CN105278399A - 状态观察器 - Google Patents
状态观察器 Download PDFInfo
- Publication number
- CN105278399A CN105278399A CN201510276772.2A CN201510276772A CN105278399A CN 105278399 A CN105278399 A CN 105278399A CN 201510276772 A CN201510276772 A CN 201510276772A CN 105278399 A CN105278399 A CN 105278399A
- Authority
- CN
- China
- Prior art keywords
- digital filter
- wave digital
- filter model
- wave
- port
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 21
- 239000003990 capacitor Substances 0.000 description 22
- 230000001902 propagating effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 230000008878 coupling Effects 0.000 description 11
- 238000010168 coupling process Methods 0.000 description 11
- 238000005859 coupling reaction Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Networks Using Active Elements (AREA)
Abstract
本发明涉及状态观察器。讨论了使用波数字滤波器模型的系统和状态观察器。
Description
技术领域
本申请涉及状态观察器、可用于控制包括状态观察器的设备的控制系统、以及相应的方法。
背景技术
在许多应用中,控制器可以通过发送一个或多个控制信号到受控设备来控制受控设备,例如电子设备、机械设备或者机电设备。在一些情况下,控制器可以基于来自受控设备的反馈(例如,基于受控设备的输出信号)来生成一个或多个控制信号。
然而,在一些情况下,不仅仅基于来自设备的反馈而且还基于受控设备的一个或多个内部状态(例如内部电压或内部电流)来生成一个或多个控制信号是期望的。这样的内部状态可能是难以测量的。
因此,在一些情况下,使用状态观察器,所述状态观察器是一般计算机实现的实体,其提供受控设备的一个或多个内部状态的估计。针对这样的计算机实现,通常,可能是连续时间系统的受控设备必须由离散时间方程来近似。针对受控设备包括彼此相互作用的多个动态效应(像晶体管以及包括例如电容器和电感器的负载)的情况,可能引入附加的延迟。这样的附加的延迟可能引起受控设备的参数化模型的参数(例如电阻器、电感器和电容器值)依赖的稳定性问题(所述模型被用来实现状态观察器),即使该模型仅仅表示无源系统。
附图说明
图1是根据一个实施例的系统的框图。
图2是根据另外的实施例的系统的框图。
图3是图示了根据一个实施例的方法的流程图。
图4是根据一个实施例的示例系统。
图5是图示了根据一个实施例的RLC网络的电路图。
图6、7A-7C、8A-8C、9A-9C、10A、10B、11A、11B、12A、12B、13A、13B、14A、14B、15A和15B图示了用于建造根据一个实施例的状态观察器的各种元件。
图16A和16B图示了根据一个实施例的波数字滤波器模型的实现,所述波数字滤波器模型用于针对图5的RLC网络的状态观察器。
图17A-17G、18A、18B、19、20A-20C、21A-21C、22、23、和24A-24D图示了使用波数字滤波器的晶体管电路和晶体管的实现。
图25图示了可用于一些实施例中的受控设备。
图26图示了根据一个实施例的波数字滤波器模型,所述数字滤波器模型用于针对图25的设备的状态观察器。
图27图示了图示了一些实施例的操作的仿真结果。
具体实施方式
在下文中,将参照附图来详细描述各种实施例。应该注意的是,这些实施例仅仅出于说明的目的被给出,而不被解释为限制性的。例如,虽然实施例可以于此被描述并在附图中被示出为包括多个特征或元件,但是在其他实施例中,这些特征或元件中的一些可以被省略和/或可以由可替换的特征或元件所替代。在还有其他的实施例中,还可以提供除了明确所描述或示出的特征或元件之外的附加的特征或元件。
来自不同实施例的特征或元件可以被组合以形成另外的实施例。此外,应该注意的是,在图中示出或于此描述的连接或耦合可以被实现为直接的连接或耦合(即没有附加的介于中间的元件的连接或耦合),或者被实现为间接的连接或耦合(即包括一个或多个介于中间的元件的连接或耦合),只要连接或耦合的基本功能(例如,发射特定种类的信息或特定种类的信号)被实质上保留。连接或耦合可以被实现为基于有线的连接或耦合、无线连接或耦合或者其混合。
在一些实施例中,通过使用波数字滤波器(WDF),例如受控设备的WDF模型,可以实现状态观察器。在一些实施例中,通过使用多个n端口适配器,例如三端口适配器,可以实现波数字滤波器。在一些实施例中,凭借使用通过使用波数字滤波器来实现的这样的状态观察器,受控设备的内部状态可以被估计并且被用于控制受控设备中。
在一些实施例中,波数字滤波器可以建模RLC(电阻器-电感(inductivity)-电容器)部件和/或包括晶体管的部件。在一些实施例中,通过使用晶体管的小信号模型,可以由波数字滤波器来建模晶体管。
在一些实施例中,通过使用波数字滤波器,可以实现针对关于受控设备具有小延迟的状态观察器的稳定模型,所述受控设备由状态观察器所建模。
现在转到图,图1图示了根据实施例的系统。图1的系统包括控制器10,其经由控制输出信号或矢量(在图1中被标示为“控制输出”)来控制受控设备。控制器10的实现可以取决于控制器10的本性。一般地,可以以软件、硬件、固件或者其组合来实现控制器10。例如,控制器10可以包括电压调节器、自适应PID控制器、状态空间控制器或者任何其他类型的常规的控制器。受控设备11可以包括例如电子电路、机械设备或者机电设备,但是不限于这些示例。受控设备11可以是真实的设备,或者也可以是仿真的设备,例如VHDL仿真的设备。控制输出信号可以是例如电压信号或电流信号。在一些实施例中,可以提供超过一个控制输出信号。在一些实施例中,控制输出信号可以是例如针对受控设备11的电源,所述电源通过控制器10是可变化的。在图1的实施例中,控制器10可以接收指示了控制的期望的结果的控制目标。此外,控制器10可以接收来自受控设备11的设备反馈,例如受控设备11的输出信号或者任何其他种类的反馈,例如机械设备的传感器测量。例如,在一些实施例中,控制输出可以被调整,以获得设备反馈的特定值或性质(例如期望的信号强度或信噪比),如由控制信号所指示的那样。
此外,图1的系统包括根据实施例的状态观察器12,其基于波数字滤波器(WDF)来被实现。状态观察器12可以例如被实现为VHDL合成的数字硬件,或者被实现为在一个或多个微处理器上运行的程序。波数字滤波器建模受控设备11或者其部分。例如,状态观察器12从控制器10接收控制输出信号,并且响应于控制输出信号来建模受控设备11的行为。通过使用状态观察器12,受控设备的内部状态(例如内部电流或内部电压)可以被估计,并且作为观察器内部状态被馈送到控制器10。控制器10接着可以基于这些经估计的内部状态来附加地生成控制输出信号。例如,电压的调节可以考虑受控设备的电感器和/或电容中存储的能量,作为针对内部状态的示例。
在一些实施例中,可以基于受控设备11的知识来设计状态观察器12。在一些实施例中,附加地,状态观察器12可以适于更紧密地匹配受控设备11的行为,例如以计及温度变化、工艺变化、不同环境中的安装或者可能使得受控设备11偏离基于其设计的“理想”行为的任何其他外部影响。接下来将参照图2来讨论针对这样的实施例的示例。图2的实施例的控制器10、受控设备11以及状态观察器12实质上对应于图1的实施例的控制器10、受控设备11以及状态观察器12,并且如参照图1所描述的他们的功能和相互作用也可以应用于图2的实施例。附加地,图2的实施例包括参数估计器20。可以以软件、硬件、固件或其组合来实现参数估计器20。例如,参数估计器20可以和状态观察器12一起被实现为由一个或多个微处理器或其他可编程设备所执行的程序,或者被实现为硬件。
参数估计器20从受控设备11接收设备反馈,例如受控设备11的输出信号。此外,参数估计器20从状态观察器12接收观察器反馈,例如在状态观察器12中所使用的受控设备的模型的输出信号,其对应于从受控设备11接收的设备反馈。参数估计器20接着调整观察器参数(例如像波阻一样的波数字滤波器的参数),以减少或最小化设备反馈与观察器反馈之间的差。这样的波阻可以对应于受控设备的参数,像电感、电容或电阻。换言之,在一些实施例中,参数估计器20借助于波数字滤波器来调整观察器参数以改进受控设备11的建模。针对调整观察器参数,可以使用任何常规的算法,例如任何常规的优化算法,例如简单牛顿算法或拟合算法。也可以应用其他技术。在一些实施例中,这样的经调整的参数也可以被馈送到控制器10作为经估计的内部状态,以用于生成控制输出信号或矢量。换言之这可以改进关于受控设备的实际参数的控制器的“知识”,其可以被用来增强控制。
图3是图示了根据实施例的方法的流程图。虽然图3的方法被示出并且将被描述为一系列动作或事件,但是执行这些动作或事件的次序不被解释为限制性的。例如,可以以不同于示出的次序的次序来执行动作或事件,或者动作或事件中的一些可以例如由系统、电路或设备的不同部分并行地执行。动作或事件可以被重复地执行以实现控制环路。图1的方法可以通过使用图1的系统或者图2的系统来被实现,但是还可以被应用于其他系统或设备。
在30处,图3的方法包括生成控制信号,以基于来自设备的反馈以及设备的经估计的内部状态来控制设备。设备的反馈可以包括例如设备的输出信号。设备可以是例如电子设备或电路、机械设备或机电设备。经估计的内部状态可以包括例如在设备的部件处或者通过设备的部件的经估计的内部电压或电流。
在31处,方法包括基于控制信号来生成设备反馈。换言之,像设备的输出信号一样的设备反馈可以响应于在30处生成的控制信号来改变。
在32处,图3的方法包括通过使用设备的波数字滤波器模型基于控制信号来估计设备的内部状态。换言之,响应于控制信号的设备的行为可以通过使用波数字滤波器来被仿真,并且基于该仿真,可以获得内部状态的估计。在32之后,用分别在31和32处提供的设备反馈和内部状态的新的值,图3的方法在30处继续。因而,实现了用于控制设备的控制环路。
为了图示参照图1-3进一步被解释的概念和技术,将参照图4-27来详细讨论针对示例系统的波数字滤波器模型的实现。然而,这仅仅用于于此所公开的概念和技术的进一步图示,而不被解释为限制性的,因为于此所公开的概念和技术可以被应用于各种各样的系统,而下面图示的特定系统仅仅用作示例。
图4图示了根据一些实施例的可以应用于此所公开的技术和概念的示例设备。图4的示例设备包括传感器系统,例如基于PSI5(外围传感器接口5)和/或DSI3(分布式系统接口)传感器设备。图4的设备包括经由外部负载42(例如束线)被耦合到传感器43的数字部分40和模拟部分41。数字部分40包括接收器44以接收和处理来自传感器的信号,并且包括数字电压调节器部分45,其与模拟部分41中的调节器环路46一起用于控制传感器电压,并且是像图1和2的控制器10一样的控制器的示例。因此形成的电压调节器可以被内部负载47以及被外部负载42所影响,所述内部负载47可以表示模拟部分41的内部电阻、电容等。在一些实施例中,数字部分40和模拟部分41可以被实现为片上系统(SoC)。模拟部分41可以包括例如数模转换器和/或模数转换器,以与数字部分40通信,并且在用于数字部分40中的数字信号与用于模拟部分41中并且被输出到传感器43或者经由外部负载42从传感器43接收的模拟信号之间转换。
图5是内部负载47和外部负载42以及传感器43的电路表示,即被附接到电压调节器和调节器环路45、46的部件的表示。图5中的ReV表示从调节器环路46输出电压的电压源。图5的节点P5X对应于图4的调节器环路46的输出节点。Re1对应于内部负载47的第一电阻,而Ce对应于内部负载47的内部电容。如在图5中所指示的Re1和Ce两端的电压降对应于由调节器环路46输出的实际的经调节的电压Vreg。Re2指示内部负载47的另外的内部电阻。图5中标示为ECU的节点对应于模拟部分41的输出。图5的电路图中的外部负载42由标示为RI/2的两个电阻器、标示为LI/2的两个电感以及标示为CI的电容所表示。依赖于由外部负载42所表示的连接(例如束线),在其他实施例中可以应用其他表示。图5中标示为“传感器”的节点表示内部负载42与传感器43之间的接口。
图5的电路图中的传感器43由电阻器Rs和电容器Cs表示,其表示了传感器43的内部电阻和电容。此外,传感器43由电流源Isense表示,由该电流源输出的电流实质上相应于传感器信号(接着被内部电阻器Rs和内部电容器Cs修改)。
在下面,将讨论通过使用波数字滤波器来建模图5的电路以实现像图1和2的状态观察器12一样的状态观察器。在用于通过使用波数字滤波器来实现图5的电路的模型的说明性的示例之前,将讨论关于波数字滤波器的一些背景。由于简洁的缘故,将使得该讨论是简短的,因为可以使用波数字滤波器的任何常规的实现技术。
在波数字滤波器中,元件的连接由传输线所建模,而通过使用向前传播的波a(x)和向后传播的波b(x)来建模信号。根据下面,向前传播的波和向后传播的波是电压和电流的线性组合,并且反之亦然:
因此,当例如实现像图5的电路一样的RLC网络时,由传输线耦合的网络的网络方程借助于波实质上被求解。在方程(1)到(4)中,RL表示波阻抗。V(x)对应于点x处的电压,而i(x)对应于点x处的电流。方程(1)和(2)表示作为电压和电流的线性组合的向前传播的波以及向后传播的波,而方程(3)和(4)表示作为向前传播的波和向后传播的波的线性组合的电压和电流。
为了建造波数字滤波器,可以使用连接各种元件适配器的模型,其例如定义了在适配器的一个端口处的向前的波如何贡献于在适配器的其他端口处的波。在图6中示出了一般的n端口适配器,ai,i=1……n表示进入(向前传播)的波,而bi表示反射(向后传播)的波。根据下面可以描述一般的n端口适配器:
其中,是由bi形成的矢量,是由ai形成的矢量,而是nxn散射矩阵。这样的一般的n端口适配器因而需要n2相乘。
接下来,将讨论可用于通过使用波数字滤波器来建模图5的电路的一些基本元件。图7A到7C图示了电流源的实现。图7A示出了具有内部电阻R的电流源的示意的电路图。如在图7B中所示,在波表示中,这样的电流源终止向前传播的波,并且发射新的波b。可以如所图示的那样关于方程(1)到(4)来确定波的值。图7C示出了用于在下面的电流源的符号。
下面示出这样的电流源的VHDL代码表示:
在图8A-8C中,示出开路端的建模。图8A示出了示意的电路图,图8B示出了波图,而图8C示出了于此用来表示开路端的符号。在这里,向前传播的波a被反射以形成向后传播的波b,因为越过开路端没有电流可以流动。根据方程(4),根据i(x)=0,得出a(x)=b(x)。
图9A到9C图示了短路端的实现。在这里,电压降是零,并且根据方程(3),其中v(x)=0,a(x)=-b(x),即得出波的反向。图9A示出了示意的电路图,图9B示出了波图,与-1的相乘对应于波的反向,而图9C示出了于此所使用的符号。
通过使用如参照图6在上面一般地解释的n端口适配器,像参照图7-9上面解释的以及如参照图13-15下面将描述的元件一样的元件可以与彼此互连。在下面的解释中所使用的n端口适配器的一种类型是三端口并联适配器。另一个类型是三端口串联适配器。并联适配器可以被用来建模元件的并联耦合,而串联适配器可以被用来建模串联耦合。接下来将参照图10-12来描述针对这样的特定适配器的示例。
图10A示出了用于三端口并联适配器(即用于建模并联连接的适配器)的符号。图10B示出了示例的实现方案。图10B的方案使用与-1相乘、与–γ1和–γ2相乘以及相加,来将进入的波a1、a2和a3与出射的波b1、b2、b3链接起来。在图10A,R1、R2和R3标明三个端口的波阻。可以如下计算γ1和γ2:
其中,G1=1/R1,G2=1/R2并且G3=1/R3。
下面示出针对这样的三端口并联适配器的可能的VHDL代码:
在一些情况下,在可以提供匹配的终端的情况下简化三端口适配器的实现可以是可能的。例如,针对被连接到像电流源、电阻器、电容器等的元件的端口,端口的各自的波阻R1、R2或R3由各自的元件所确定。然而,当建模电路时,在适配器的端口连接到另外的适配器的地方可能发生状况。在这种情况下,波阻可以被匹配到两侧中的一个,并且可以避免反射。在图11中示出示例,图11A示出符号而图11B示出可能的实现。如可以看出的那样,与图10B相比较,通过匹配的终端,如在图11B中所图示的实现被简化,且仅仅与一个参数γ1相乘是必需的。γ1可以根据下面被计算:
其中,
。
方程(8)对应于针对匹配的要求。
将被用在建模图5的电路的示例中的适配器的另一个类型是具有经匹配的终端的三端口串联适配器。图12A示出了符号,而图12B示出了可能的实现。类似于具有经匹配的终端的并联适配器,与参数–γ1的一次相乘是必需的。可以根据以下来计算γ1:
其中
。
方程(10)是匹配要求。如在图12中可以看出以及如通过灰色阴影突出的那样,b3独立于a3,因而简化了计算。
在其他实施例中,可以使用其他适配器,例如没有经匹配的终端的三端口串联适配器。
接下来,将描述波数字滤波器模型中的电容器、电感器和电阻器的实现。图13A示出了电容器C的电路图,而图13B示出了可以被耦合到n端口适配器的端口的针对波数字滤波器表示的相应的部件。如可以看出的那样,电容器变换为一个时间单元的延迟元件(z-1指示了z变换域中的延迟)。针对该元件(其可以被用作例如针对参照图10-12所讨论的三端口适配器的R1、R2或R3)的相应的波阻抗是:
其中,RL是波阻抗,C是电容器的电容,而TS是波数字滤波器模型的采样时间周期(一个离散的时间台阶)的持续时间。
在图14A和14B中,图示了波数字滤波器模型中的电感的实现。图14A示出了电路图,而图14B示出了波数字滤波器模型的相应的部分。如在图14B中可以看出的那样,电感器变成了反向的延迟,而反向由图14B中的乘以-1来表示。这种情况下的波阻抗RL是:
其中,L是电感器的电感。
在图15A和15B中,图示了电阻器的实现。图15A示出了具有电阻器的电路图,而图15B示出了相应的波数字滤波器实现。波数字滤波器实现中的电阻器是传输线的理想终端,即向前传播的波被倾倒(dump)或终止。这种情况下的波阻抗RL是
R是电阻器的电阻。
随着迄今为止示出的元件,可以提供图5的电路的波数字滤波器实现。这在图16中被图示。在图16中,为了容易参照,图5的示例电路被再次复制。此外,图示了包括电流源161、1611以及端口适配器162-1610的该电路的波数字滤波器模型。
用来生成经调节的电压Vreg的在节点P5X处的电流输出由电流源161所表示。波数字形式中的电阻器Re1被耦合到经匹配的串联三端口适配器162。被并联连接的电容器Ce由被耦合到经匹配的并联三端口适配器163的延迟元件所表示。直接在Re2之后的电阻器Re2和RI/2被表示为被耦合到经匹配的串联三端口适配器164的单个波数字滤波器电阻器。第一电感LI/2(在图16中被表示在电容器CI的左侧)被耦合到波数字形式中的经匹配的三端口适配器165(反向的延迟)。被并联耦合的电容器CI在波数字形式中被表示为被耦合到经匹配的三端口适配器166的延迟。第二电感LI/2由被耦合到串联三端口适配器167的反向的延迟所表示。第二电阻器RI/2由被耦合到三端口串联适配器168的终端所表示,如所示的那样。应该注意的是,在一些实例中,真实的端口适配器的次序还可以被交换。
针对传感器的表示,电流源Isense被表示为波数字滤波器模型中的电流源1611。电流源1611经由非匹配的并联三端口适配器169与三端口适配器168耦合。此外,经串联匹配的三端口适配器1610被耦合到三端口适配器169,用于实现电阻器Rs和电容器Cs的串联连接,所述电阻器Rs和电容器Cs分别被表示为图16中的终端和延迟。
因此,随着参照图6-15所讨论的各种元件,图5的电路可以被建模为波数字滤波器,以被用于例如图1和图2的状态观察器12中。在这种情况下,通过使用彼此耦合并且与电阻器、电感、电容器和电流源的波数字表示耦合的多个端口适配器(例如三端口适配器),实现了状态观察器。在其他实施例中,可以使用波数字滤波器的其他实现。
经估计的内部状态可以包括例如在图5和图16的RLC网络的各种元件处的电流或电压。例如,如果电压或电流指示了高的能量的量被存储在电感或电容中,那么Vreg可以被选择为低于在不知道内部状态的情况下它应该被完成的值。
在上面的示例中,使用电阻器、电感和电容的无源网络已经被建模为波数字滤波器,供状态观察器中的使用。在其他实施例中,可以建模例如包括就晶体管的电路。现在,这将参照图17-27来被解释。
在实施例中,可以使用被用来建模晶体管或其他非线性元件的小信号模型。小信号模型可以将晶体管的漏电流iD、栅-源电压VGS和漏-源电压VDS中的增量改变相互关连。在具有小的改变的情况下,通过仅仅使用像电容器、电阻器和受控电流源一样的线性元件(如上面已经解释的那样,其可以通过使用波数字滤波器来被建模),可以建造小信号等效电路。为了进一步图示,在下面将讨论NMOS晶体管的各种波数字滤波器表示。相应的技术还可以被应用于其他类型的晶体管,例如PMOS晶体管。
一般地,如现在将参照图17A-17G所解释的那样,NMOS晶体管可以被看作两端口网络。为了图示这个,图17A示出了NMOS晶体管170。NMOS晶体管的栅端子接收输入电压Vin,其在这种情况下对应于由电压源施加的栅源电压Vgs。NMOS晶体管170的源端子被耦合到接地,并且漏端子将输出电压Vout输出到由如所示的电阻器RLo表示的负载。图17B示出了小信号模型。针对栅源电压的电压源由“纯电压源”以及与小信号模型170’的栅源电容Cgs耦合的内部电阻Rgg所表示。此外,依赖于栅源电压,输出电压由电压源生成(如由增益系数gm所图示)。内部输出电阻被标示为ro。
参数的值,特别是gm的值,可以依赖于晶体管的工作点。
图17C示出了作为二端口适配器表示的晶体管170,其具有波阻或波阻抗Zin和Zout、输入端口一侧上的向前传播的波ai、输入端口一侧上的向后传播的波bin、输出端口一侧上的向前传播的波aout以及输出端口一侧上的向后传播的波bout。
图17D仅仅示出了输入端口侧,而图17E示出了输入端口侧的波数字滤波器表示,其具有生成对应于栅源电压vgs的向前传播的波ain的波源以及在内部电阻器Rgg处终止向后传播(进入的)的波的波汇(wavesink)。
图17F示出了被连接到图17C的输出端口的部分,而图17G示出了仅仅具有汇(sink)的波数字滤波器表示,如针对电阻器之前所讨论的那样。
接着剩下需要被确定的是波数字形式中的晶体管170本身的表示。首先,将讨论针对在公共的源连接中的晶体管的波数字滤波器模型。在这里,可以采用图17B的小信号模型。控制电压VGS被施加到内部电容器Cgs。针对输入侧上的波,因此下面的方程应用:
ax_Cgs和bx_Cgs是电容Cgs处的波。输出端口侧处的出射的波(如在图17E中可以看出,进入的波被终止)bx可以根据以下来被计算:
。
如在图18A中所图示,为了实现,需要两个适配器:将输入部分(如在图17E中所图示)与电容Cgs相链接的一个二端口适配器、以及链接在图18A的右侧上示出的部分的真实二端口适配器。这导致如在图18B中所示的晶体管的波数字滤波器表示。第一适配器181的相关方程是:
针对第二个二端口适配器的方程是:
如在图19中所图示,针对晶体管的公共的栅极连接,可以采用类似的方法。
在图20A中示出将被再多一些详细地处理的另外的示例,图20A图示了晶体管的公共的漏极连接。图20B示出了具有所指示的适配器201、202的小信号模型,所述所指示的适配器201、202都是三端口适配器。图20C示出了使用小信号模型的以公共的漏极连接的晶体管的波数字滤波器表示。波之间的关系可以被写为一组方程,其中,
针对bij,i指示适配器(1、2或3)的端口,而j指示适配器(第一适配器201或第二适配器202)。
在上面,相对简单的小信号模型已经被使用,针对一些应用,这可以是足够的。同样,还可以使用考虑了更多内部电容(像栅漏电容一样)的更复杂的小信号模型。例如,在图21A-21B,具有公共的源极连接的模型被图示,在那里除了栅源电容Cgs之外,栅漏电容Cgd也被考虑。图21A图示了小信号模型,图21B图示了三个适配器211、212和213的位置,而图21C示出了波数字滤波器模型。
图22和23示出了针对建模公共的源极连接的另外的示例,在这种情况下其包括体电势(由gmb?vbs来建模)、漏体电容Cdb以及体源电容Cbs。图22示出了包括三端口适配器221-226的位置的小信号模型,而图23图示了相应的波数字滤波器模型。
一般地,当建模晶体管时,可能引入相对小的延迟,而延迟可能是采样周期的倍数。
基于晶体管建模,可以建模例如电流镜。图24A图示了针对具有两个晶体管241、242的简单电流镜的示例。以二极管连接来提供晶体管241。图24B示出了针对可用于波数字滤波器建模的小信号等效电路的示例。243包括针对二极管的模型(建模图24A的晶体管241),而244包括晶体管的模型(因而建模晶体管242),其实质上对应于关于图17B已经讨论的小信号电路。二极管243可以由具有内部电阻ro1的电压源所建模。图24C示出了具有并联三端口适配器245和晶体管模型246(对应于晶体管242或建模晶体管242)的位置的配置。图24D图示了电流镜的波数字滤波器模型。247表示NMOS晶体管的波数字滤波器模型,如关于图17-23之前所讨论的那样(例如图18B中所图示的表示)。
通过使用这样的电流镜,可以提供例如包括调节器环路46、内部负载47、外部负载42和传感器43的图4的系统的波数字滤波器模型。在图25中示出了相应的电路图。调节器环路46由两个电流源IDACP、IDACN以及两个电流镜所表示,第一个电流镜由PMOS晶体管M1、M2形成,而第二个电流镜由NMOS晶体管M3、M4形成。剩下的图25中所示的元件参照图5已经被讨论,并且表示内部负载47、外部负载42和传感器43,如参照图5所解释的那样。
在图26中,示出了相应的波数字滤波器表示。波数字滤波器表示的一部分364对应于关于图16已经讨论的部分。此外,波数字滤波器模型包括PMOS电流镜361(表示图25的晶体管M1、M2)以及NMOS电流波数字滤波器表示362(表示M3和M4)。如参照图25所讨论的那样,电流镜波数字滤波器模型361、362实质上可以被实现。波数字滤波器模型361、362和364经由三端口适配器363被耦合在一起。
因此,通过使用示例,上面已经图示了:通过使用波数字滤波器,包括向晶体管一样的非线性元件的控制设备也可以被建模以提供状态观察器,例如针对如参照图1和图2所图示的控制系统。这样的状态观察器可以包括彼此耦合并且与表示例如电阻器、电感、电容、电流源、闭合连接或开路连接的简单一端口元件耦合的多个n端口适配器,如之前详细讨论的那样。
在图27中,图示了针对图26的波数字滤波器模型的仿真示例。如可以看出的那样,可以获得稳定的仿真行为。
通过使用波数字滤波器,一般地,状态观察器可以被实现,其针对给定的滤波器规格具有最小数目的延迟元件。在一些实施例中,可以获得关于稳定性和灵敏度的良好性质。在一些示例实施例中,低和微控制器(即具有相对小的计算功率的微控制器)可以被用于实现波数字滤波器。一般地,虽然已经针对波数字滤波器模型实现示出了特定的示例,但是于此所讨论的概念可以被应用于各种各样的设备,以获得相应的状态观察器,如对于本领域的技术人员明显的那样。因此,所讨论的实施例不被理解为以任何方式限制本申请的范围。
Claims (20)
1.一种系统,包括:
控制器,所述控制器适于输出控制信号,以及
适于估计受控设备的内部状态的状态观察器,所述状态观察器包括受控设备的至少一部分的波数字滤波器模型,
所述控制器适于基于经估计的内部状态来生成控制信号。
2.根据权利要求1的系统,其中,
控制器进一步适于接收来自受控设备的反馈信号,所述控制器适于基于反馈信号来生成控制信号。
3.根据权利要求1的系统,还包括:
参数估计器,其适于基于受控设备的输出和对应于受控设备的输出的内部波数字滤波器状态的比较,来调整波数字滤波器模型的参数。
4.根据权利要求3的系统,其中,
经估计的内部状态包括经调整的参数中的至少一个。
5.根据权利要求1的系统,还包括:
受控设备,其中受控设备适于接收控制信号。
6.根据权利要求1的系统,其中,
波数字滤波器模型包括RLC网络的波数字滤波器模型、基于晶体管的小信号模型的至少一个晶体管的模型或电流镜的波数字滤波器模型中的至少一个。
7.根据权利要求1的系统,其中,
波数字滤波器模型包括传感器的波数字滤波器模型。
8.根据权利要求1的系统,其中,
波数字滤波器模型包括多个n端口适配器。
9.根据权利要求8的系统,其中,
n端口适配器包括至少一个三端口串联适配器。
10.根据权利要求8的系统,其中,
多个n端口适配器包括至少一个三端口并联适配器。
11.根据权利要求1的系统,其中,
经估计的内部状态包括内部电流或内部电压中的至少一个。
12.一种状态观察器,其包括设备的至少一部分的波数字滤波器模型。
13.根据权利要求12的状态观察器,其中,
波数字滤波器模型包括多个n端口适配器。
14.根据权利要求12的状态观察器,其中,
波数字滤波器模型建模束线或传感器中的至少一个。
15.根据权利要求12的状态观察器,其中,
波数字滤波器模型建模电流镜。
16.一种方法,包括:
通过使用设备的至少一部分的波数字滤波器模型,基于控制信号来估计设备的内部状态,以及
基于经估计的内部状态来生成控制信号。
17.根据权利要求16的方法,还包括:
重复生成和估计,以实现控制环路。
18.根据权利要求16的方法,还包括:
基于控制信号来由设备生成设备反馈,其中此外控制信号的生成基于设备反馈。
19.根据权利要求16的方法,其中,
设备包括传感器。
20.根据权利要求16的方法,其中,
波数字滤波器模型包括多个n端口适配器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/287,841 US20150346703A1 (en) | 2014-05-27 | 2014-05-27 | State observers |
US14/287841 | 2014-05-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105278399A true CN105278399A (zh) | 2016-01-27 |
Family
ID=54481624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510276772.2A Pending CN105278399A (zh) | 2014-05-27 | 2015-05-27 | 状态观察器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20150346703A1 (zh) |
CN (1) | CN105278399A (zh) |
DE (1) | DE102015108218A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233548A (en) * | 1989-06-15 | 1993-08-03 | Siemens Aktiengesellschaft | Method and network configuration for attaining a continuous variation in the transfer function of an adaptive recursive network for processing discrete-time signals |
US5321354A (en) * | 1990-07-23 | 1994-06-14 | Seiko Epson Corporation | Method for inspecting semiconductor devices |
CN1734669A (zh) * | 2004-06-22 | 2006-02-15 | 三星电子株式会社 | 半导体存储器件及其阵列内部电源电压产生方法 |
CN101230803A (zh) * | 2007-01-26 | 2008-07-30 | 通用电气公司 | 使用卡尔曼滤波器来初始化动态模型状态的系统和方法 |
CN101661069A (zh) * | 2009-09-25 | 2010-03-03 | 北京四方继保自动化股份有限公司 | 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法 |
CN103676651A (zh) * | 2013-12-02 | 2014-03-26 | 国家电网公司 | 基于状态观测模型的锅炉汽温预测控制方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4545242A (en) * | 1982-10-27 | 1985-10-08 | Schlumberger Technology Corporation | Method and apparatus for measuring the depth of a tool in a borehole |
TW419901B (en) * | 1997-06-27 | 2001-01-21 | Hitachi Ltd | Phase-locked ring circuit, data processing device and data process system |
US7612532B2 (en) * | 2005-06-21 | 2009-11-03 | Gm Global Technology Operations, Inc. | Method for controlling and monitoring using a state estimator having variable forgetting factors |
EP1938499A4 (en) * | 2005-09-19 | 2011-06-29 | Univ State Cleveland | CONTROLS, OBSERVERS AND APPLICATIONS THEREOF |
US7155334B1 (en) * | 2005-09-29 | 2006-12-26 | Honeywell International Inc. | Use of sensors in a state observer for a diesel engine |
JP4703593B2 (ja) * | 2007-03-23 | 2011-06-15 | 株式会社豊田中央研究所 | 二次電池の状態推定装置 |
US20100066378A1 (en) * | 2008-09-18 | 2010-03-18 | Uti Limited Partnership | Current Mirror Potentiostat |
US8281580B2 (en) * | 2010-01-19 | 2012-10-09 | GM Global Technology Operations LLC | Method and apparatus for monitoring a particulate filter |
JP5303528B2 (ja) * | 2010-09-16 | 2013-10-02 | カルソニックカンセイ株式会社 | フィルタによるパラメータ推定装置 |
US8429581B2 (en) * | 2011-08-23 | 2013-04-23 | Apple Inc. | Method for verifying functional equivalence between a reference IC design and a modified version of the reference IC design |
US20140303907A1 (en) * | 2013-04-05 | 2014-10-09 | Kevin M. Roughen | Systems and methods for dynamic force measurement |
-
2014
- 2014-05-27 US US14/287,841 patent/US20150346703A1/en not_active Abandoned
-
2015
- 2015-05-26 DE DE102015108218.7A patent/DE102015108218A1/de not_active Withdrawn
- 2015-05-27 CN CN201510276772.2A patent/CN105278399A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233548A (en) * | 1989-06-15 | 1993-08-03 | Siemens Aktiengesellschaft | Method and network configuration for attaining a continuous variation in the transfer function of an adaptive recursive network for processing discrete-time signals |
US5321354A (en) * | 1990-07-23 | 1994-06-14 | Seiko Epson Corporation | Method for inspecting semiconductor devices |
CN1734669A (zh) * | 2004-06-22 | 2006-02-15 | 三星电子株式会社 | 半导体存储器件及其阵列内部电源电压产生方法 |
CN101230803A (zh) * | 2007-01-26 | 2008-07-30 | 通用电气公司 | 使用卡尔曼滤波器来初始化动态模型状态的系统和方法 |
CN101661069A (zh) * | 2009-09-25 | 2010-03-03 | 北京四方继保自动化股份有限公司 | 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法 |
CN103676651A (zh) * | 2013-12-02 | 2014-03-26 | 国家电网公司 | 基于状态观测模型的锅炉汽温预测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150346703A1 (en) | 2015-12-03 |
DE102015108218A1 (de) | 2015-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aouiti | Oscillation of impulsive neutral delay generalized high-order Hopfield neural networks | |
Zhang et al. | Observer-based tracking controller design for networked predictive control systems with uncertain Markov delays | |
US7689297B2 (en) | Nonlinear system observation and control | |
Benedikt et al. | Modelling and analysis of the non-iterative coupling process for co-simulation | |
CN1996975A (zh) | 一种信号测量设备、系统及方法 | |
WO2007083191A1 (en) | Multiple-input and multiple-output amplifier | |
Yang et al. | Finite-time synchronization of coupled inertial memristive neural networks with mixed delays via nonlinear feedback control | |
Yu et al. | Stability analysis of interconnected nonlinear fractional‐order systems via a single‐state variable control | |
Menekay et al. | Novel high-precision current-mode circuits based on the MOS-translinear principle | |
Siqueira et al. | The direct connection between box & Jenkins methodology and adaptive filtering theory. | |
CN105278399A (zh) | 状态观察器 | |
Menekay et al. | Novel high-precision current-mode multiplier/divider | |
Stošović et al. | Frequency and time domain comparison of selective polynomial filters with corrected phase characteristics | |
Dickinson | Estimation of partial correlation matrices using Cholesky decomposition | |
CN113553771B (zh) | 基于rnn网络的动态x参数核计算方法 | |
Živaljević et al. | Nearly monotonic passband low‐pass filter design by using sum‐of‐squared Legendre polynomials | |
Van Willigenburg et al. | Compensatability and optimal compensation of systems with white parameters in the delta domain | |
Donoghue | State estimation and control of the Fibonacci system | |
Mendoza‐Avila et al. | Numerical design of Lyapunov functions for a class of homogeneous discontinuous systems | |
KR19990059514A (ko) | 비선형 시스템의 추종 제어장치 | |
De Rinaldis et al. | A compensator for attenuation of wave reflections in long cable actuator–plant interconnections with guaranteed stability | |
Abd‐Elrady et al. | A nonlinear filtered‐x prediction error method algorithm for digital predistortion in digital subscriber line systems | |
Zidane et al. | Extending HOC-based methods for identifying the diagonal parameters of quadratic systems | |
CN111652358A (zh) | 具有s域特性的模拟神经元 | |
Foley et al. | Modelling of nonlinear systems from input-output data for state space realization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20181102 |