CN106547207B - 一种非线性多输入多输出系统混合式观测器构建方法 - Google Patents
一种非线性多输入多输出系统混合式观测器构建方法 Download PDFInfo
- Publication number
- CN106547207B CN106547207B CN201610892587.0A CN201610892587A CN106547207B CN 106547207 B CN106547207 B CN 106547207B CN 201610892587 A CN201610892587 A CN 201610892587A CN 106547207 B CN106547207 B CN 106547207B
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- input
- observer
- feedback
- output
- 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.)
- Active
Links
Images
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明介绍了一种非线性多输入多输出系统混合式观测器构建方法。本发明采用高反馈增益和高阶滑模算法建立该类系统的观测器。高阶滑模反馈量能够使估测值跟踪未知的系统输入并保证其能够在有限的时间内到达滑模面,而高增益的反馈值保证观测器误差能够收敛到设定的常量。在滑模面上,未知的输入量可以由一些已知动态项替代,从而使系统的状态量的能够渐进稳定收敛而得以辨别和估算。本方法适用于多自由度机械臂、复杂机电系统等多输入多输出非线性系统的状态量和外部扰动量对状态量影响的观测,具有收敛速度快,观测精度高和鲁棒性强的特点。
Description
技术领域:本发明是非线性系统扰动与状态观测器构建与设计方法,适用于多自由度机械臂、复杂机电系统等多输入多输出非线性系统的状态量的观测,属于现代控制理论研究领域。
技术背景:
能够实时获得精确的状态信息是对系统进行有效控制和监测的必要条件。当系统中存在未知参数、不确定干扰、控制参数不满足匹配条件和模型误差时,控制器只能获得部分准确的系统信息和参数,从而使系统对状态量的观测产生误差。对于实际的复杂耦合非线性系统如移动机器人控制系统、机械臂控制系统、电机控制系统等而言,误差的存在会使系统的运行和控制性能受到很大的限制。针对非线性系统,最早的尝试是采用渐进式观测器,该观测器通过坐标变换将非线性系统转换为线性可观系统,然后采用线性观测器方法实现对非线性系统状态的观测,但方法都有严格的外在条件限制,适用范围有限。采用Lyapunov函数构建非线性系统观测器是对非线性系统进行观测的有效方法,但其反馈增益仅能在满足收敛的充要条件下才能获得,且不能直接通过计算得到,且单纯的Lyapunov观测器不能有效估计由于系统参数变化和外部干扰所带来动态性能的变化。
滑模观测器是理想的非线性系统的状态观测器,对于系统的不确定性和外部干扰具有较强的鲁棒性和抗扰性。目前的滑模观测器算法仅仅在满足扰动输入的通道与控制信号输入通道相同这一条件时才对干扰和系统参数变化具有良好的鲁棒性。对于类似机器人、复杂机电系统等多输入多输出系统而言,在实际的系统中,系统的输入通道的选择一般比较随意,不同的输入量与输入通道、系统状态量、输出都存在关联性,如此则观测器的观测值将不能实时对应系统状态值的变化。
发明内容:
本发明采用基于滑模运动的已知的动态特性来替代未知扰动的办法这一原则来构建多输入多输出系统状态观测器。该类观测器将采用高反馈增益和高阶滑模项。高增益的反馈保证观测器误差能够收敛到设定的常量,而高阶滑模反馈量能够使估计值跟踪未知的系统输入并保证其能够在有限的时间内到达滑模面,以便最终能够在输入和扰动不满足匹配条件下实现对非线性系统状态量和外部扰动值对系统状态影响的有效而又准确的观测,从而提高控制系统的稳定性、鲁棒性和动态特性。
多输入多输出非线性系统A:
式中是系统A的状态变量,是系统A的状态变量微分信号; f(x)、G(x)均为不确定的光滑向量函数; 为输入向量,t为时间;是可测的输出向量,h(x)=[h1(x),h2(x),…hm+1(x)]T,h(x)为不确定的光滑向量函数。
用高反馈增益和高阶滑模项的非线性多输入多输出系统混合式观测器构建步骤如下:
第一步多输入多输出非线性系统坐标变换与系统分解
其中
第二步.鲁棒混合式观测器的设计
对于(4)式所示系统.ξ子系统可以看成M个ξi,且每一阶都有微分结构.未知输入量仅会作用于的ξ子系统的最高阶方程.此时连续且包含高阶滑模微分算法的滑模观测器可以有效地对该类子系统进行观测.一旦滑模面能够达到,则η子系统的未知输入量可以用标称动态系统替代,从而确保η的子系统有一致的可观性。基于可测输出量的高增益线性反馈项的设计将确保观测误差渐进收敛于滑模面。
2.1滑模反馈项的设计
其中
其中
2.2滑模面上的高增益反馈的设计
一旦滑模发生,滑模变量将到达并保持在滑模面。根据公式(4)和(9),动态系统η可以由下式表示
根据式(10)构建高增益线性观测器如下:
Sθ是是观测器参数θ的正函数矩阵,可表示为
本发明的有益效果:
1.该类观测器将采用高反馈增益和高阶滑模项。高增益的反馈保证观测器误差能够收敛到设定的常量,而高阶滑模反馈量能够使估计值跟踪的系统输入并保证其能够在有限的时间内到达滑模面,从而提高控制系统的稳定性、鲁棒性和动态特性。
2.适用于多自由度机械臂、复杂机电系统等多输入多输出非线性系统状态量的观测,具有收敛速度快,观测精度高和鲁棒性强的特点。
附图说明:
附图1观测器设计流程图。
附图2实例中状态变量x1及其估计值。
附图3实例中状态变量x2及其估计值。
附图4实例中状态变量x3及其估计值。
附图5实例中状态变量x4及其估计值。
附图6实例中状态变量x5及其估计值。
附图7实例中状态变量x6及其估计值。
具体实施方式:
下面结合实例和附图对本发明实现方法和原理进一步说明。
一、多输入多输出非线性系统坐标变换与系统分解
多输入多输出非线性系统A:
系统A的前m个输出量与G(x)的向量相对阶{r1,r2,…,rm},则
且有m×m非奇异矩阵如下:
坐标变换与系统分解
利用上式进行坐标变换,可得系统A在新坐标系下多输入多输出系统标准形式:
其中
(2)式由2个子系统ξ和η组成且子系统都有输入/输出结构。通过对ξ和η的观测可实现对原系统(1)状态量x的观测。
二.鲁棒混合式观测器的设计
对于(4)式所示系统.ξ子系统可以看成M个ξi,且每一阶都有微分结构.未知输入量仅会作用于的ξ子系统的最高阶方程.此时连续且包含高阶滑模微分算法的滑模观测器可以有效地对该类子系统进行观测.一旦滑模面能够达到,则η子系统的未知输入量可以用标称动态系统替代,从而确保η的子系统有一致的可观性。基于可测输出量的高增益线性反馈项的设计将确保观测误差渐进收敛于滑模面。
2.1.滑模反馈项的设计
其中
其中
2.2滑模面上的高增益反馈的设计
一旦滑模发生,滑模变量将到达并保持在滑模面。根据公式(2)和(10),动态系统η可以由下式表示
根据式(11)构建高增益线性观测器如下:
Sθ是是观测器参数θ的正函数矩阵,可表示为
实施实例
设计如下的多输入多输出非线性系统C:
y=[h1(x),h2(x),h3(x)]T=[x1,x2,x3]T (13)
E(x)是非奇异矩阵.坐标变换矩阵(ξ,η):
上式中θ是高反馈增益参数,u1和u2是一阶和二阶滑模项
u2=-ρ2(z1+|z0|1/2sign(z0)/(|z1|+|z0|1/2)
式中M是滑模校正参数.
由映射函数Φ(x)通过逆映射可得数值系统C的状态估计值:
Claims (1)
1.一种多自由度机械臂的非线性多输入多输出系统混合式观测器构建方法,多输入多输出非线性系统A:
式中是系统A的状态变量,是系统A的状态变量微分信号; f(x)、G(x)均为不确定的光滑向量函数; 为输入向量,t为时间;是可测的输出向量,h(x)=[h1(x),h2(x),…hm+1(x)]T,h(x)为不确定的光滑向量函数;
其特征在于,用高反馈增益和高阶滑模项的非线性多输入多输出系统混合式观测器构建步骤如下:
第一步:多输入多输出非线性系统坐标变换与系统分解
其中
(2)式由2个子系统ξ和η组成且子系统都有输入/输出结构;通过对ξ和η的观测能实现对原系统A状态量x的观测;
第二步:鲁棒混合式观测器的设计
对于(2)式所示系统,ξ子系统能看成M个ξi,且每一阶都有微分结构,未知输入量仅会作用于ξ子系统的最高阶方程,此时连续且包含高阶滑模微分算法的滑模观测器能有效地对该类子系统进行观测,一旦滑模面能够达到,则η子系统的未知输入量能用标称动态系统替代,从而确保η的子系统有一致的可观性;基于可测输出量的高增益线性反馈项的设计将确保观测误差渐进收敛于滑模面;
2.1滑模反馈项的设计
其中,
其中,
2.2滑模面上的高增益反馈的设计
一旦滑模发生,滑模变量将到达并保持在滑模面;根据公式(4)和(9),动态系统η由下式表示:
根据式(10)构建高增益线性观测器如下:
Sθ是是观测器参数0的正函数矩阵,表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610892587.0A CN106547207B (zh) | 2016-10-13 | 2016-10-13 | 一种非线性多输入多输出系统混合式观测器构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610892587.0A CN106547207B (zh) | 2016-10-13 | 2016-10-13 | 一种非线性多输入多输出系统混合式观测器构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106547207A CN106547207A (zh) | 2017-03-29 |
CN106547207B true CN106547207B (zh) | 2020-04-24 |
Family
ID=58368978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610892587.0A Active CN106547207B (zh) | 2016-10-13 | 2016-10-13 | 一种非线性多输入多输出系统混合式观测器构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106547207B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168925A (zh) * | 2017-06-21 | 2017-09-15 | 同济大学 | 一种线性系统的状态与未知输入估计方法 |
CN109407645A (zh) * | 2017-08-17 | 2019-03-01 | 宝沃汽车(中国)有限公司 | 获取控制系统状态变量的方法及系统 |
CN108631674B (zh) * | 2018-05-11 | 2021-09-10 | 浙江理工大学 | 基于高阶滑模算法的直线永磁电机位置伺服系统 |
CN108646562B (zh) * | 2018-05-15 | 2021-05-18 | 浙江工业大学 | 一种基于交叉耦合的多机械臂系统有限时间参数辨识与位置同步控制方法 |
CN109740110A (zh) * | 2018-12-27 | 2019-05-10 | 南京信息工程大学 | 多输入多输出非线性微分代数系统的采样观测器的生成方法 |
CN112130081B (zh) * | 2020-09-24 | 2024-01-09 | 闽江学院 | 一种快速实现铅酸电池soc估计方法 |
CN112180716B (zh) * | 2020-10-14 | 2022-05-31 | 电子科技大学中山学院 | 高阶滑模及电力负荷频率控制方法、装置、计算机设备和存储介质 |
CN112947366B (zh) * | 2021-02-01 | 2022-09-23 | 航天科工空间工程发展有限公司 | 一种解决飞行器控制系统中观测死循环问题的方法 |
CN113824114B (zh) * | 2021-11-22 | 2022-03-18 | 广东电网有限责任公司惠州供电局 | 基于滑模观测的配电网状态估计方法、装置、系统及介质 |
CN114296351B (zh) * | 2021-12-29 | 2024-03-26 | 杭州电子科技大学 | 一种非线性机械臂系统的混杂增益控制方法 |
CN114785216B (zh) * | 2022-05-12 | 2024-03-26 | 合肥工业大学 | 一种自适应增益滑模观测器设计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1768250A2 (de) * | 2005-09-27 | 2007-03-28 | Robert Bosch Gmbh | Drehwinkelbestimmung eines Elektromotors |
JP2007118767A (ja) * | 2005-10-27 | 2007-05-17 | Tokyo Univ Of Agriculture & Technology | 車両用ブレーキシステム |
CN101578584A (zh) * | 2005-09-19 | 2009-11-11 | 克利夫兰州立大学 | 控制器、观测器及其应用 |
CN102354104A (zh) * | 2005-09-19 | 2012-02-15 | 克利夫兰州立大学 | 控制器、观测器及其应用 |
CN104199999A (zh) * | 2014-07-17 | 2014-12-10 | 中国人民解放军国防科学技术大学 | 一种关节对中误差对多自由度机械臂末端定位精度影响的定量分析方法 |
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
CN105242676A (zh) * | 2015-07-15 | 2016-01-13 | 北京理工大学 | 一种有限时间收敛时变滑模姿态控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7938494B2 (en) * | 2006-03-08 | 2011-05-10 | Ribbens William B | Antilock braking systems and methods |
-
2016
- 2016-10-13 CN CN201610892587.0A patent/CN106547207B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101578584A (zh) * | 2005-09-19 | 2009-11-11 | 克利夫兰州立大学 | 控制器、观测器及其应用 |
CN102354104A (zh) * | 2005-09-19 | 2012-02-15 | 克利夫兰州立大学 | 控制器、观测器及其应用 |
EP1768250A2 (de) * | 2005-09-27 | 2007-03-28 | Robert Bosch Gmbh | Drehwinkelbestimmung eines Elektromotors |
JP2007118767A (ja) * | 2005-10-27 | 2007-05-17 | Tokyo Univ Of Agriculture & Technology | 車両用ブレーキシステム |
CN104199999A (zh) * | 2014-07-17 | 2014-12-10 | 中国人民解放军国防科学技术大学 | 一种关节对中误差对多自由度机械臂末端定位精度影响的定量分析方法 |
CN104898431A (zh) * | 2015-06-10 | 2015-09-09 | 北京理工大学 | 一种基于扰动观测器的再入飞行器有限时间控制方法 |
CN105242676A (zh) * | 2015-07-15 | 2016-01-13 | 北京理工大学 | 一种有限时间收敛时变滑模姿态控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106547207A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106547207B (zh) | 一种非线性多输入多输出系统混合式观测器构建方法 | |
Menard et al. | A global high-gain finite-time observer | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法 | |
CN110209148B (zh) | 一种基于描述系统观测器的网络化系统的故障估计方法 | |
Jiang et al. | Fault estimation and accommodation for linear MIMO discrete-time systems | |
Li et al. | An approximate internal model-based neural control for unknown nonlinear discrete processes | |
Jiang et al. | Sliding mode observer-based fault estimation for nonlinear networked control systems | |
CN110161847B (zh) | 一种基于分布式奇异观测器的无人机编队系统传感器故障估计方法 | |
CN104950677A (zh) | 基于反演滑模控制的机械臂系统饱和补偿控制方法 | |
Park et al. | Process fault isolation for linear systems with unknown inputs | |
CN108733031B (zh) | 一种基于中间估计器的网络控制系统故障估计方法 | |
Temel et al. | Sliding‐mode speed controller for tracking of underactuated surface vessels with extended Kalman filter | |
Wang et al. | Robust adaptive fault‐tolerant control using RBF‐based neural network for a rigid‐flexible robotic system with unknown control direction | |
Yoo | Observer‐based decentralized adaptive control for large‐scale pure‐feedback systems with unknown time‐delayed nonlinear interactions | |
Li et al. | Robust passive adaptive fault tolerant control for stochastic wing flutter via delay control | |
CN111752262A (zh) | 一种执行器故障观测器与容错控制器集成设计方法 | |
CN110000788B (zh) | 用于远程操作系统的有限时间容错控制方法 | |
Rigatos et al. | Non‐linear optimal control for multi‐DOF electro‐hydraulic robotic manipulators | |
CN113325717A (zh) | 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质 | |
CN108227679A (zh) | 一种含有故障的间隙三明治系统的状态估计方法 | |
Tanemura et al. | Closed-loop data-driven estimation on passivity property | |
Gu et al. | Homography‐based uncalibrated visual servoing with neural‐network‐assisted robust filtering scheme and adaptive servo gain | |
CN113670315B (zh) | 一种基于变分迭代卡尔曼滤波的李群重尾干扰噪声动态飞行器姿态估计方法 | |
Mercère et al. | Analytical modelling and grey-box identification of a flexible arm using a linear parameter-varying model | |
CN112925206B (zh) | 一种非线性多倒立摆互联系统分布式鲁棒故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |