CN108717264B - 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 - Google Patents
一种设计基于事件触发的磁悬浮系统模糊控制器的方法 Download PDFInfo
- Publication number
- CN108717264B CN108717264B CN201810533945.8A CN201810533945A CN108717264B CN 108717264 B CN108717264 B CN 108717264B CN 201810533945 A CN201810533945 A CN 201810533945A CN 108717264 B CN108717264 B CN 108717264B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- equation
- state
- theta
- 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.)
- 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
- G05B13/042—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 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
本发明公开了一种设计基于事件触发的磁悬浮系统模糊控制器的方法,包括如下步骤:1)建立非线性磁悬浮系统的动态模型,通过在平衡点展开再转换成状态空间方程,通过4个模糊规则对磁悬浮系统进行T‑S模糊建模;2)利用事件触发策略,以及模糊控制器,得到相应的基于事件触发的磁悬浮闭环模糊系统;3)利用交互凸组合的方法以及融合参数依赖的李雅普诺夫函数,推导出稳定性条件以及设计对应的基于事件触发的模糊控制器,并用线性矩阵不等式表示,便于用MATLAB求解。该方法能对非线性磁悬浮系统进行有效控制,使得其在运行的时候是稳定的,并且能减少不必要的信息传输,节约带宽资源。
Description
技术领域
本发明应用于非线性系统的模糊控制,具体涉及一种设计基于事件触发的磁悬浮系统模糊控制器的方法。
背景技术
磁悬浮系统由于其环境、商业和技术等方面的特点,在许多实际生产应用中得到广泛的应用。EMS系统的磁悬浮列车是当今非常先进的轨道交通工具。EMS系统利用电磁力来克服重力,利用“同性相斥,异性相吸”的原理,使得磁悬浮列车以一定的间隙浮于轨道上方,使其完全脱离轨道。磁悬浮列车在正常运行状态中需要控制稳定的电流,以保证列车的正常悬浮以及高速安全行驶,因此磁悬浮列车电流控制技术是十分重要的。由于有电磁力的参与,典型的磁悬浮系统是高度非线性、开环不稳定的系统。
传统的控制方法都是以建立被控对象的精确模型为基础进行控制。但随着被研究系统的复杂性的增加,有时难以建立起精确模型,有时所研究的对象具有强非线性、时滞、时变、外部干扰等复杂情况,利用现在的数学方法难以求解计算,传统控制方法就不再适应。
在实际磁悬浮系统中,由于传感器、执行机构和所设计的控制器都是作为节点与列车的控制系统相连,并通过网络进行数据交换,因为网络的带宽有限,容易导致信息碰撞而产生输入诱导时延,可能会导致所控制的系统不稳定。
发明内容
目前对磁悬浮系统的控制研究大都是将磁悬浮模型在平衡点进行泰勒展开,从而得到线性化的模型,但该方法对于存在时变时延、数据碰撞丢失等情况的时候并不适用。因此,本发明针对复杂的非线性磁悬浮系统的控制,解决诱导时延,减少不必要的数据传输,节约有限带宽的资源,提供了一种设计基于事件触发的磁悬浮系统模糊控制器的方法。
为了解决上述技术问题,本发明采用了如下技术方案:
一种设计基于事件触发的磁悬浮系统模糊控制器的方法,该方法包括如下步骤:
1、建立非线性磁悬浮系统的动态模型,通过在平衡点展开再转换成状态空间方程,通过4个模糊规则对磁悬浮系统进行T-S模糊建模;
2、利用事件触发策略,以及模糊控制器,得到相应的基于事件触发的磁悬浮闭环模糊系统;
3、利用交互凸组合的方法以及融合参数依赖的李雅普诺夫函数,推导出稳定性条件以及设计对应的基于事件触发的模糊控制器,并用线性矩阵不等式(LMI)表示,便于用MATLAB求解。
与现有技术相比,本发明具有如下技术效果:
1、本发明设计出对于非线性磁悬浮系统的事件触发模糊控制器,即使在传感器、执行机构、所设计的控制器与控制系统进行信息数据交换发生碰撞,而产生诱导时延时,还是能够通过事件触发模糊控制器的控制下保持系统的性能以及稳定性。
2、本发明能对非线性磁悬浮系统进行有效控制,使得其在运行的时候是稳定的,并且能减少不必要的信息传输,节约带宽资源。
附图说明
图1为磁悬浮列车的结构简化图;
图2为基于事件触发的模糊控制系统图;
图3为原磁悬浮开环系统的状态轨迹图;
图4为受控的闭环模糊系统的状态轨迹图;
图5为事件触发时刻以及时间间隔图;
图6为模糊控制器的输入图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细地描述。
一种设计基于事件触发的磁悬浮系统模糊控制器的方法,该方法包括如下步骤:
1)建立非线性磁悬浮系统的动态模型,通过在平衡点展开再转换成状态空间方程,通过4个模糊规则对磁悬浮系统进行T-S模糊建模;
2)利用事件触发策略,以及模糊控制器,得到相应的基于事件触发的磁悬浮闭环模糊系统;
3)利用交互凸组合的方法以及融合参数依赖的李雅普诺夫函数,推导出稳定性条件以及设计对应的基于事件触发的模糊控制器,并用线性矩阵不等式(LM I)表示,便于用MATLAB求解。
下面主要对磁悬浮系统模糊模型建模、基于事件触发的闭环模糊系统构建以及模糊控制器设计方法进行描述,以解决非线性磁悬浮系统的基于事件触发模糊控制器设计的问题。
图1给出了磁悬浮列车的结构简化图,根据牛顿定理以及基尔霍夫定理,对磁悬浮系统进行物理分析。在步骤1)的建模过程中,不考虑轨道本身的形变对系统模型的影响,仅考虑电磁铁相对于轨道的运动关系,根据牛顿定理以及基尔霍夫定理,可以求得磁悬浮系统的动态描述方程如下:
其中,ψ(i(t),δ(t))是系统的磁势,F(i(t),δ(t))表示电磁铁产生的电磁力,μ0为真空磁导率(4π×10-7H/m),g是重力加速度(9.8m/s2),N是线圈匝数,m是电磁铁以及客厢总重,Rm是线圈电阻,am是线圈绕组有效横截面积,δ(t)是电磁铁与导轨之间的空气隙,i(t)是控制线圈电流,v(t)是控制线圈两端电压;
将式(1)中的等式经过简单的代入数学变化,可以得到下式的结果:
为了便于下面的分析,将做如下的变换:
式中,x(t)是状态变量矩阵[x1 T(t) x2 T(t) x3 T(t)]T,x1(t)是z1(t)-z1e的等价变换,x2(t)是z2(t)的等价变换,x3(t)是z3(t)-z3e的等价变换;
令u(t)=v(t)-ve,将上式(4)代入到式(3)中,容易得到下面的对应的系统状态空间方程:
由式(5)所得到的系统状态空间方程是高度非线性的,无法用现存的线性控制方法以及经典控制来处理该系统。为了能利用线性控制方法,接下来利用基于T-S模糊模型来逼近该非线性系统;
则θ1(t)和θ2(t)可表示为如下的形式:
其中
ξ11(θ1(t))+ξ12(θ1(t))=1;ξ21(θ2(t))+ξ22(θ2(t))=1 (8)
式中,θ1(t)是前件变量x1(t),θ2(t)是前件变量x3(t),θ1max是前件变量x1(t)的最大值,θ2max是前件变量x3(t)的最大值,ξ11(θ1(t))是前件变量θ1(t)的隶属度函数,ξ12(θ1(t))是前件变量θ1(t)的隶属度函数,ξ21(θ2(t))是前件变量θ2(t)的隶属度函数,ξ22(θ2(t))是前件变量θ2(t)的隶属度函数;
磁悬浮系统在正常运行状态,导轨之间的空气隙δ(t),将x1(t)定义为系统的输出,即y(t)=x1(t),那么,就可以用如下的4条模糊规则来等效于原系统;
模糊规则1:当θ1(t)接近θ1max,θ2(t)接近θ2max时,该非线性等式可化简为:
模糊规则2:当θ1(t)接近θ1max,θ2(t)接近θ2min时,该非线性等式可化简为:
模糊规则3:当θ1(t)接近θ1min,θ2(t)接近θ2max时,该非线性等式可化简为:
模糊规则4:当θ1(t)接近θ1min,θ2(t)接近θ2min时,该非线性等式可化简为:
式中,y(t)含义是系统的连续输出;
利用一阶欧拉近似的方法,将该磁悬浮连续模型离散化,从而可以得到如下的离散的T-S模糊模型:
模糊规则1:当θ1(t)是M11,θ2(t)是M12时,则该非线性等式可化简为:
模糊规则2:当θ1(t)是M21,θ2(t)是M22时,则该非线性等式可化简为:
模糊规则3:当θ1(t)是M31,θ2(t)是M32时,则该非线性等式可化简为:
模糊规则4:当θ1(t)是M41,θ2(t)是M42时,则该非线性等式可化简为:
其中,M11和M21都表示接近θ1max;M31和M41都表示接近θ1min;M12和M32都表示接近θ2max;M22和M42都表示接近θ2min,x(k+1)是系统状态变量的下一时刻状态,x(k)是系统状态变量矩阵,u(k)是系统输入,y(k)是系统的离散输出,A1、B1、C1均表示模糊规则1下的系统矩阵,A2、B2、C2均表示模糊规则2下的系统矩阵,A3、B3、C3均表示模糊规则3下的系统矩阵,A4、B4、C4均表示模糊规则4下的系统矩阵;T表示采样时间;所以,Mij的隶属度函数表示如下式,i∈{1,2,3,4},j∈{1,2};
M11(θ1(k))=M21(θ1(k))=ξ11(θ1(k)),M31(θ1(k))=M41(θ1(k))=ξ12(θ1(k))
M12(θ2(k))=M32(θ2(k))=ξ21(θ2(k)),M22(θ2(k))=M42(θ2(k))=ξ22(θ2(k))
式中,θ1(t)是前件变量x1(t),θ2(t)是前件变量x3(t);
去模糊化T-S模糊模型表示为:
其中:θ(k)是前件变量,hi是模糊基底函数,Ai、Bi、Ci是模糊规则1,2,3,4下的模糊系统的系统矩阵;
h1(θ(k))=ξ11(θ1(k))·ξ12(θ1(k)),h2(θ(k))=ξ11(θ1(k))·ξ22(θ1(k))
h3(θ(k))=ξ21(θ1(k))·ξ12(θ1(k)),h4(θ(k))=ξ21(θ1(k))·ξ22(θ1(k))
其中,h1是模糊规则1下的模糊基底函数,h2是模糊规则2下的模糊基底函数,h3是模糊规则3下的模糊基底函数,h4是模糊规则4下的模糊基底函数;
上述模型可以表达为下式的紧凑形式:
其中:A(k)、B(k)、C(k)是模糊规则下系统矩阵的紧凑形式,具体表达形式如下:
在步骤2)获得基于事件触发的闭环模糊系统过程中:引入一种机制来决定是否传输“信息”,且保证该传输的信息确实对系统的稳定运行来说是必不可少的,从而可以很大程度上减少传输的信息的量。为了减少不必要的数据传输以及节约网络带宽资源,利用事件触发策略来决定系统的状态x(k)是否该传送;
2.1)事件触发决策算法:
[x(k)-x(kt)]TΩ[x(k)-x(kt)]≤σxT(kt)Ωx(kt) (12)
其中:Ω是需要求的对称正定矩阵,σ是给定的参数σ∈[0,1),该不等式即表示,对于系统状态x(k)满足式子(12)不会被传送;最新的采样状态是否会被传输取决于在触发kt时刻的最新的传输数据x(kt)与当前采样k时刻的数据x(k)是否满足上述式子;
2.2)基于事件触发的模糊控制系统如图2所示。
模糊规则i,模糊规则i统一代表模糊规则1,2,3,4;
如果θ1(k)是Mi1,θ2(k)是Mi2,那么
u(k)=Kix(k),i∈1,2,3,4 (13)
其中,Ki是要求得的模糊控制器的增益矩阵,因此,又可以表示为
则
u(k)=K(k)x(k) (15)
其中,
h(k)=k=kt,k∈[kt+τk,kt+1+τk+1]
其中:n∈N,n≥1;
定义如下式子:
其中,n=1,2,3,...,d-1;因此,可以得到以下的式子:
定义h(k)如下:
因此,可得:
令h=h2-h1;
对于情况2,定义:
通过上述两种情况的分析,结合ei(k)的定义以及事件触发策略算法式(12),对于
ei(k)TΩei(k)≤σxT(k-h(k))Ωx(k-h(k)) (18)
利用ei(k)和h(k),对应的模糊控制器为
u=Kx(k)=Ke(k)+Kx(k-h(k)) (19)
将式子(19)代入到式子(11),可得到对应的磁悬浮闭环系统表示为:
在步骤3)基于事件触发的模糊控制器设计中包括如下子步骤:
3.1)稳定性分析
在进行稳定性分析之间,定义如下的参数矩阵:
3.1.1)对于给定的标量σ,h1,h2,并且已知系统的控制增益K;则该闭环系统(20)是渐进稳定的的条件是:存在矩阵Q1i>0,Q2i>0,Q3i>0,S1>0,S2>0,Ω>0,M,Z1对于正数k满足:
Υ(k)+Υ1(k)<0 (21)
其中:
WA=[A(k) 0 B(k)K 0 B(k)K -In]
W1=[I 0 0 0 0 0] W2=[0 I 0 0 0 0]
W3=[0 0 I 0 0 0] W4=[0 0 0 I 0 0]
W5=[0 0 0 0 I 0] W6=[0 0 0 0 0 I]
其中,In是n×n的单位矩阵,*是对称矩阵的对称项,上角标“T”代表矩阵转置;
3.1.1)得到的结果是模糊参数依赖矩阵不等式的形式,无法用LMI工具箱直接求解。所以需要将此结果转换为有限的线性矩阵不等式,并可以利用标准的工具箱进行求解。下面的定理就是将这些矩阵约束转换为有限的线性矩阵不等式;
3.2.2)对于给定的标量σ,h1,h2,并且已知系统(20)的控制增益Ki;则该闭环系统是渐进稳定的条件是:存在矩阵Q1i>0,Q2i>0,Q3i>0,S1>0,S2>0,Ω>0,Mi(k),Z1对于正数k满足下式,其中i,j,k,s=1,2,3,4:
Υiis(k)+Υ1iis(k)<0 (23)
Υijs(k)+Υ1ijs(k)+Υjis(k)+Υ1jis(k)<0,1≤i<j (24)
其中:
WAjs=[Aj 0 BjKs 0 BjKs -In];
3.2)对步骤3.1)的结果,来设计模糊系统(20)的基于事件触发的模糊控制器,使得磁悬浮模糊系统是渐进稳定的。
对于给定的标量σ,h1,h2,λ1,λ2,...,λ6;该闭环系统的基于事件触发的模糊控制器存在,且满足磁悬浮系统是渐进稳定的条件是:存在矩阵 φi,X对于正数k满足下式,其中i,j,k,s=1,2,3,4:
Πiis(k)+Π1iis(k)<0 (26)
Πijs(k)+Π1ijs(k)+Πjis(k)+Π1jis(k)<0,1≤i<j (27)
其中:
并且该模糊系统的反馈增益矩阵可由下式计算得到:
Ki=φiX-1。
至此,完成了基于事件触发策略的非线性磁悬浮系统的模糊控制器设计。
实施例1
利用对磁悬浮非线性系统所设计的基于事件触发的模糊控状态反馈制器进行仿真。下表1列出了磁悬浮系统中的相应的参数,在下表2中列出了前件变量θ(k)的所允许的取值范围。
表1磁悬浮非线性系统参数量值
表2前件变量θ(k)所允许的范围
利用表1和表2中的参数值,可以得到原磁悬浮非线性系统的确切的表达式。在求解模糊控制器之前,先分析原磁悬浮非线性系统的稳定性。首先,假设该系统的状态初始条件为x(0)=[0.0001 0 0]T。图3给出了原磁悬浮开环系统的状态轨迹图。
从图3可以看出,非线性磁悬浮在不受控的情况下状态轨迹是发散的,系统是不稳定的。
利用MATLAB中进行求解,可得该非线性磁悬浮系统的基于事件触发的模糊控制器的参数矩阵:
K1=103×[-9.4823 0.1214 0.0216],K2=104×[-5.2421 0.0929 0.0118]
K3=104×[7.7503 -0.1409 -0.0177],K4=103×[2.6740 -0.0445 -0.0060]
事件触发参数矩阵Ω求解如下:
根据以上的求解,可得到系统的基于事件触发的非线性磁悬浮系统的模糊控制器,图4表示的是在该控制器下,系统的状态轨迹图。从该图4中可以看出该非线性磁悬浮系统在模糊控制下的状态轨迹是收敛的,已被镇定。
图5表示的事件触发的时刻以及间隔时间,图6为模糊控制器的输入,从图5、图6中可见,利用事件触发策略可以有效减少通信的负担。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种设计基于事件触发的磁悬浮系统模糊控制器的方法,其特征在于,该方法包括如下步骤:
1)建立非线性磁悬浮系统的动态模型,通过在平衡点展开再转换成状态空间方程,通过4个模糊规则对磁悬浮系统进行T-S模糊建模;
2)利用事件触发策略,以及模糊控制器,得到相应的基于事件触发的磁悬浮闭环模糊系统;
3)利用交互凸组合的方法以及融合参数依赖的李雅普诺夫函数,推导出稳定性条件以及设计对应的基于事件触发的模糊控制器,并用线性矩阵不等式(LMI)表示,便于用MATLAB求解;
在步骤1)的建模过程中,不考虑轨道本身的形变对系统模型的影响,仅考虑电磁铁相对于轨道的运动关系,根据牛顿定理以及基尔霍夫定理,可以求得磁悬浮系统的动态描述方程如下:
其中,ψ(i(t),δ(t))是系统的磁势,F(i(t),δ(t))表示电磁铁产生的电磁力,μ0为4π×10-7H/m的真空磁导率,g是9.8m/s2的重力加速度,N是线圈匝数,m是电磁铁以及客厢总重,Rm是线圈电阻,am是线圈绕组有效横截面积,δ(t)是电磁铁与导轨之间的空气隙,i(t)是控制线圈电流,v(t)是控制线圈两端电压;
将式(1)中的等式经过简单的代入数学变化,可以得到下式的结果:
为了便于下面的分析,将做如下的变换:
式中,x(t)是状态变量矩阵[x1 T(t) x2 T(t) x3 T(t)]T,x1(t)是z1(t)-z1e的等价变换,x2(t)是z2(t)的等价变换,x3(t)是z3(t)-z3e的等价变换;
令u(t)=v(t)-ve,将上式(4)代入到式(3)中,容易得到下面的对应的系统状态空间方程:
由式(5)所得到的系统状态空间方程是高度非线性的,利用基于T-S模糊模型来逼近该非线性系统;
则θ1(t)和θ2(t)可表示为如下的形式:
其中
ξ11(θ1(t))+ξ12(θ1(t))=1;ξ21(θ2(t))+ξ22(θ2(t))=1 (8)
式中,θ1(t)是前件变量x1(t),θ2(t)是前件变量x3(t),θ1max是前件变量x1(t)的最大值,θ2max是前件变量x3(t)的最大值,θ1min是前件变量x1(t)的最小值,θ2min是前件变量x3(t)的最小值,ξ11(θ1(t))是前件变量θ1(t)的隶属度函数,ξ12(θ1(t))是前件变量θ1(t)的隶属度函数,ξ21(θ2(t))是前件变量θ2(t)的隶属度函数,ξ22(θ2(t))是前件变量θ2(t)的隶属度函数;
磁悬浮系统在正常运行状态,导轨之间的空气隙δ(t),将x1(t)定义为系统的输出,即y(t)=x1(t),那么,就可以用如下的4条模糊规则来等效于原系统;
模糊规则1:当θ1(t)接近θ1max,θ2(t)接近θ2max时,该非线性等式可化简为:
模糊规则2:当θ1(t)接近θ1max,θ2(t)接近θ2min时,该非线性等式可化简为:
模糊规则3:当θ1(t)接近θ1min,θ2(t)接近θ2max时,该非线性等式可化简为:
模糊规则4:当θ1(t)接近θ1min,θ2(t)接近θ2min时,该非线性等式可化简为:
式中,y(t)是系统的连续输出;
利用一阶欧拉近似的方法,将该磁悬浮连续模型离散化,从而可以得到如下的离散的T-S模糊模型:
模糊规则1:当θ1(t)是M11,θ2(t)是M12时,则该非线性等式可化简为:
模糊规则2:当θ1(t)是M21,θ2(t)是M22时,则该非线性等式可化简为:
模糊规则3:当θ1(t)是M31,θ2(t)是M32时,则该非线性等式可化简为:
模糊规则4:当θ1(t)是M41,θ2(t)是M42时,则该非线性等式可化简为:
其中,M11和M21都表示接近θ1max;M31和M41都表示接近θ1min;M12和M32都表示接近θ2max;M22和M42都表示接近θ2min,x(k+1)是系统状态变量的下一时刻状态,x(k)是系统状态变量矩阵,u(k)是系统输入,y(k)是系统的离散输出,A1、B1、C1均表示模糊规则1下的系统矩阵,A2、B2、C2均表示模糊规则2下的系统矩阵,A3、B3、C3均表示模糊规则3下的系统矩阵,A4、B4、C4均表示模糊规则4下的系统矩阵;T表示采样时间;所以,Mij的隶属度函数表示如下式,i∈{1,2,3,4},j∈{1,2};
M11(θ1(k))=M21(θ1(k))=ξ11(θ1(k)),M31(θ1(k))=M41(θ1(k))=ξ12(θ1(k))
M12(θ2(k))=M32(θ2(k))=ξ21(θ2(k)),M22(θ2(k))=M42(θ2(k))=ξ22(θ2(k))
式中,θ1(t)是前件变量x1(t),θ2(t)是前件变量x3(t);
去模糊化T-S模糊模型表示为:
其中:θ(k)是前件变量,hi是模糊基底函数,Ai、Bi、Ci是模糊规则1,2,3,4下的模糊系统的系统矩阵;
h1(θ(k))=ξ11(θ1(k))·ξ12(θ1(k)),h2(θ(k))=ξ11(θ1(k))·ξ22(θ1(k))
h3(θ(k))=ξ21(θ1(k))·ξ12(θ1(k)),h4(θ(k))=ξ21(θ1(k))·ξ22(θ1(k))
其中,h1是模糊规则1下的模糊基底函数,h2是模糊规则2下的模糊基底函数,h3是模糊规则3下的模糊基底函数,h4是模糊规则4下的模糊基底函数;
上述模型可以表达为下式的紧凑形式:
其中:A(k)、B(k)、C(k)是模糊规则下系统矩阵的紧凑形式,具体表达形式如下:
2.根据权利要求1所述的一种设计基于事件触发的磁悬浮系统模糊控制器的方法,其特征在于,在步骤2)获得基于事件触发的闭环模糊系统过程中:
2.1)利用事件触发策略来决定系统的状态x(k)是否该传送;
事件触发决策算法:
[x(k)-x(kt)]TΩ[x(k)-x(kt)]≤σxT(kt)Ωx(kt) (12)
其中:Ω是需要求的对称正定矩阵,σ是给定的参数σ∈[0,1),该不等式即表示,对于系统状态x(k)满足式子(12)不会被传送;最新的采样状态是否会被传输取决于在触发kt时刻的最新的传输数据x(kt)与当前采样k时刻的数据x(k)是否满足上述式子;
2.2)模糊规则i,模糊规则i统一代表模糊规则1,2,3,4;
如果θ1(k)是Mi1,θ2(k)是Mi2,那么
u(k)=Kix(k),i∈1,2,3,4 (13)
其中,Ki是要求得的模糊控制器的增益矩阵,因此,又可以表示为
则
u(k)=K(k)x(k) (15)
其中,
h(k)=k=kt,k∈[kt+τk,kt+1+τk+1]
其中:n∈N,n≥1;
定义如下式子:
其中,n=1,2,3,...,d-1;因此,可以得到以下的式子:
定义h(k)如下:
因此,可得:
令h=h2-h1;
对于情况2,定义:
通过上述两种情况的分析,结合ei(k)的定义以及事件触发策略算法式(12),对于
ei(k)TΩei(k)≤σxT(k-h(k))Ωx(k-h(k)) (18)
利用ei(k)和h(k),对应的模糊控制器为
u=Kx(k)=Ke(k)+Kx(k-h(k)) (19)
将式子(19)代入到式子(11),可得到对应的磁悬浮闭环系统表示为:
3.根据权利要求1所述的一种设计基于事件触发的磁悬浮系统模糊控制器的方法,其特征在于,在步骤3)中包括如下子步骤:
3.1)稳定性分析
在进行稳定性分析之间,定义如下的参数矩阵:
3.1.1)对于给定的标量σ,h1,h2,并且已知系统的控制增益K;则该闭环系统(20)是渐进稳定的的条件是:存在矩阵Q1i>0,Q2i>0,Q3i>0,S1>0,S2>0,Ω>0,M,Z1对于正数k满足:
Υ(k)+Υ1(k)<0 (21)
其中:
WA=[A(k) 0 B(k)K 0 B(k)K -In]
W1=[I 0 0 0 0 0]W2=[0 I 0 0 0 0]
W3=[0 0 I 0 0 0]W4=[0 0 0 I 0 0]
W5=[0 0 0 0 I 0]W6=[0 0 0 0 0 I]
其中,In是n×n的单位矩阵,*是对称矩阵的对称项;
将此转换为有限的线性矩阵不等式,利用标准的工具箱进行求解;
3.2.2)对于给定的标量σ,h1,h2,并且已知系统(20)的控制增益Ki;则该闭环系统是渐进稳定的条件是:存在矩阵Q1i>0,Q2i>0,Q3i>0,S1>0,S2>0,Ω>0,Mi(k),Z1对于正数k满足下式,其中i,j,k,s=1,2,3,4:
Υiis(k)+Υ1iis(k)<0 (23)
Υijs(k)+Υ1ijs(k)+Υjis(k)+Υ1jis(k)<0,1≤i<j (24)
其中:
WAjs=[Aj 0 BjKs 0 BjKs -In];
3.2)对步骤3.1)的结果,来设计模糊系统(20)的基于事件触发的模糊控制器,使得磁悬浮模糊系统是渐进稳定的;
对于给定的标量σ,h1,h2,λ1,λ2,...,λ6;该闭环系统的基于事件触发的模糊控制器存在,且满足磁悬浮系统是渐进稳定的条件是:存在矩阵 φi,X对于正数k满足下式,其中i,j,k,s=1,2,3,4:
Πiis(k)+Π1iis(k)<0 (26)
Πijs(k)+Π1ijs(k)+Πjis(k)+Π1jis(k)<0,1≤i<j (27)
其中:
并且该模糊系统的反馈增益矩阵可由下式计算得到:
Ki=φiX-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810533945.8A CN108717264B (zh) | 2018-05-29 | 2018-05-29 | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810533945.8A CN108717264B (zh) | 2018-05-29 | 2018-05-29 | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108717264A CN108717264A (zh) | 2018-10-30 |
CN108717264B true CN108717264B (zh) | 2021-02-09 |
Family
ID=63911686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810533945.8A Active CN108717264B (zh) | 2018-05-29 | 2018-05-29 | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108717264B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244558B (zh) * | 2019-05-09 | 2022-02-08 | 重庆大学 | 基于ems悬浮系统的模糊控制器设计方法 |
CN111856944B (zh) * | 2020-08-05 | 2022-01-28 | 重庆大学 | 一种基于事件触发的高超声速飞行器模糊控制方法 |
CN113063416B (zh) * | 2021-02-05 | 2023-08-08 | 重庆大学 | 一种基于自适应参数互补滤波的机器人姿态融合方法 |
CN113342079B (zh) * | 2021-06-11 | 2022-07-12 | 滁州学院 | 飞轮储能用磁悬浮轴承时滞系统变转速切换扰动抑制方法 |
CN114611296B (zh) * | 2022-03-11 | 2024-04-12 | 成都工元科技有限公司 | 一种磁悬浮转子系统建模仿真方法、设备及介质 |
CN114859725B (zh) * | 2022-05-09 | 2024-04-05 | 广东工业大学 | 一种非线性系统自适应事件触发控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727559A (zh) * | 2009-11-30 | 2010-06-09 | 陕西师范大学 | 基于主动模糊规则的主动访问控制方法 |
CN106652695A (zh) * | 2017-01-09 | 2017-05-10 | 合肥工业大学智能制造技术研究院 | 一种磁悬浮系统自悬浮装置及其控制方法 |
CN107861385A (zh) * | 2017-11-06 | 2018-03-30 | 中国人民解放军国防科技大学 | 一种磁悬浮系统的离散时间最优控制方法和装置 |
CN107918284A (zh) * | 2018-01-10 | 2018-04-17 | 重庆大学 | 非线性倒立摆系统基于事件触发策略的模糊控制方法 |
CN107966908A (zh) * | 2018-01-17 | 2018-04-27 | 重庆大学 | 基于事件触发机制的非线性卡车拖车系统的模糊控制方法 |
US10083231B1 (en) * | 2017-11-30 | 2018-09-25 | International Business Machines Corporation | Fuzzy term partition identification |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8429707B2 (en) * | 2010-08-04 | 2013-04-23 | Verizon Patent And Licensing Inc. | Method and apparatus for interacting with a set-top box based on sensor events from a user device |
-
2018
- 2018-05-29 CN CN201810533945.8A patent/CN108717264B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727559A (zh) * | 2009-11-30 | 2010-06-09 | 陕西师范大学 | 基于主动模糊规则的主动访问控制方法 |
CN106652695A (zh) * | 2017-01-09 | 2017-05-10 | 合肥工业大学智能制造技术研究院 | 一种磁悬浮系统自悬浮装置及其控制方法 |
CN107861385A (zh) * | 2017-11-06 | 2018-03-30 | 中国人民解放军国防科技大学 | 一种磁悬浮系统的离散时间最优控制方法和装置 |
US10083231B1 (en) * | 2017-11-30 | 2018-09-25 | International Business Machines Corporation | Fuzzy term partition identification |
CN107918284A (zh) * | 2018-01-10 | 2018-04-17 | 重庆大学 | 非线性倒立摆系统基于事件触发策略的模糊控制方法 |
CN107966908A (zh) * | 2018-01-17 | 2018-04-27 | 重庆大学 | 基于事件触发机制的非线性卡车拖车系统的模糊控制方法 |
Non-Patent Citations (5)
Title |
---|
Event-triggered Dissipative Filtering of Fuzzy Nonlinear Dynamic Systems;Yao Wen,等;《Eighth International Conference on Intelligent Control and Information Processing》;20171105;第249-254页 * |
Nonsingular Fast Terminal Sliding Mode Controller Design Based on Double Power Reaching Law for Near Space Vehicles;Cui Wang,Qiang Zhang;《IEEE》;20171231;第7761-7765页 * |
Re duce d-order model approximation of fuzzy switched systems with pre-specified performance;Xiaojie Su,等;《Information Sciences》;20161231;第538–550页 * |
基于T-S模型的直线电梯单磁悬浮导向系统的模糊鲁棒控制;王鹤;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20130715(第7期);第9-31页 * |
模糊控制在混合磁悬浮系统中的应用;刘淑琴,等;《控制工程》;20040731;第11卷;第61-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108717264A (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717264B (zh) | 一种设计基于事件触发的磁悬浮系统模糊控制器的方法 | |
Guo et al. | Adaptive fault-tolerant control of platoons with guaranteed traffic flow stability | |
Khooban et al. | Model‐predictive control based on Takagi‐Sugeno fuzzy model for electrical vehicles delayed model | |
Su et al. | Event-triggered fuzzy control for nonlinear systems via sliding mode approach | |
US20230078812A1 (en) | Iterative learning control method for multi-particle vehicle platoon driving system | |
Wang et al. | Robust output-feedback based vehicle lateral motion control considering network-induced delay and tire force saturation | |
Dai et al. | Disturbance-observer based prescribed-performance fuzzy sliding mode control for PMSM in electric vehicles | |
Wu et al. | A Two‐Wheeled Self‐Balancing Robot with the Fuzzy PD Control Method | |
CN113359445B (zh) | 一种多智能体磁滞系统分布式输出反馈渐近一致控制方法 | |
CN107966908A (zh) | 基于事件触发机制的非线性卡车拖车系统的模糊控制方法 | |
Xu et al. | Adaptive model predictive control for cruise control of high‐speed trains with time‐varying parameters | |
He et al. | Gaussian learning‐based fuzzy predictive cruise control for improving safety and economy of connected vehicles | |
Mani et al. | Fuzzy-logic-based event-triggered H∞ control for networked systems and its application to wind turbine systems | |
CN110340894A (zh) | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 | |
Yan et al. | Dual-mode distributed model predictive control for platooning of connected vehicles with nonlinear dynamics | |
CN114275012B (zh) | 一种列车控制级位的自适应调控方法 | |
Zhang et al. | Fractional order sliding mode control based on single parameter adaptive law for nano‐positioning of piezoelectric actuators | |
Li et al. | Prescribed-time adaptive intelligent formation controller for nonlinear multi-agent systems based on time-domain mapping | |
Carrapiço et al. | A stable model predictive control for integrating processes | |
Diao et al. | Finite-time adaptive fuzzy control for nonlinear systems with unknown backlash-like hysteresis | |
Xia et al. | Fixed-time observer-based back-stepping controller design for tower cranes with mismatched disturbance | |
Lu et al. | Nonlinear longitudinal controller implementation and comparison for automated cars | |
Gao et al. | Composite adaptive fuzzy output feedback dynamic surface control design for uncertain nonlinear stochastic systems with input quantization | |
Chu et al. | Robust event triggered control for lateral dynamics of intelligent vehicle with designable inter-event times | |
Chen et al. | Novel fuzzy event-triggered adaptive control for nonlinear systems with input hysteresis |
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 |