CN105629726A - 一种自适应控制方法及其自适应控制器 - Google Patents
一种自适应控制方法及其自适应控制器 Download PDFInfo
- Publication number
- CN105629726A CN105629726A CN201410638546.XA CN201410638546A CN105629726A CN 105629726 A CN105629726 A CN 105629726A CN 201410638546 A CN201410638546 A CN 201410638546A CN 105629726 A CN105629726 A CN 105629726A
- Authority
- CN
- China
- Prior art keywords
- moment
- self
- control variable
- controlled
- value
- 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.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提出了一种自适应控制方法,包括以下步骤:步骤一、选定控制器的数学模型;步骤二、读取控制量和被控量的误差,并代入到参数识别器中,得到所述k时刻的时变参数的估计值;步骤三、设定控制器的控制指标;将时变参数的估计值、控制量和被控量的误差代入到所述控制指标中,得到优化的k时刻的控制变量的函数模型;步骤四、选择第一加权因子和所述第二加权因子的值,得到k时刻的优化控制变量的值;步骤五、重复执行步骤二到步骤四,得到下一时刻的优化控制变量的值;步骤六、判断k时刻的输出量是否满足需求,若不满足,调节增益放大器的放大倍数,并重复执行步骤三至步骤五。本发明还提出了一种自适应控制器,实现了无超调控制。
Description
技术领域
本发明涉及控制领域,特别是指一种自适应控制方法及其自适应控制器。
背景技术
目前,自适应控制器中用到的自适应控制方法,都是基于传统的方法,这种控制方法对操作者的要求相对高,且控制器无法实现无超调。此外,目前的自适应控制方法是基于连续过程模型,而现有的基于计算机的控制均是离散的,对连续系统得出的结论并不能应用于基于计算机的控制系统,失去了实际意义。
发明内容
本发明提出一种自适应控制方法及其自适应控制器,解决了现有技术中的自适应控制器无法实现无超调、模型应用失去实际意义的问题。
本发明的技术方案是这样实现的:
一种自适应控制方法,包括以下步骤:
步骤一、选定控制器的数学模型,所述数学模型将k时刻的被控量的误差设置为基于k时刻的时变参数和控制变量的变动而变动;
步骤二、从控制器中读取k-1时刻和k-2时刻的控制量,从被控系统中读取k-1时刻和k-2时刻的被控量的误差,将所述控制量和被控量的误差代入到参数识别器中,得到所述k时刻的时变参数的估计值;
步骤三、设定所述控制器的控制指标,且所述控制指标是关于所述被控量的误差的函数模型,其中,所述函数模型中设置有第一加权因子和第二加权因子;所述时变参数的估计值、所述控制量和所述被控量的误差代入到所述控制指标中,得到优化的k时刻的控制变量的函数模型;
步骤四、在所述k时刻的控制变量的函数模型中,选择所述第一加权因子和所述第二加权因子的值,得到k时刻的优化控制变量的值;
步骤五、重复执行步骤二到步骤四,得到下一时刻的优化控制变量的值;
步骤六、判断k时刻的输出量是否满足需求,若不满足,调节增益放大器的放大倍数,并重复执行步骤三至步骤五。
优选的是,所述的自适应控制方法中,所述步骤一中,选定控制器的数学模型,设定所述k时刻的被控量的误差为e(k),所述被控量的误差的模型为e(k)=A(k)e(k)+B(k)Δu(k),其中,A(k)和B(k)为时变参数,Δu(k)为控制变量,Δu(k)=u(k)-u(k-1)。
优选的是,所述的自适应控制方法中,所述步骤三中,所述控制指标的函数模型设定为:
δ为第一加权因子,λ为第二加权因子,为k时刻的估计误差,为k时刻的预测误差,其中, 均为系统的识别参数。
优选的是,所述的自适应控制方法中,所述步骤三中,所述优化的k时刻的控制变量的函数模型的推导方式为:根据所述控制指标的函数模型,对所述控制变量Δu(k)求一阶偏导,
则,p为微调。
优选的是,所述的自适应控制方法中,在所述步骤四中,选择所述第一加权因子δ,当δ=0,得到优化后的k时刻的优化控制变量的值为:
当时,得到k时刻的优化控制变量的值为:
优选的是,所述的自适应控制方法中,其特征在于,在所述步骤四中,选择所述第二加权因子λ,即
若则即此时,
k时刻的优化控制变量的值为,
若则即b1≠0,此时,
k时刻的优化控制变量的值为,
一种自适用控制器,包括:上述所述的自适应控制方法。
本发明的有益效果为:本发明中的自适用控制方法是建立在离散系统模型的基础上,得出的结论应用于基于计算机的控制系统上,具有实际意义;通过获取k时刻的时变参数,识别k时刻的估计误差,计算k时刻的预测误差,设定k时刻的控制指标,最后得到k时刻的控制变量的值,实现了控制器控制的无超调,降低对操作者的要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中控制器中控制方法的流程图;
图2为控制器的系统框图;
图3为5阶被控系统的仿真结果图;
图4为本发明中的Selftuner的仿真结果图;
图5为MATLABPID-TUNER的仿真结果图;
图6为被控系统从2阶升到3阶、5阶,控制器的鲁棒特性的仿真示意图。
图中:
1、δ=0的被控系统特性;2、的被控系统特性;3、二阶被控系统;4、三阶被控系统;5、五阶被控系统。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1至图2所示的一种自适应控制方法,包括以下步骤:
步骤一、选定控制器的数学模型,该数学模型将k时刻的被控量的误差设置为基于k时刻的时变参数和控制变量的变动而变动,该数学模型为e(k)=A(k)e(k)+B(k)Δu(k),该模型中,e(k)为k时刻的被控量的误差,A(k)和B(k)为时变参数,Δu(k)为控制变量,Δu(k)=u(k)-u(k-1);
步骤二、从控制器中读取k-1时刻和k-2时刻的控制量,从被控系统中读取k-1时刻和k-2时刻的被控量的误差,将控制量和被控量的误差代入到参数识别器中,得到k时刻的时变参数的估计值和
步骤三、设定所述控制器的控制指标,且控制指标是关于被控量的误差的函数模型,该函数模型设定为:
δ为第一加权因子,λ为第二加权因子,为k时刻的估计误差,为k时刻的预测误差, 均为系统的识别参数;时变参数的估计值、控制量和被控量的误差代入到控制指标中,根据控制指标的函数模型,对控制变量Δu(k)求一阶偏导,得到优化的k时刻的控制变量的函数模型,
步骤四、在优化后的k时刻的控制变量的函数模型中,选择第一加权因子δ和第二加权因子λ的值,得到优化的k时刻的控制变量的值,
第二加权因子λ的取值范围为:即
1)若则即且此时,当δ=0,p=1,得到优化的k时刻的控制变量的值为:
2)若则即b1≠0,此时,
得到优化的k时刻的控制变量的值为:
步骤五、重复执行步骤二到步骤四,得到下一时刻的优化控制变量的值;
步骤六、判断k时刻的输出量是否满足需求,若不满足,选择增益放大器的放大倍数p,并重复执行步骤三至步骤五,进一步完善控制变量的值。
控制量u(k)是为控制器的输出量,被控量为从被控系统输出的输出量。在步骤六中判断k时刻的输出量是否满足要求是通过检测控制器的实际输出量,并将该实际输出量与控制指标进行比较,当比较结果在预定的范围内,满足需求,当比较结果不在预定的范围内,不满足需求。预定的范围是根据控制量和被控量进行设置的。
上述自适应控制方法应用在现有的控制器中,该自适用控制方法是建立在离散系统模型的基础上,得出的结论应用于基于计算机的控制系统上,具有实际意义;通过获取k时刻的时变参数,识别k时刻的估计误差,计算k时刻的预测误差,设定k时刻的控制指标,最后得到k时刻的控制变量的值,实现了控制器控制的无超调。
参数识别器可选GPIA参数识别器,GPIA为一种新型的参数估计算法。
实施例1,根据上述控制方法,在控制器中进行仿真,仿真结果如图3所示。选取一个不稳定被控系统 被控系统是5阶,带一个不稳定零点z=-1和一个不稳定极点z=+1,当δ=0,p=1时,仿真结果如图3中的1显示;p=1时,仿真结果如图4中的2表示。
图6为被控系统从二阶升到三阶、五阶,控制器的鲁棒特性的仿真示意图,其中,3为二阶系统,4为三阶系统,5为五阶系统。
图4为本发明中的Selftuner的仿真结果图,图5为MATLABPID-TUNER的仿真结果,通过图4和图5的对比,本发明中的Selftuner可以通过本发明中的自适应控制方法实现任意无超调的系统,即使是被运用到一个原始不稳定的被控对象;而采用MATLAB的Autotuner根本就不能获取一个“无超调”的控制结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种自适应控制方法,其特征在于,包括以下步骤:
步骤一、选定控制器的数学模型,所述数学模型将k时刻的被控量的误差设置为基于k时刻的时变参数和控制变量的变动而变动;
步骤二、从控制器中读取k-1时刻和k-2时刻的控制量,从被控系统中读取k-1时刻和k-2时刻的被控量的误差,将所述控制量和被控量的误差代入到参数识别器中,得到所述k时刻的时变参数的估计值;
步骤三、设定所述控制器的控制指标,且所述控制指标是关于所述被控量的误差的函数模型,所述函数模型中设置有第一加权因子和第二加权因子;所述时变参数的估计值、所述控制量和所述被控量的误差代入到所述控制指标中,得到优化的k时刻的控制变量的函数模型;
步骤四、在所述k时刻的控制变量的函数模型中,选择所述第一加权因子和所述第二加权因子的值,得到k时刻的优化控制变量的值;
步骤五、重复执行步骤二到步骤四,得到下一时刻的优化控制变量的值;
步骤六、判断k时刻的输出量是否满足需求,若不满足,调节增益放大器的放大倍数,并重复执行步骤三至步骤五。
2.根据权利要求1所述的自适应控制方法,其特征在于,所述步骤一中,选定控制器的数学模型,设定所述k时刻的被控量的误差为e(k),所述被控量的误差的模型为e(k)=A(k)e(k)+B(k)Δu(k),其中,A(k)和B(k)为时变参数,Δu(k)为控制变量,Δu(k)=u(k)-u(k-1)。
3.根据权利要求2所述的自适应控制方法,其特征在于,所述步骤三中,所述控制指标的函数模型设定为:
δ为第一加权因子,λ为第二加权因子,J为控制指标,为k时刻的估计误差,为k时刻的预测误差,其中, 均为系统的识别参数。
4.根据权利要求3所述的自适应控制方法,其特征在于,所述步骤三中,所述优化的k时刻的控制变量的函数模型的推导方式为:根据所述控制指标的函数模型,对所述控制变量Δu(k)求一阶偏导,
则,p为微调。
5.根据权利要求4所述的自适应控制方法,其特征在于,在所述步骤四中,选择所述第一加权因子δ,当δ=0,得到优化后的k时刻的优化控制变量的值为:
当时,得到k时刻的优化控制变量的值为:
6.根据权利要求5所述的自适应控制方法,其特征在于,在所述步骤四中,选择所述第二加权因子λ,即
若则即此时,
k时刻的优化控制变量的值为,
若则即b1≠0,此时,
k时刻的优化控制变量的值为,
7.一种自适应控制器,其特征在于,包括:权利要求1~6中所述的自适应控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638546.XA CN105629726B (zh) | 2014-11-06 | 2014-11-06 | 一种自适应控制方法及其自适应控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638546.XA CN105629726B (zh) | 2014-11-06 | 2014-11-06 | 一种自适应控制方法及其自适应控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105629726A true CN105629726A (zh) | 2016-06-01 |
CN105629726B CN105629726B (zh) | 2018-05-29 |
Family
ID=56044796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410638546.XA Expired - Fee Related CN105629726B (zh) | 2014-11-06 | 2014-11-06 | 一种自适应控制方法及其自适应控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105629726B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1316070A (zh) * | 1998-08-28 | 2001-10-03 | 美国通控集团公司 | 工业过程的无模型自适应控制 |
CN103324091A (zh) * | 2013-06-03 | 2013-09-25 | 上海交通大学 | 一种零阶接近有界的非线性多变量系统的多模型自适应控制器及控制方法 |
US20130262353A1 (en) * | 2012-03-30 | 2013-10-03 | Board Of Regents, The University Of Texas System | Optimal online adaptive controller |
-
2014
- 2014-11-06 CN CN201410638546.XA patent/CN105629726B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1316070A (zh) * | 1998-08-28 | 2001-10-03 | 美国通控集团公司 | 工业过程的无模型自适应控制 |
US20130262353A1 (en) * | 2012-03-30 | 2013-10-03 | Board Of Regents, The University Of Texas System | Optimal online adaptive controller |
CN103324091A (zh) * | 2013-06-03 | 2013-09-25 | 上海交通大学 | 一种零阶接近有界的非线性多变量系统的多模型自适应控制器及控制方法 |
Non-Patent Citations (2)
Title |
---|
MAGDI S. MAHMOUD, EL-KEBIR BOUKAS, ABDULLA ISMAIL: "Robust adaptive control of uncertain discrete-time state-delay systems", 《COMPUTERS & MATHEMATICS WITH APPLICATIONS》 * |
李晓理,王伟: "基于不同加权因子的随机多模型自适应控制", 《控制与决策》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105629726B (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220210028A1 (en) | Cloud software service resource allocation method based on qos model self-correctio | |
US10048658B2 (en) | Information processing device, predictive control method, and recording medium | |
JP2011003186A5 (zh) | ||
Dutka et al. | Optimized discrete-time state dependent Riccati equation regulator | |
CN103296940A (zh) | 一种自适应pi控制方法与系统 | |
Pekař et al. | An introduction to the special issue on advanced control methods: Theory and application | |
CN110308658A (zh) | 一种pid参数整定方法、装置、系统及可读存储介质 | |
CN104898426A (zh) | 基于梯度下降法和广义预测控制的室温回路控制方法 | |
KR20190130190A (ko) | 로봇의 인간 얼굴 표정 학습 및 표정 구현 방법 | |
JP5585381B2 (ja) | オートチューニング装置及びオートチューニング方法 | |
Bashivan et al. | Improved switching for multiple model adaptive controller in noisy environment | |
CN105843078A (zh) | 滑模控制方法及装置 | |
CN111008708A (zh) | 一种准比例谐振控制器参数调整方法及系统 | |
De Saporta et al. | Approximate Kalman-Bucy filter for continuous-time semi-Markov jump linear systems | |
CN108537322A (zh) | 神经网络层间激活值量化方法及装置 | |
CN106094524A (zh) | 基于输入趋势补偿的快速模型预测控制方法 | |
US8190536B2 (en) | Method of performing parallel search optimization | |
US20190190760A1 (en) | Method and Apparatus for Determining Peak Power, Peak-To-Average Power Ratio | |
CN105629726A (zh) | 一种自适应控制方法及其自适应控制器 | |
Feng et al. | Robust adaptive control for a class of perturbed strict-feedback nonlinear systems with unknown Prandtl-Ishlinskii hysteresis | |
CN109188914B (zh) | 一种n阶混合非线性系统的协同控制方法及控制系统 | |
CN115268259A (zh) | Pid控制回路的整定方法及装置 | |
CN108333947A (zh) | 基于智能寻优的单调整系数预测函数控制参数整定方法 | |
CN110825051B (zh) | 一种基于gap metric的不确定系统的多模型控制方法 | |
CN114077195A (zh) | 基于数据驱动的子空间模型辨识预测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180529 Termination date: 20181106 |
|
CF01 | Termination of patent right due to non-payment of annual fee |