CN108646573A - 一种数据驱动的闭环系统稳定裕度确定方法 - Google Patents

一种数据驱动的闭环系统稳定裕度确定方法 Download PDF

Info

Publication number
CN108646573A
CN108646573A CN201810797349.0A CN201810797349A CN108646573A CN 108646573 A CN108646573 A CN 108646573A CN 201810797349 A CN201810797349 A CN 201810797349A CN 108646573 A CN108646573 A CN 108646573A
Authority
CN
China
Prior art keywords
closed
data
stability margin
loop system
matrix
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
Application number
CN201810797349.0A
Other languages
English (en)
Other versions
CN108646573B (zh
Inventor
罗浩
尹珅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201810797349.0A priority Critical patent/CN108646573B/zh
Publication of CN108646573A publication Critical patent/CN108646573A/zh
Application granted granted Critical
Publication of CN108646573B publication Critical patent/CN108646573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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 in which a parameter or coefficient is automatically adjusted to optimise the performance

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

本发明提供一种数据驱动的闭环系统稳定裕度确定方法,属于数据驱动故障诊断和控制技术领域。本发明首先采集闭环系统的闭环数据,包括闭环系统的输入信号、输出信号以及参考输入信号;然后利用采集的数据构造汉克尔矩阵;最后利用构造得到的构造汉克尔矩阵求得稳定裕度。本发明解决了现有技术无法实现对数据驱动闭环系统稳定裕度进行确定的问题。本发明可应用于故障实时评估和监测。

Description

一种数据驱动的闭环系统稳定裕度确定方法
技术领域
本发明属于数据驱动故障诊断和控制技术领域,具体涉及一种数据驱动的闭环系统稳定裕度确定方法。
背景技术
近年来,在计算机技术、电子、信息和通信技术快速发展的带动下,当今工业系统,例如化工生产、机械制造、能源系统等,在规模不断扩大的同时,集成化和复杂程度也变得越来越高。在复杂工业系统中,一个局部异常事件甚至都有可能导致整个工业系统性能下降或者导致重大的工业事故并造成巨大的经济损失。为了提高经济效益和保持行业竞争力,现代工业过程的安全性和可靠性成为了最关键的因素,并获得了学术界和工业领域的广泛关注。
在现有的基于模型的闭环反馈系统稳定性分析工具中,稳定裕度技术起到了关键作用。但是由于这项技术对系统模型的依赖,这项技术往往只是被当作离线分析和设计的有力工具。如何实现数据驱动闭环系统稳定裕度,进而故障对闭环系统稳定裕度的影响能够被实时评估和监测,成为急需解决的问题。
发明内容
本发明为解决现有技术无法实现对数据驱动闭环系统稳定裕度进行确定的问题,提供了一种数据驱动的闭环系统稳定裕度确定方法。
本发明所述一种数据驱动的闭环系统稳定裕度确定方法,通过以下技术方案实现:
步骤一、采集闭环系统的闭环数据,包括闭环系统的输入信号、输出信号以及参考输入信号;
步骤二、利用采集的数据构造汉克尔矩阵;
步骤三、利用构造得到的构造汉克尔矩阵求得稳定裕度。
作为对上述技术方案的进一步阐述:
进一步的,步骤二具体包括以下步骤:
步骤二一、利用反馈控制器K(z)=(A,B,C,D)参数构造稳定滤波器其中,A为反馈控制器的系统矩阵,B为反馈控制器的输入矩阵,C为反馈控制器的输出矩阵,D为反馈控制器的直通矩阵;
步骤二二、通过下述公式计算得到滤波后的参考输入信号w(z):
其中,ω(z)为参考输入信号;
步骤二三、选取维度参数s和N,构造关于系统滤波后的参考输入信号w(z)、输入信号u(z)、输出信号y(z)的汉克尔矩阵:
Ws,N=[ws,k … ws,k+N-1]
Ys,N=[ys,k … ys,k+N-1]
Us,N=[us,k … us,k+N-1]
其中,wk表示w(z)在k时刻的采样值,yk表示y(z)在k时刻的采样值,uk表示u(z)在k时刻的采样值。
进一步的,步骤三中所述利用构造得到的构造汉克尔矩阵求得稳定裕度的过程包括:
其中,bs为稳定裕度,表示求取矩阵最大奇异值的倒数。
进一步的,步骤二一中所述稳定滤波器具体为:
其中,L表示观测器增益矩阵,其选取需要使得A-LC极点在单位圆之内。
本发明最为突出的特点和显著的有益效果是:
本发明所涉及的一种数据驱动的闭环系统稳定裕度确定方法,将会为数据驱动故障诊断和控制方法的发展增添新的动力,这不但意味着故障对闭环系统稳定裕度的影响能够被实时评估和监测,也意味着先进的面向闭环系统稳定裕度的在线容错控制方法能够被实现。具有以下几方面优势:
1、本发明利用反馈控制器的参数和系统的输入输出闭环数据,即可100%实现对数据驱动的闭环系统的稳定裕度进行计算。
2、本发明基于闭环过程数据且计算简单直观,不依赖于系统模型,适用于绝大多数(90%以上)闭环控制系统。
附图说明
图1为本发明逻辑控制示意图;
图2为本发明方法流程图。
具体实施方式
具体实施方式一:结合图1、图2对本实施方式进行说明,本实施方式给出的一种数据驱动的闭环系统稳定裕度确定方法,具体包括以下步骤:
步骤一、采集一定数量的闭环系统的闭环数据,包括闭环系统的输入信号、输出信号以及参考输入信号;
步骤二、利用采集的数据构造汉克尔矩阵;
步骤三、利用构造得到的构造汉克尔矩阵求得稳定裕度。
具体实施方式二:本实施方式与具体实施方式一不同的是,步骤二具体包括以下步骤:
步骤二一、利用所述闭环系统中的反馈控制器K(z)=(A,B,C,D)参数构造稳定滤波器其中,A为反馈控制器的系统矩阵,B为反馈控制器的输入矩阵,C为反馈控制器的输出矩阵,D为反馈控制器的直通矩阵;
步骤二二、通过下述公式计算得到滤波后的参考输入信号w(z):
其中,ω(z)为参考输入信号;
步骤二三、选取适当的维度参数s和N,构造关于系统滤波后的参考输入信号w(z)、输入信号u(z)、输出信号y(z)的汉克尔矩阵:
Ws,N=[ws,k … ws,k+N-1]
Ys,N=[ys,k … ys,k+N-1]
Us,N=[us,k … us,k+N-1]
其中,wk表示w(z)在k时刻的采样值,yk表示y(z)在k时刻的采样值,uk表示u(z)在k时刻的采样值。
其他步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式二不同的是,步骤三中所述利用构造得到的构造汉克尔矩阵求得稳定裕度的过程包括:
其中,bs为稳定裕度,表示求取矩阵最大奇异值的倒数。
其他步骤及参数与具体实施方式二相同。
具体实施方式四:本实施方式与具体实施方式二或三不同的是,步骤二一中所述稳定滤波器具体为:
其中,L表示观测器增益矩阵,其选取需要使得A-LC极点在单位圆之内,也就是控制学里说的使得A-LC稳定。
其他步骤及参数与具体实施方式二或三相同。
实施例
将利以下仿真过程来验证本发明的有益效果:
选取被控系统G0(z)=(A0,B0,C0,D0)为:
反馈控制器K(z)=(A,B,C,D)为:
本实施例所述一种数据驱动的闭环系统稳定裕度确定方法按照以下步骤进行:
步骤一、采集一定数量的闭环数据,包括闭环系统的输入信号、输出信号以及参考输入信号;
步骤二、利用采集的数据构造汉克尔矩阵;
步骤二一:选取构造稳定滤波器
步骤二二、计算得到滤波后的参考输入信号w(z);
步骤三三、选取s和N=5000,构造关于系统滤波后的参考输入信号w(z)、输入信号u(z)、输出信号y(z)的汉克尔矩阵;
步骤三、利用所构造的汉克尔矩阵计算闭环系统稳定裕度bs
本发明方法的计算结果与模型方法的结果对比如表1所示:
表1仿真对比结果
由上表可看出,本发明方法能够有效地通过系统闭环数据对闭环系统稳定裕度进行计算,而且随着数据维度s的增大,数据计算值和模型理论值越来越接近。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (4)

1.一种数据驱动的闭环系统稳定裕度确定方法,其特征在于,所述方法具体包括以下步骤:
步骤一、采集闭环系统的闭环数据,包括闭环系统的输入信号、输出信号以及参考输入信号;
步骤二、利用采集的数据构造汉克尔矩阵;
步骤三、利用构造得到的构造汉克尔矩阵求得稳定裕度。
2.根据权利要求1所述一种数据驱动的闭环系统稳定裕度确定方法,其特征在于,步骤二具体包括以下步骤:
步骤二一、利用反馈控制器K(z)=(A,B,C,D)参数构造稳定滤波器其中,A为反馈控制器的系统矩阵,B为反馈控制器的输入矩阵,C为反馈控制器的输出矩阵,D为反馈控制器的直通矩阵;
步骤二二、通过下述公式计算得到滤波后的参考输入信号w(z):
其中,ω(z)为参考输入信号;
步骤二三、选取维度参数s和N,构造关于系统滤波后的参考输入信号w(z)、输入信号u(z)、输出信号y(z)的汉克尔矩阵:
Ws,N=[ws,k … ws,k+N-1]
Ys,N=[ys,k … ys,k+N-1]
Us,N=[us,k … us,k+N-1]
其中,wk表示w(z)在k时刻的采样值,yk表示y(z)在k时刻的采样值,uk表示u(z)在k时刻的采样值。
3.根据权利要求2所述一种数据驱动的闭环系统稳定裕度确定方法,其特征在于,步骤三中所述利用构造得到的构造汉克尔矩阵求得稳定裕度的过程包括:
其中,bs为稳定裕度,表示求取矩阵最大奇异值的倒数。
4.根据权利要求2或3所述一种数据驱动的闭环系统稳定裕度确定方法,其特征在于,步骤二一中所述稳定滤波器具体为:
其中,L表示观测器增益矩阵,其选取需要使得A-LC极点在单位圆之内。
CN201810797349.0A 2018-07-19 2018-07-19 一种数据驱动的闭环系统稳定裕度确定方法 Active CN108646573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810797349.0A CN108646573B (zh) 2018-07-19 2018-07-19 一种数据驱动的闭环系统稳定裕度确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810797349.0A CN108646573B (zh) 2018-07-19 2018-07-19 一种数据驱动的闭环系统稳定裕度确定方法

Publications (2)

Publication Number Publication Date
CN108646573A true CN108646573A (zh) 2018-10-12
CN108646573B CN108646573B (zh) 2019-09-13

Family

ID=63759798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810797349.0A Active CN108646573B (zh) 2018-07-19 2018-07-19 一种数据驱动的闭环系统稳定裕度确定方法

Country Status (1)

Country Link
CN (1) CN108646573B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111158351A (zh) * 2020-01-19 2020-05-15 哈尔滨工业大学 数据驱动的故障诊断与最优控制系统一体化设计方法
CN113341721A (zh) * 2021-06-17 2021-09-03 哈尔滨工业大学 面对含有未知扰动的工业系统的数据驱动鲁棒故障诊断方法
CN116068903A (zh) * 2023-04-06 2023-05-05 中国人民解放军国防科技大学 一种闭环系统鲁棒性能的实时优化方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105576675A (zh) * 2016-01-28 2016-05-11 云南电网有限责任公司电力科学研究院 一种含多台风机的电力系统的阻尼控制的方法和系统
CN105910495A (zh) * 2016-05-09 2016-08-31 哈尔滨工业大学 基于性能指标的面向效能的导弹武器系统设计方法
CN106099921A (zh) * 2016-07-21 2016-11-09 天津大学 一种电力系统时滞稳定裕度快速求解方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105576675A (zh) * 2016-01-28 2016-05-11 云南电网有限责任公司电力科学研究院 一种含多台风机的电力系统的阻尼控制的方法和系统
CN105910495A (zh) * 2016-05-09 2016-08-31 哈尔滨工业大学 基于性能指标的面向效能的导弹武器系统设计方法
CN106099921A (zh) * 2016-07-21 2016-11-09 天津大学 一种电力系统时滞稳定裕度快速求解方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QING SU ET AL.: "Robust stabilization of singular systems with H∞ -bounded uncertainty", 《CIRCUITS SYSTEMS AND SIGNAL PROCESSING》 *
SEDDIK M. DJOUADI: "On robustness in the gap metric and coprime factor uncertainty for LTV systems", 《SYSTEMS & CONTROL LETTERS》 *
刘斌等: "非线性系统的多模型鲁棒控制器设计", 《哈尔滨工业大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111158351A (zh) * 2020-01-19 2020-05-15 哈尔滨工业大学 数据驱动的故障诊断与最优控制系统一体化设计方法
CN113341721A (zh) * 2021-06-17 2021-09-03 哈尔滨工业大学 面对含有未知扰动的工业系统的数据驱动鲁棒故障诊断方法
CN116068903A (zh) * 2023-04-06 2023-05-05 中国人民解放军国防科技大学 一种闭环系统鲁棒性能的实时优化方法、装置及设备

Also Published As

Publication number Publication date
CN108646573B (zh) 2019-09-13

Similar Documents

Publication Publication Date Title
CN108646573B (zh) 一种数据驱动的闭环系统稳定裕度确定方法
CN108875276B (zh) 一种数据驱动的闭环系统稳定性监测方法
CN108803465B (zh) 一种基于闭环数据驱动的分布式即插即用故障监测方法
CN102081350B (zh) 静不稳定飞行器等价气动伺服弹性鲁棒稳定性的飞行试验确定方法
CN105606914A (zh) 一种基于iwo-elm的航空功率变换器故障诊断方法
CN106483405A (zh) 基于隐马尔可夫模型的npc光伏逆变器的故障诊断方法
CN104020670B (zh) 基于支持向量机的三自由度直升机容错控制装置及方法
CN103440497A (zh) 一种gis绝缘缺陷局部放电图谱模式识别方法
CN109494726A (zh) 基于dlrnn神经网络的电力系统稳定性在线评估方法
CN110297475A (zh) 一种基于四阶矩奇异值分解的间歇过程故障监测方法
CN111953657B (zh) 一种序列-数据联合驱动的配电网cps网络攻击辨识方法
CN105424370A (zh) 一种风力发电机组变桨系统的测试平台
CN111079857B (zh) 一种基于过完备宽度学习模型的污水处理过程故障监测方法
CN110261773B (zh) 一种航空发电机故障征兆提取方法及系统
CN109697330B (zh) 一种用于信息物理系统的故障检测系统设计方法
CN103439964B (zh) 一种ocsvm监控模型的在线更新系统及方法
Rana et al. Residual saturation based Kalman filter for smart grid state estimation under cyber attacks
CN104573398B (zh) 功率变换电路故障阈值确定方法
CN107657071A (zh) 基于改进稀疏概率分配法的电力系统不确定性时域仿真方法
CN106249022A (zh) 交流暂态电压对直流控制保护系统影响的分析系统及方法
CN105224736A (zh) 一种基于约束求解的智能电网系统鲁棒性验证方法
CN109103876B (zh) 一种基于等值阻抗的暂态稳定分析方法
Shan et al. Research on fault tolerant control system based on optimized neural network algorithm
CN103020006A (zh) 一种基于海量数据挖掘的设备状态预测方法
Zhao et al. Research on application of cyber-physical system in fault diagnosis of power grid

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