CN107340713A - 一种高效的使用自适应闭环控制方法 - Google Patents
一种高效的使用自适应闭环控制方法 Download PDFInfo
- Publication number
- CN107340713A CN107340713A CN201710534778.4A CN201710534778A CN107340713A CN 107340713 A CN107340713 A CN 107340713A CN 201710534778 A CN201710534778 A CN 201710534778A CN 107340713 A CN107340713 A CN 107340713A
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- signal
- theta
- feedback
- 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 title claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 5
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 230000009021 linear effect Effects 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 3
- 230000033228 biological regulation Effects 0.000 abstract description 2
- 230000009022 nonlinear effect Effects 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 abstract 1
- 238000011161 development Methods 0.000 description 4
- 230000008713 feedback mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 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
- 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
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
本发明属于闭环控制技术领域，公开了一种高效的使用自适应闭环控制方法，由于输出信号的反馈量与输入量作比较产生偏差信号，利用偏差信号实现对输出量的控制或者调节，所以系统的输出量能够自动地跟踪输入量，减小跟踪误差，提高控制精度，抑制扰动信号的影响。除此之外，负反馈构成的闭环控制系统还有其他的优点：引入反馈通路后，使得系统对前向通路中元器件参数的变化不灵敏，从而使系统对于前向通路中元器件的精度要求不高；反馈作用还可以使得整个系统对于某些非线性影响不灵敏。
Description
技术领域
本发明属于闭环控制技术领域，尤其涉及一种高效的使用自适应闭环控制方法。
背景技术
随着生产力的不断发展，人们开始要求生活的高质量，一方面要从繁重的体力劳动中解放自己，另一方面要有更高质量的产品来满足生活的需要。自动控制理论自动控制系统就随之而产生了。控制理论和控制系统经过漫长的发展，其研究范围和应用范围很广泛。控制理论研究的对象和应用领域不但涉及到工业、农业、交通、运输等传统产业，还涉及到生物、通讯、信息、管理等新兴行业。由于自动控制理论和自动控制系统获得了如此广泛的应用，所以自动控制的发展必将受到各行各业的关注。本文就是对控制理论和控制系统的发展历史进行综述，叙述控制发展的各个阶段。还有就是控制理论和控制系统的今后的发展趋势。传统的控制系统校正差，容易受到不确定因素干扰，没有反馈机制。
综上所述，现在的技术存在的问题是：传统的控制系统校正差，容易受到不确定因素干扰，没有反馈机制。
发明内容
针对现有技术存在的问题，本发明提供了高效的使用自适应闭环控制方法。
本发明是这样实现的，一种高效的使用自适应闭环控制方法，所述高效的使用自适应闭环控制方法包括以下步骤：
步骤一，给出与期望输出对应的输入量；
所述输入量信号的定时同步的实现方法包括：
(1)，根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；
(2)，由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
(3)，由(2)得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；
步骤二，求输入量与反馈量的偏差；求输入量与反馈量的偏差，采用集成运算放大器实现；
所述运算放大器计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r1：
r1＝max|GFRFT[acn(i),p]|2/Ns
式中，Ns个采样点，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；
计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1，按如下步骤进行：
计算信号x(t)的分数阶傅立叶变换，其表达式为：
式中，Kθ(t,u)为分数阶傅立叶变换的核函数，其表达式为:
其中，k取整数，Fθ表示θ角度分数阶傅里叶变换算子，θ＝pπ/2为旋转角度，p为旋转因子，δ(·)为冲击函数；为了将Alpha稳定分布噪声的幅值合理映射到有限区间，同时使信号的相位保持不变，计算信号的广义分数阶傅里叶变换，其表达式为：
其中，为一非线性变换，H(·)为希尔伯特变换；
假定第i时刻接收信号的幅度为a(i)，把Ns个采样点组成一个帧，则基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为：
γmax＝max|GFRFT[acn(i),p]|2/Ns；
式中，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；用均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响；
步骤三，放大信号；包括电压放大及功率放大；
步骤四，驱动被控对象，直接驱动被控对象，使输出量发生变化；常用的有电动机、调节阀、液压马达；
步骤五，检测被控量并转换为所需要的电信号，用于速度检测的测速发电机、光电编码盘；用于位置与角度检测的旋转变压器、自整机；用于电流检测的互感器及用于温度检测的热电偶；
步骤六，反馈校正，反馈信号是再生或退化；再生反馈时存在的极性或相位关系的行为，以援助或增加的主要控制信号来补偿；如果反馈的幅度足够大或出现振荡发散；当在再生反馈控制系统，在红外补偿，有过多的反馈效应，必须限制，否则将导致不稳定的情况；
所述反馈信号节点标记过程，包括以下步骤：
步骤一，增加源节点s连接所有的PI，PI为电路的原始输入，初始化集合L＝{PI}，所有的PI节点标记值赋为0；
步骤二，从L中选取一个节点t，首先求节点t的花费cost，cost(t)＝weight(t)/node_num_fanout(t)，其中weight(t)为节点t的权重，默认为1，node_num_fanout(t)为节点t的扇出节点个数；
步骤三，将节点t及其所有前驱节点构造为网络Nt，计算网络Nt中所有满足LUT对输入个数K约束要求的划分中，X中所有节点的cost的总和，选出其中最小的记为min-cost划分；
步骤四，设p为Nt中节点的最大标记，将Nt中所有标记等于p的节点都合并到t中得到新的节点t’，将该网络记为Nt’；
步骤五，将网络Nt’中，除了s和t’外的所有节点，分裂成两个节点，分裂边的权值设为1，原有边的权值设为∞，将该网络记为Nt”，根据最大流最小割定理，判断Nt”网络中的最大流是否小于等于K，如果是，则节点t的标记为p，否则为p+1；
步骤六，如果满足节点t标记的划分有两个或两个以上，则按照步骤二的方法计算最小cost的划分，记为min-heightmin-cost划分，如果只有一个这样的划分，则直接记为min-heightmin-cost划分；
步骤七，更新集合L，L＝(L-{t})∪{node_fanout(t)}，node_fanout(t)为节点t的扇出节点集合，判断L是否为空，如果不为空，则跳至步骤二，否则，节点标记过程结束。
进一步，所述检测装置将被检测的物理量转换为相应的连续或离散的电压或电流信号。
进一步，所述校正元件根据在系统中所处的位置不同，可分别称为串联校正原件和反馈校正元件。
本发明的优点及积极效果为：由于输出信号的反馈量与输入量作比较产生偏差信号，利用偏差信号实现对输出量的控制或者调节，所以系统的输出量能够自动地跟踪输入量，减小跟踪误差，提高控制精度，抑制扰动信号的影响。除此之外，负反馈构成的闭环控制系统还有其他的优点：引入反馈通路后，使得系统对前向通路中元器件参数的变化不灵敏，从而使系统对于前向通路中元器件的精度要求不高；反馈作用还可以使得整个系统对于某些非线性影响不灵敏。
附图说明
图1是本发明实施提供的高效的使用自适应闭环控制方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种高效的使用自适应闭环控制方法包括以下步骤：
步骤S101：给出与期望输出对应的输入量。
步骤S102：求输入量与反馈量的偏差。
求输入量与反馈量的偏差，常采用集成运算放大器(简称集成运放)来实现。
步骤S103：放大信号。
由于偏差信号一般较小，不足以驱动负载，故需要放大元件，包括电压放大及功率放大。
步骤S104：驱动被控对象。
直接驱动被控对象，使输出量发生变化。常用的有电动机、调节阀、液压马达等。
步骤S105：检测被控量并转换为所需要的电信号。
在控制系统中常用的有用于速度检测的测速发电机、光电编码盘等；用于位置与角度检测的旋转变压器、自整机等；用于电流检测的互感器及用于温度检测的热电偶等。
步骤S106：反馈校正。
校正元件也叫补偿元件，是结构与参数便于调整的元件，以串联或反馈的方式连接在系统中，完成所需的运算功能，以改善系统的性能。反馈信号可以是再生(同相)或退化(内异相)。再生反馈时存在的极性或相位关系的行为，是以援助或增加的主要控制信号来补偿。如果反馈的幅度足够大或出现振荡发散(这是在无线电频率的振荡器操作中使用的主要)。当在再生反馈控制系统，用这些在红外补偿，有过多的反馈效应，必须限制，否则将导致不稳定的情况。
所述反馈信号节点标记过程，包括以下步骤：
步骤一，增加源节点s连接所有的PI，PI为电路的原始输入，初始化集合L＝{PI}，所有的PI节点标记值赋为0；
步骤二，从L中选取一个节点t，首先求节点t的花费cost，cost(t)＝weight(t)/node_num_fanout(t)，其中weight(t)为节点t的权重，默认为1，node_num_fanout(t)为节点t的扇出节点个数；
步骤三，将节点t及其所有前驱节点构造为网络Nt，计算网络Nt中所有满足LUT对输入个数K约束要求的划分中，X中所有节点的cost的总和，选出其中最小的记为min-cost划分；
步骤四，设p为Nt中节点的最大标记，将Nt中所有标记等于p的节点都合并到t中得到新的节点t’，将该网络记为Nt’；
步骤五，将网络Nt’中，除了s和t’外的所有节点，分裂成两个节点，分裂边的权值设为1，原有边的权值设为∞，将该网络记为Nt”，根据最大流最小割定理，判断Nt”网络中的最大流是否小于等于K，如果是，则节点t的标记为p，否则为p+1；
步骤六，如果满足节点t标记的划分有两个或两个以上，则按照步骤二的方法计算最小cost的划分，记为min-heightmin-cost划分，如果只有一个这样的划分，则直接记为min-heightmin-cost划分；
步骤七，更新集合L，L＝(L-{t})∪{node_fanout(t)}，node_fanout(t)为节点t的扇出节点集合，判断L是否为空，如果不为空，则跳至步骤二，否则，节点标记过程结束。
进一步，所述检测装置将被检测的物理量转换为相应的连续或离散的电压或电流信号。
进一步，所述校正元件根据在系统中所处的位置不同，可分别称为串联校正原件和反馈校正元件。
进一步，所述检测装置一般都将被检测的物理量转换为相应的连续或离散的电压或电流信号。
进一步，所述校正元件根据在系统中所处的位置不同，可分别称为串联校正原件和反馈校正元件。
所述输入量信号的定时同步的实现方法包括：
步骤一，根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；
步骤二，由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
步骤三，由步骤二得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；
所述运算放大器计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r1：
r1＝max|GFRFT[acn(i),p]|2/Ns
式中，Ns个采样点，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；
计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1，按如下步骤进行：
计算信号x(t)的分数阶傅立叶变换，其表达式为：
式中，Kθ(t,u)为分数阶傅立叶变换的核函数，其表达式为:
其中，k取整数，Fθ表示θ角度分数阶傅里叶变换算子，θ＝pπ/2为旋转角度，p为旋转因子，δ(·)为冲击函数；为了将Alpha稳定分布噪声的幅值合理映射到有限区间，同时使信号的相位保持不变，计算信号的广义分数阶傅里叶变换，其表达式为：
其中，为一非线性变换，H(·)为希尔伯特变换；
假定第i时刻接收信号的幅度为a(i)，把Ns个采样点组成一个帧，则基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为：
γmax＝max|GFRFT[acn(i),p]|2/Ns；
式中，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；用均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响；
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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种高效的使用自适应闭环控制方法，其特征在于，所述高效的使用自适应闭环控制方法包括以下步骤：
步骤一，给出与期望输出对应的输入量；
所述输入量信号的定时同步的实现方法包括：
(1)，根据公式将训练序列与自身的循环移位结果按符号位进行共轭相关运算，得到相关函数M(m)，其中c(k)是对本地序列按符号位映射出的复数结果，c((k+m))N在k＝1,2,...N时表示对c(k)进行循环移位的结果；搜索出相关函数主峰值与副峰值比值最大情况下对应的频域序列，然后确定该频域序列对应的训练序列；
(2)，由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
(3)，由(2)得到的定时偏移估计函数F(x)，根据公式得到动态门限，其中G(m)表示m时刻动态门限的值，表示从m时刻开始计数的M个定时偏移估计函数值的平均值，mul表示一个常数；
步骤二，求输入量与反馈量的偏差；求输入量与反馈量的偏差，采用集成运算放大器实现；
所述运算放大器计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r1：
r1＝max|GFRFT[acn(i),p]|2/Ns
式中，Ns个采样点，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；
计算信号的零中心归一化瞬时幅度的GFRFT的最大值即特征量r1，按如下步骤进行：
计算信号x(t)的分数阶傅立叶变换，其表达式为：
<mrow>
<msub>
<mi>X</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>F</mi>
<mi>&theta;</mi>
</msup>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<msub>
<mi>K</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
式中，Kθ(t,u)为分数阶傅立叶变换的核函数，其表达式为:
<mrow>
<msub>
<mi>K</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msqrt>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>j</mi>
<mi> </mi>
<mi>cot</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
</msqrt>
<mi>exp</mi>
<mo>&lsqb;</mo>
<mi>j</mi>
<mfrac>
<mrow>
<msup>
<mi>t</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>u</mi>
<mn>2</mn>
</msup>
</mrow>
<mn>2</mn>
</mfrac>
<mi>cot</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mi>u</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>&NotEqual;</mo>
<mi>k</mi>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&delta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mn>2</mn>
<mi>k</mi>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&delta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>&pi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
1
其中，k取整数，Fθ表示θ角度分数阶傅里叶变换算子，θ＝pπ/2为旋转角度，p为旋转因子，δ(·)为冲击函数；为了将Alpha稳定分布噪声的幅值合理映射到有限区间，同时使信号的相位保持不变，计算信号的广义分数阶傅里叶变换，其表达式为：
<mrow>
<msub>
<mi>GF</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>GF</mi>
<mi>&theta;</mi>
</msup>
<mo>&lsqb;</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</msubsup>
<msub>
<mi>K</mi>
<mi>&theta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
</mrow>
其中，为一非线性变换，H(·)为希尔伯特变换；
假定第i时刻接收信号的幅度为a(i)，把Ns个采样点组成一个帧，则基于GFRFT的零中心归一化瞬时幅度谱密度的最大值为：
γmax＝max|GFRFT[acn(i),p]|2/Ns；
式中，为瞬时幅度a(i)的平均值；p为分数阶傅里叶变换的阶数；用均值来对瞬时幅度进行归一化的目的是为了消除信道增益的影响；
步骤三，放大信号；包括电压放大及功率放大；
步骤四，驱动被控对象，直接驱动被控对象，使输出量发生变化；常用的有电动机、调节阀、液压马达；
步骤五，检测被控量并转换为所需要的电信号，用于速度检测的测速发电机、光电编码盘；用于位置与角度检测的旋转变压器、自整机；用于电流检测的互感器及用于温度检测的热电偶；
步骤六，反馈校正，反馈信号是再生或退化；再生反馈时存在的极性或相位关系的行为，以援助或增加的主要控制信号来补偿；如果反馈的幅度足够大或出现振荡发散；当在再生反馈控制系统，在红外补偿，有过多的反馈效应，必须限制，否则将导致不稳定的情况；
所述反馈信号节点标记过程，包括以下步骤：
步骤一，增加源节点s连接所有的PI，PI为电路的原始输入，初始化集合L＝{PI}，所有的PI节点标记值赋为0；
步骤二，从L中选取一个节点t，首先求节点t的花费cost，cost(t)＝weight(t)/node_num_fanout(t)，其中weight(t)为节点t的权重，默认为1，node_num_fanout(t)为节点t的扇出节点个数；
步骤三，将节点t及其所有前驱节点构造为网络Nt，计算网络Nt中所有满足LUT对输入个数K约束要求的划分中，X中所有节点的cost的总和，选出其中最小的记为min-cost划分；
步骤四，设p为Nt中节点的最大标记，将Nt中所有标记等于p的节点都合并到t中得到新的节点t’，将该网络记为Nt’；
步骤五，将网络Nt’中，除了s和t’外的所有节点，分裂成两个节点，分裂边的权值设为1，原有边的权值设为∞，将该网络记为Nt”，根据最大流最小割定理，判断Nt”网络中的最大流是否小于等于K，如果是，则节点t的标记为p，否则为p+1；
步骤六，如果满足节点t标记的划分有两个或两个以上，则按照步骤二的方法计算最小cost的划分，记为min-height min-cost划分，如果只有一个这样的划分，则直接记为min-heightmin-cost划分；
步骤七，更新集合L，L＝(L-{t})∪{node_fanout(t)}，node_fanout(t)为节点t的扇出节点集合，判断L是否为空，如果不为空，则跳至步骤二，否则，节点标记过程结束。
2.如权利要求1所述的高效的使用自适应闭环控制方法，其特征在于，所述检测装置将被检测的物理量转换为相应的连续或离散的电压或电流信号。
3.如权利要求1所述的高效的使用自适应闭环控制方法，其特征在于，所述校正元件根据在系统中所处的位置不同，可分别称为串联校正原件和反馈校正元件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710534778.4A CN107340713A (zh) | 2017-07-03 | 2017-07-03 | 一种高效的使用自适应闭环控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710534778.4A CN107340713A (zh) | 2017-07-03 | 2017-07-03 | 一种高效的使用自适应闭环控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107340713A true CN107340713A (zh) | 2017-11-10 |
Family
ID=60219498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710534778.4A Pending CN107340713A (zh) | 2017-07-03 | 2017-07-03 | 一种高效的使用自适应闭环控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107340713A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549215A (zh) * | 2018-06-29 | 2018-09-18 | 南宁学院 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102882819A (zh) * | 2012-09-04 | 2013-01-16 | 西安电子科技大学 | 非高斯噪声下数字调制信号识别方法 |
| CN103885771A (zh) * | 2014-03-04 | 2014-06-25 | 西安电子科技大学 | 基于局部最小化robdd及面积延迟优化的工艺映射的方法 |
| CN104125190A (zh) * | 2014-08-18 | 2014-10-29 | 西安电子科技大学 | 适于低信噪比信道环境的ofdm系统符号定时同步实现方法 |
-
2017
- 2017-07-03 CN CN201710534778.4A patent/CN107340713A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102882819A (zh) * | 2012-09-04 | 2013-01-16 | 西安电子科技大学 | 非高斯噪声下数字调制信号识别方法 |
| CN103885771A (zh) * | 2014-03-04 | 2014-06-25 | 西安电子科技大学 | 基于局部最小化robdd及面积延迟优化的工艺映射的方法 |
| CN104125190A (zh) * | 2014-08-18 | 2014-10-29 | 西安电子科技大学 | 适于低信噪比信道环境的ofdm系统符号定时同步实现方法 |
Non-Patent Citations (2)
| Title |
|---|
| （美）赛尔吉欧·佛朗哥: "《基于运算放大器和模拟集成电路的电路设计》", 28 February 2009 * |
| .: "闭环控制系统（中英文对照）", 《闭环控制系统》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549215A (zh) * | 2018-06-29 | 2018-09-18 | 南宁学院 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
| CN108549215B (zh) * | 2018-06-29 | 2021-02-02 | 南宁学院 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7577211B2 (en) | Digital predistortion system and method for linearizing an RF power amplifier with nonlinear gain characteristics and memory effects | |
| US9225363B2 (en) | Digital pre-distortion transmitter and method for controlling the same | |
| KR100740177B1 (ko) | 비선형 엔벨로프 검출기를 이용한 송신기의 미스매치를보상하는 방법 및 장치 | |
| US7415250B2 (en) | Distortion compensating amplifier | |
| WO1998023068A1 (fr) | Emetteur | |
| Bodson | Performance of an adaptive algorithm for sinusoidal disturbance rejection in high noise | |
| CN113703313B (zh) | 一种基于改进预设性能的无模型自适应滑模约束控制方法 | |
| CN109946979B (zh) | 一种伺服系统灵敏度函数的自适应调整方法 | |
| JPH0440105A (ja) | 線形化増幅回路 | |
| Zhao et al. | Active disturbance rejection control approach to stabilization of lower triangular systems with uncertainty | |
| US8594589B2 (en) | Power amplifier, power amplification method, and storage medium | |
| JPWO2006137600A1 (ja) | 高周波電力増幅器の歪み補償装置 | |
| CN108762083B (zh) | 一种基于加速度观测器的自动控制系统 | |
| CN101663812A (zh) | 通过失真对跨导器进行线性化的方法和装置 | |
| CN110943613A (zh) | 一种含干扰和电流约束的直流升压变换器控制方法 | |
| Fujioka et al. | Robust tracking with H∞ performance for PWM systems | |
| CN107340713A (zh) | 一种高效的使用自适应闭环控制方法 | |
| EP2495607A2 (en) | Optical modulation method and system | |
| GB2356756A (en) | An efficient low distortion amplifier using phase and amplitude detection at input and output to produce correction commands | |
| US20230043352A1 (en) | Pre-distortion processing method, device, apparatus, and storage medium | |
| US9853767B2 (en) | Method and apparatus for determining nonlinear characteristic and system | |
| Yang et al. | Adaptive model reference control of a class of MIMO discrete-time systems with compensation of nonparametric uncertainty | |
| US6961627B2 (en) | Control system | |
| JP2003298429A (ja) | 非線形歪補償装置 | |
| Lu et al. | Convergence and stability of the compensated split-step theta method for stochastic differential equations with piecewise continuous arguments driven by Poisson random measure |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171110 |
|
| RJ01 | Rejection of invention patent application after publication |