状态,可认为是0;
6)为简化试凑过程,选取P0,W,R为对角阵,且取为较小的值
7)代入初值进行仿真,若算法收敛较慢,则增大P0,若不收敛则减小P0。
8)可根据预测误差大小,改变W、R的值,直到适合为止。
选取适合的初值,进行卡尔曼预测得到预测指向误差e′。
所述步骤105中,如图4所示,由指向误差反解输入电压过程如下:
1)求刚性天线传递函数G2g,由于目的是使该力矩生成的刚性转角与指向误差相抵消,所以反推计算式只需要反推G2中的刚性模型:
我们得到G2中刚性模型的传递函数为:
其中J为天线转动惯量,D为天线外界阻尼。
2)求电机和减速器模型G1,根据电机和减速器参数得到由电压到输出力矩的传递函数为:
其中T为输出力矩,υa为电机电压,N为传动比,kg为减速器刚度,Jm为电机内部转动惯量,Ra为电机内阻,La为电机电感,km为力矩常数,kb为电枢常数。
3)设计低通滤波器:滤波器截止频率取柔性模型最低阶固有频率,并且基于试错法手动调节开环增益。滤波器设计方法如下:
低通滤波器传递函数为:
其中a为开环增益,RC为电阻与电容根据截至频率选定,则截止频率为:
4)因此前馈控制信号的生成公式为:
υa=e′(G1G2g)-1Gs(37)
其中υa为前馈控制电压,e′为预测误差值
所述步骤106中,将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。
将本发明的控制方法应用于7.3米反射面天线进行仿真实验,首先建立面向控制的天线模型,取天线位置处平均风速为10m/s,并根据风载建模理论生成脉动风载荷,将该风载荷作用于天线模型,输出如图5所示指向误差。
从图中可看出,平均风速为10m/s的瞬态风对该天线造成的指向误差最大值达0.03°,也说明考虑结构柔性振动对指向误差影响的必要性。
接下来对该指向误差进行卡尔曼一步预测,预测时间取为10ms,初始参数选择为
预测结果如五二所示,并对图6局部进行放大如图7所示。
设计低通滤波器:低通滤波器截止频率取缩聚模型的最低阶固有频率9.28Hz,并根据试错法手动调节增益系数,得到低通滤波器传递函数为:
将预测误差信号通过电机、减速器及天线模型的逆,并进行低通滤波加载于电机输入端,得到天线的控制力矩如图8所示,从图中可以看出该输入力矩已没有高频信号,避免了引起柔性天线的共振。
同时我们根据查表法原理,给予所造成误差的均值补偿,并将未补偿产生的指向误差与查表法补偿后的指向误差及基于卡尔曼滤波的前馈控制方法补偿后的指向误差做比较,仿真结果如图9所示。
其中实线为前馈补偿误差,虚线为查表法补偿误差,点划线为未补偿误差。在控制作用进入稳态阶段(t>0.5s),经计算得出未补偿误差最大值为-0.03°;查表法补偿后,其误差最大值为-0.015°,前馈补偿控制后,其误差最大值为-0.008°,从结果可以看出,基于卡尔曼滤波的前馈补偿方法最大误差明显减小,说明基于卡尔曼滤波的前馈补偿控制对改善风扰所造成的指向误差作用明显。
本实施例没有详细叙述的工艺和字母均属本行业的公知工艺或公知技术,这里不一一叙述。
Claims (5)
1.一种大型天线抗风扰自适应补偿方法,其特征是至少包括如下步骤:
步骤101:建立天线位置处较为准确的随机风载荷模型;
步骤102:建立面向控制的包含天线柔性信息的模型;
步骤103:通过对所建风模型和天线模型进行仿真,得出天线柔性振荡信息,并计算指向误差;
步骤104:根据卡尔曼滤波方式,对该指向误差进行预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和;
步骤105:设计低通滤波器,并求得天线模型和电机减速器模型的传递函数,对预测值进行反推计算,求得前馈控制信号;
步骤106:将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差;
所述步骤101里根据天线位置,周围环境建立随机风载荷,建立过程如下:
若以为仿真平均风速,先计算标准高度处风速:
其中H为任一点处的平均风速和高度
Hs为标准高度处的平均风速和高度,大部分国家取10米
α为地面的粗糙度系数,地面粗糙度越大,α越大;开阔平原取0.12-0.16;
根据标准高度处风速,计算该风速下的均方差:
其中k为地面系数,在有少量树木的开阔地取0.005在有高数地带取0.015,为10米高度处的平均风速;
以均值和均方差σ生成高斯分布的随机数列,将该数列通过近似符合达文波特风谱的滤波器得到,该滤波器的传递函数G为四阶,是经过Z变换的离散形式传递函数,通过修正其参数使得传递函数的增益在[0.001,20]Hz范围内最佳吻合天线的达文波特风谱;当采样时间为0.02秒时,该滤波器的传递函数如式(3)表达:
再由随机风速生成脉动风压,它们之间满足如下关系式:
其中q为风压,ρ为空气密度,ν为随机风速;
最终由风压计算反射面所受风力:
阻力:Fd=CdqA(5)
侧力:Fs=CsqA(6)
升力:Fl=ClqA(7)
其中Cd,Cs,Cl为风力系数,它们与反射面位置及风向有关,由风洞试验所得,可查表获得,A为反射面表面积;
所述步骤102里建立包含柔性信息的天线结构模型,过程简化如下:
1)模态质量阵的提取,以能量法简化的计算各阶模态质量:
Mi=2Vi/(2πωi)2(8)
其中,Mi第i阶模态质量,Vi为第i阶模态的总动能,ωi为第i阶模态固有频率;令Ω为自然频率矩阵,其为对角阵,对角线元素为各阶模态固有频率ωi,令Mm为模态质量矩阵,也为对角阵,对角线元素为各阶模态质量Mi,并根据模态质量矩阵和固有频率矩阵计算模态刚度矩阵、模态阻尼矩阵和模态阻尼比矩阵:
Ω2=Mm -1Km(9)
Dm=α1Km+α2Mm(10)
式中:Km称为模态刚度阵,Dm称为模态阻尼阵,Z为模态阻尼比矩阵;
α1,α2为瑞丽阻尼系数,与结构固有频率相关,具体表达式如下:
α1=(2(x1ω2-x2ω1)ω1ω2)/((ω1+ω2)(ω2-ω1))(12)
α2=(2(x2ω2-x1ω1))/((ω1+ω2)(ω2-ω1))
其中ω1,ω2为结构前两阶固有频率,x1,x2取0.02;
同时,根据模态振型,和模态质量阵变化得出模态输入和模态输出输出矩阵,具体表达式如下:
Bm=Mm -1ΦTB0
Cmq=CoqΦ,(13)
Cmv=CovΦ
式中,B0是输入矩阵,Coq是位移输出矩阵,Cov为速度输出矩阵;接下来根据模态建模方法各阶模态的可加性,将天线动力学方程分解改写为如下形式:
其中ξi为第i阶模态阻尼比,bmi为Bm的第i行,cmqi,cmvi为Cmq,Cmv的第i列,yi为系统的第i阶模态输出;
并将上式改写为状态空间方程形式:
系统总模型的状态空间表达式就可以将各阶状态空间方程叠加起来,用(A,B,C)表示:
其中Ai为2……2阶的矩阵,非零元素用“×”表示,相应的有:
2)接下来根据缩聚原理,对各阶模态进行范数计算,并根据范数值将原状态空间方程进行分割,根据误差指标,截掉范数低的各阶模态,剩下的即为缩聚后的天线柔性模型:
定义各阶泛数如下式:
同时误差定义为:
根据用途不同,将模型缩减为合适的阶数;
3)多刚体建模:
其中,T为施加力矩,J为惯量阵,D为阻尼阵;
4)基于模态叠加的动力学建模:
柔性模型与刚性模型叠加,由于B0与输入位置有关,对于不同的输入,比如控制力矩输入,和风力输入,B0是不同的,因为两种输入激励的自由度位置不同,分别记为B1和B2,把记控制力矩输入为T1,风力输入为T2;叠加过程如下:令:
ΦTB1=B11(22)
则:
同理风力T2,输入矩阵转换为B12,最终得到天线模型为:
其中电机输入力矩T1为均布力矩,风力T2为均布力。
2.依据权利要求1所述一种大型天线抗风扰自适应补偿方法,其特征是:所述步骤103中,对所建风模型,和天线模型进行仿真,并根据仿真输出计算指向误差,计算公式如下所示:
其中θ为刚性转角,Cmqm为总的柔性位移输出,l为指向输出自由度到方位方向转轴的距离,为参考指向输入。
3.依据权利要求1所述一种大型天线抗风扰自适应补偿方法,其特征是:所述步骤104中,对该指向误差进行卡尔曼预测,预测时间为电机的惯性时间常数与滤波器的惯性时间常数之和;
所述卡尔曼预测过程为:设预测对象为随机线性离散系统k时刻的状态变量Xk,状态方程和测量方程可表示为:
其中,k表示时间,这里指第k步迭代时,相应信号的取值,输入信号ωk是白噪声,输出信号的观测噪声νk也为白噪声;B和D表示噪声的增益矩阵;A表示状态变量之间的增益矩阵,Ak为第k步迭代时,增益矩阵A的取值;C表示状态变量与输出信号之间的增益矩阵,第k步迭代式时,取值用Ck表示;Yk表示第k步时的观测数据;为方便期间设增益矩阵A不随时间变化,ωk和νk都是均值为零的正态白噪声,它们不相关,且方差分别为Qk和Zk;
则滤波步骤为:
状态一步预测值:
预测误差方差:Pk′=AkPk-1Ak T+Wk-1(28)
滤波增益:Hk=Pk′Ck T(CkPkCkT+Rk)-1(29)
最佳滤波值:
滤波误差方差:Pk=(E-HkCk)Pk′(31)
其中,Pk为预测误差方差,Hk为滤波增益,E为单位矩阵,W为动态输入噪声方差矩阵,R为观测噪声方差矩阵;
在指向误差预测一步迭代过程中,Xk为第k时刻指向误差最佳滤波值,Yk+1为第k+1时刻指向误差观测值,在仿真中观测值即为k+1时刻的由柔性振动和刚性转角得到的指向误差值,而在实际控制中则为位移传感器采得的指向误差数据;
卡尔曼迭代过程中W阵和R阵不变,且输入值为天线模型仿真指向误差,输出值为天线模型指向误差的预估值;
假设在k到k+1时刻速度恒定,令 S为指向误差位移量,V为指向误差速度量,经推导,柔性天线模型各参数矩阵为:
其中,T为采样时间;
根据迭代步骤,选择适当初始值,进行迭代,初始参数的选取原则如下:
1)X0取决于系统的初始状态,可认为是0;
2)为简化试凑过程,选取P0,W,R为对角阵,且取为较小的值;
3)代入初值进行仿真,若算法收敛较慢,则增大P0,若不收敛则减小P0;
4)可根据预测误差大小,改变W、R的值,直到适合为止;
选取适合的初值,进行卡尔曼预测得到预测指向误差e′。
4.依据权利要求1所述一种大型天线抗风扰自适应补偿方法,其特征是:所述步骤105中,由指向误差反解输入电压过程如下:
1)求刚性天线传递函数G2g,由于目的是使该力矩T生成的刚性转角与指向误差相抵消,所以反推计算式只需要反推G2中的刚性模型:
我们得到G2中刚性模型的传递函数为:
其中J为天线转动惯量,D为天线外界阻尼;
2)求电机和减速器模型G1,根据电机和减速器参数得到由电压到输出力矩的传递函数为:
其中T为输出力矩,υa为电机电压,N为传动比,kg为减速器刚度,Jm为电机内部转动惯量,Ra为电机内阻,La为电机电感,km为力矩常数,kb为电枢常数;
3)设计低通滤波器:滤波器截止频率取柔性模型最低阶固有频率,并且基于试错法手动调节开环增益;滤波器设计方法如下:
低通滤波器传递函数为:
其中a为开环增益,RC为电阻与电容根据截至频率选定,则截止频率为:
4)因此前馈控制信号的生成公式为:
υa=e′(G1G2g)-1Gs(37)
其中υa为前馈控制电压,e′为预测误差值。
5.依据权利要求1所述一种大型天线抗风扰自适应补偿方法,其特征是:所述步骤106中,将所得前馈控制电压前馈给控制系统,使被控模型产生刚性转角抵消由于柔性振荡带来的指向误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310497248.9A CN103558758B (zh) | 2013-08-09 | 2013-10-21 | 一种大型天线抗风扰自适应补偿方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103470659 | 2013-08-09 | ||
CN201310347065.9 | 2013-08-09 | ||
CN201310347065 | 2013-08-09 | ||
CN201310497248.9A CN103558758B (zh) | 2013-08-09 | 2013-10-21 | 一种大型天线抗风扰自适应补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103558758A CN103558758A (zh) | 2014-02-05 |
CN103558758B true CN103558758B (zh) | 2016-06-08 |
Family
ID=50013041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310497248.9A Expired - Fee Related CN103558758B (zh) | 2013-08-09 | 2013-10-21 | 一种大型天线抗风扰自适应补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103558758B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090577A (zh) * | 2014-06-18 | 2014-10-08 | 中国人民解放军63756部队 | 一种基于自抗扰的天线位置控制方法 |
CN104880293A (zh) * | 2015-04-02 | 2015-09-02 | 苏州中州安勃起重有限公司 | 起重机风载模型建立方法 |
CN106875488A (zh) * | 2017-01-12 | 2017-06-20 | 西安电子科技大学 | 一种反射面天线面板风压系数数值模拟方法 |
EP3588135B1 (en) | 2018-06-28 | 2021-05-05 | Aptiv Technologies Limited | Method of determining an alignment error of an antenna and vehicle with an antenna and a detection device |
CN110811287B (zh) * | 2018-08-10 | 2021-02-09 | 佛山市爱米吧科技有限公司 | 谷物定量机构防堵转控制系统、电饭煲及防堵转控制方法 |
CN109543334B (zh) * | 2018-12-02 | 2020-07-21 | 湖南大学 | 一种随机风载荷作用下相控阵雷达动态电性能分析方法 |
CN109884593B (zh) * | 2019-01-19 | 2023-05-23 | 西安电子科技大学 | 一种测控集成的大型天线自适应抗风扰系统及设计方法 |
CN109873253B (zh) * | 2019-02-25 | 2021-03-16 | 中国科学院紫金山天文台 | 基于轴向增益测量的主动反射面面形调整方法 |
CN110492218B (zh) * | 2019-08-23 | 2021-06-01 | 深圳市威富通讯技术有限公司 | 天线风载荷控制装置及控制方法 |
CN115808881B (zh) * | 2023-01-21 | 2023-04-21 | 中国科学院数学与系统科学研究院 | 一种无拖曳卫星在轨质量估计方法和自适应控制方法 |
CN115826606B (zh) * | 2023-02-14 | 2023-04-21 | 中国船舶集团有限公司第七〇七研究所 | 一种自升式船舶平台的动力定位控制方法 |
CN116610158B (zh) * | 2023-07-20 | 2023-09-12 | 中国航空工业集团公司沈阳空气动力研究所 | 一种用于大型风洞喷管插拔销的定位控制系统及控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05333137A (ja) * | 1992-05-27 | 1993-12-17 | Nec Corp | 追尾レーダ |
-
2013
- 2013-10-21 CN CN201310497248.9A patent/CN103558758B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
Title |
---|
Modeling Wind-Gust Disturbances for the Analysis of Antenna Pointing Accuracy;W.Gawronski;《Atennas and Propagation Magazine》;20040229;第46卷(第1期);2.1 * |
某车载雷达天线的建模及其动态特性分析;徐建喜;《全国优秀硕士学位论文全文数据库》;20120315;第2.2雷达天线风载荷的数值模拟 * |
深空站大天线抗风扰LQG最优控制器设计;李玉瑄等;《测控摇感与导航定位》;20121231;第42卷(第12期);全文 * |
雷达天线风载荷分析及伺服系统抗扰方法研究;张鑫;《全国优秀硕士学位论文全文数据库》;20101115;第1-4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN103558758A (zh) | 2014-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103558758B (zh) | 一种大型天线抗风扰自适应补偿方法 | |
CN103311939B (zh) | 基于wams的电力系统低频振荡协调阻尼控制方法 | |
CN102520353B (zh) | 同步发电机模型参数分步辨识方法 | |
CN102411305B (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法 | |
Noori et al. | Designing of wide-area damping controller for stability improvement in a large-scale power system in presence of wind farms and SMES compensator | |
CN103972912B (zh) | 一种含风电电力系统频率响应的频域分析方法 | |
CN102588211A (zh) | 一种风力发电机组全工况模型预测控制方法及系统 | |
CN104533732A (zh) | 一种抑制风力发电机组塔架左右振动的控制方法及装置 | |
CN104597911A (zh) | 空中加油受油机自适应最优对接轨迹跟踪飞行控制方法 | |
CN111706472B (zh) | 预测配备LiDAR传感器的风轮机的转子平面中的风速的方法 | |
CN105626378A (zh) | 基于rbf神经网络的大型风电机组独立变桨控制方法 | |
CN109802446A (zh) | 基于云模型的风柴储混合电力系统电压频率滑模控制方法 | |
CN102621888B (zh) | 基于最小二乘支持向量机的结构地震响应时滞智能控制方法 | |
CN106383443A (zh) | 抗干扰控制方法及系统 | |
CN104242744A (zh) | 一种基于优化灰色预测补偿的永磁同步电机转速控制方法 | |
CN115392110A (zh) | 基于ppo算法的数据模型混合驱动风电场建模方法 | |
CN104238367A (zh) | 一种基于神经网络的壳体结构表面振动一致性控制方法 | |
CN102931819B (zh) | 基于瞬态电磁能量平衡的电力电子变换器控制方法 | |
CN105035311B (zh) | 一种飞行器阵风减缓自适应前馈控制系统 | |
Gu et al. | Power maximising control of a heaving point absorber wave energy converter | |
CN109878633A (zh) | 一种基于自抗扰控制的高速双体船纵向减摇方法 | |
CN105843040A (zh) | 无人直升机动力学参数的辨识方法和装置 | |
CN108223274A (zh) | 基于优化rbf神经网络的大型风力机变桨距系统辨识方法 | |
CN107959453A (zh) | 一种改进的mras速度观测方法 | |
CN114725948B (zh) | 基于数据驱动灵敏度的风电场分布式次梯度电压控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160608 Termination date: 20211021 |
|
CF01 | Termination of patent right due to non-payment of annual fee |