CN107357171A - 船载三轴稳定平台的控制方法 - Google Patents

Abstract

船载三轴稳定平台的控制方法，属仪器科学技术领域，本发明为了解决目前舰船在受到海浪、风等因素的影响的时候会出现船体摇摆不稳定的问题。船载三轴稳定平台的控制方法，包括以下步骤：步骤一，构建稳定平台控制系统模型；步骤二，构建陀螺稳定平台的自抗扰控制器ADRC；步骤三，构建目标函数方程、设计模拟实验；步骤四，完成船载三轴稳定平台的稳定控制。本发明的船载三轴稳定平台的控制方法能通过对扰动进行估计，并且进行主动补偿，提高平台位置的抗干扰能力和对目标位置的稳定跟踪。

Description

船载三轴稳定平台的控制方法

技术领域

本发明涉及一种稳定平台的控制方法，具体涉及船载三轴稳定平台的控制方法，属于仪器科学技术领域。

背景技术

舰船在受到海浪、风等因素的影响的时候会出现船体摇摆不稳定的情况，而实际中往往需要保持摄像等平台能够一直保持水平的状态。陀螺稳定平台实现了在受到多源扰动的情况下仍然能够保持稳定。实际中舰船晃动时陀螺稳定平台支撑并稳定载荷，能够有效隔离舰船对载荷稳定的影响。

陀螺稳定平台受到多源扰动影响，而这些扰动具有非线性、时变及参数不确定等特性，因此如何更好地隔离多源扰动是实现高精度稳定平台的核心。通常使用中PID对稳定平台的位置环进行控制，由于单纯的PID调节参数固定，面对突发的扰动时往往表现出动态性能较差，而且快速性与超调量之间存在着不可调和的矛盾，较难实现稳定平台的更高精度控制。因此需要设计应对多源、突发、非线性等扰动特点的抗扰动性强的高精度控制方法，满足载荷的稳定要求。国内外学者提出了各种先进控制方法来抑制扰动，取得了显著的效果：文献[1]使用了基于RBF神经网络辨识的模型参考自适应控制算法，提高了整个稳定平台的响应速度。文献[2]提出了使用改进型小脑模型关节控制器(CMAC)复合控制方法提高了航空稳定平台控制系统指向精度及稳定性。文献[3]提出了一种自适应前馈控制方法来提高惯性稳定平台稳定控制的指令跟踪性能，显著提高了系统的暂态性能。文献[4]提出了一种基于自适应灰色预测(AGPC)—分数阶改进干扰预测器(FIDOR)的稳定平台伺服干扰抑制方法，实验表明该方法不仅可以有效抑制稳定平台外界干扰和测量噪声，而且提高了系统响应能力。文献[5]设计了一个两步控制策略，首先将自抗扰控制设计为PID控制，然后利用Kalman滤波器对系统的状态扰动及测量噪声进行滤波消除，提高了整个稳定平台的隔离度。文献[6]设计了一种比例多重积分(PMI)观测器，有效的抑制了干扰力矩的影响，提高了平台的动态特性和稳态性能。

由于稳定平台伺服系统结构复杂，无法建立精确的控制模型。在实际使用中带来了很多不可预测的扰动和偏移。严重的影响了稳定平台的控制精度和稳定性。而在控制策略方面大多采用“被动抗扰”的思想来提高平台的控制精度和稳定性，通过检测当前值和以往值进行比对来产生控制，使得系统具有一定的时滞，出现超调等情况，并不能快速稳定的对负载平台进行控制。因此，需要一种可以快速稳定对负载平台进行控制的方法。

发明内容

本发明的目的是提供船载三轴稳定平台的控制方法，以解决目前舰船在受到海浪、风等因素的影响的时候会出现船体摇摆不稳定的问题。

所述船载三轴稳定平台的控制方法包括以下步骤：

步骤一，构建稳定平台控制系统模型；稳定平台控制系统由电流环、速度环和位置环组成的三闭环控制系统；

步骤二，构建陀螺稳定平台的自抗扰控制器ADRC；陀螺稳定平台的自抗扰控制器ADRC由跟踪微分器(TD)，扩张状态观测器(ESO)，状态误差反馈控制率(SEF)三部分组成；

步骤三，构建目标函数方程、设计模拟实验；采用浮点遗传算法(FGA)；

步骤四，通过更改目标函数方程中的参数数值，使稳定平台控制系统模型达到平稳状态，完成船载三轴稳定平台的稳定控制。

优选的：步骤一所述电流环和速度环为系统内环，位置环为系统外环，电流环实现对电流的平稳控制；速度环增强系统抵抗扰动的能力，抑制速度的波形；位置环实现对目标指令的跟踪，通过位置控制器来保证系统的稳定精度和动态跟踪性能。

优选的：步骤三所述的目标函数方程为：

其中：e(t)为反馈误差，tr为调节时间，M_p为超调量，w₁，w₂，w₃为权值.我们希望目标函数J越小越好，因此在遗传操作的交又和变异这两项操作中都是以目标函数小的个体为优秀的个体，当目标函数确定后.遗传算法优化参数开始进行，每产生一代新的种群都耍将其送到ADRC中去验证，寻到最优的个体，直到循环代傲终止，最终寻找到所有代数中最优的参数值。

本发明与现有产品相比具有以下效果：自抗扰控制器(ADRC)进行系统的控制。ADRC可以解决具有大范围及复杂结构(非线性、时变、耦合等)不确定系统控制的有效方法。通过对总扰动进行估计，并且主动在控制量中进行系统补偿，从而把充满扰动、不确定性和非线性的被控对象线性化成容易控制的积分串联型系统，提高了系统的快速性和稳定性。

附图说明

图1是本发明所述的三环稳定平台控制系统模型结构示意图。

具体实施方式

下面根据附图详细阐述本发明优选的实施方式。

如图1所示，所述船载三轴稳定平台的控制方法包括以下步骤：

步骤一，构建稳定平台控制系统模型；稳定平台控制系统由电流环、速度环和位置环组成的三闭环控制系统；

步骤二，构建陀螺稳定平台的自抗扰控制器ADRC；陀螺稳定平台的自抗扰控制器ADRC由跟踪微分器(TD)，扩张状态观测器(ESO)，状态误差反馈控制率(SEF)三部分组成；

步骤三，构建目标函数方程、设计模拟实验；采用浮点遗传算法(FGA)；

步骤四，通过更改目标函数方程中的参数数值，使稳定平台控制系统模型达到平稳状态，完成船载三轴稳定平台的稳定控制。

优选的：步骤一所述电流环和速度环为系统内环，位置环为系统外环，电流环实现对电流的平稳控制；速度环增强系统抵抗扰动的能力，抑制速度的波形；位置环实现对目标指令的跟踪，通过位置控制器来保证系统的稳定精度和动态跟踪性能。

优选的：步骤三所述的目标函数方程为：

其中：e(t)为反馈误差，tr为调节时间，M_p为超调量，w₁，w₂，w₃为权值.我们希望目标函数J越小越好，因此在遗传操作的交又和变异这两项操作中都是以目标函数小的个体为优秀的个体，当目标函数确定后.遗传算法优化参数开始进行，每产生一代新的种群都耍将其送到ADRC中去验证，寻到最优的个体，直到循环代傲终止，最终寻找到所有代数中最优的参数值。

进一步：位置跟踪环是伺服系统的最外环，用来保证系统的稳定精度和动态跟踪性能，是伺服系统性能的最终体现。在稳定伺服系统中，由于平台及其负载的惯量较大，数据传输、控制计算以及采样频率都将引起控制系统的滞后。我们利用灰色系统控制对数据进行采样，建立GM(1,1)模型并预测未来的行为数据，将行为预测值与行为给定值进行比较来确定系统的超前控制值。灰色预测控制是一种变参数不变结构的自适应控制方法，具有很好的实时性和较强的自适应性。

进一步：电流环和速度环作为伺服控制系统的内环，对其的控制决定了整个系统性能的好坏，因此，我们在这两部分中使用RBF神经网络辨识的模型参考自适应控制算法。PID控制要想取得较好的控制效果，必须通过控制好比例、积分、微分形成控制量中相互配合又相互制约的关系，从变化无穷的非线性组合中找到最佳的控制参数是很困难的，神经网络具有的任意非线性表达能力可以通过对系统性能的学习来实现最佳组合的PID控制。RBF神经网络是一种局部逼近网络，已证明它能以任意逼近任意连续函数，同时具有在线学习，实时性好，控制精度高等特点。

本实施方式只是对本专利的示例性说明，并不限定它的保护范围，本领域技术人员还可以对其局部进行改变，只要没有超出本专利的精神实质，都在本专利的保护范围内。

Claims (3)

1.船载三轴稳定平台的控制方法，其特征在于，包括以下步骤：

步骤一，构建稳定平台控制系统模型；稳定平台控制系统由电流环、速度环和位置环组成的三闭环控制系统；

步骤二，构建陀螺稳定平台的自抗扰控制器ADRC；陀螺稳定平台的自抗扰控制器ADRC由跟踪微分器(TD)，扩张状态观测器(ESO)，状态误差反馈控制率(SEF)三部分组成；

步骤三，构建目标函数方程、设计模拟实验；采用浮点遗传算法(FGA)；

步骤四，通过更改目标函数方程中的参数数值，使稳定平台控制系统模型达到平稳状态，完成船载三轴稳定平台的稳定控制。

2.根据权利要求1所述的船载三轴稳定平台的控制方法，其特征在于：步骤一所述电流环和速度环为系统内环，位置环为系统外环，电流环实现对电流的平稳控制；速度环增强系统抵抗扰动的能力，抑制速度的波形；位置环实现对目标指令的跟踪，通过位置控制器来保证系统的稳定精度和动态跟踪性能。

3.根据权利要求1所述的船载三轴稳定平台的控制方法，其特征在于：步骤三所述的目标函数方程为：

<mrow> <mi>J</mi> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mi>t</mi> </msubsup> <msub> <mi>w</mi> <mn>1</mn> </msub> <msup> <mi>te</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>+</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mi>t</mi> <mi>r</mi> <mo>+</mo> <msub> <mi>w</mi> <mn>3</mn> </msub> <mo>*</mo> <mrow> <mo>(</mo> <msub> <mi>M</mi> <mi>p</mi> </msub> <mo>)</mo> </mrow> </mrow>

其中：e(t)为反馈误差，tr为调节时间，M_p为超调量，w₁，w₂，w₃为权值.我们希望目标函数J越小越好，因此在遗传操作的交又和变异这两项操作中都是以目标函数小的个体为优秀的个体，当目标函数确定后.遗传算法优化参数开始进行，每产生一代新的种群都耍将其送到ADRC中去验证，寻到最优的个体，直到循环代傲终止，最终寻找到所有代数中最优的参数值。