CN109116727B - 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 - Google Patents
一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 Download PDFInfo
- Publication number
- CN109116727B CN109116727B CN201811031880.3A CN201811031880A CN109116727B CN 109116727 B CN109116727 B CN 109116727B CN 201811031880 A CN201811031880 A CN 201811031880A CN 109116727 B CN109116727 B CN 109116727B
- Authority
- CN
- China
- Prior art keywords
- speed
- pass filter
- marine vehicle
- low
- vehicle
- 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
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system 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
本发明属于海洋运载器运动控制领域,具体涉及一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法;包括向海洋运载器下达期望航速指令即y*(k);通过传感器测得海洋运载器当前的实际航速y(k),并计算航速误差e(k);若|e(k)|小于预先设定的误差阈值e0,则认为海洋运载器航速收敛到期望航速,否则将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变;通过海洋运载器上搭载的传感器测得此刻海洋运载器的实际航速,本发明通过引入低通滤波器降低了微分项的引入对系统性能的不利影响,从而使得海洋运载器航速能够快速稳定收敛到期望航速。
Description
技术领域
本发明属于海洋运载器运动控制领域,具体涉及一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法。
背景技术
准确的控制海洋运载器航速,才能使海洋运载器安全有效的从而执行各种任务,如海图绘制,水文测量等。目前工程应用中,海洋运载器的航速控制,基本上采用的是PID控制算法,以及常规的基于“模型导向”设计策略开发的控制算法。PID是一种基于离线数据的数据驱动控制算法,无人艇容易受到模型摄动,环境干扰力等影响,导致PID控制器难以维持一致的控制效果,需要重新调整参数才能使系统稳定。而基于“模型导向”设计策略开发的控制器,由于获得系统精确的数学模型十分困难,导致控系统的自适应较差,难以保证系统鲁棒性能,从而很难在工程中获得应用。
公开日2016年09月21日,公布号为CN105955206A,发明名称“一种基于数据驱动和参数混合优化的多轴运动控制方法”将多电机驱动系统解耦成一系列单关节电机驱动系统采用MFAC算法实现对各关节电机电压的控制从而实现对由多电机驱动的多轴的运动状态的准确控制。在文献MFAC在PVC反应釜温度的控制中,作者提出将CFDL_MFAC算法应用在VCM(氯乙烯单体)聚合生产过程中恒温阶段的温度控制,并在仿真试验中取得良好的控制效果。
FO_FFDL_MFAC控制器属于增量式比例-积分控制结构,下一时刻控制器输出是在上一时刻控制器输出基础上累加得到,导致当海洋运载器的实际航速趋于期望航速时,航速系统的期望输入并不能迅速减小以避免超调;同时,海洋运载器的航速系统具有大时滞特性,在期望输入作用下,航速系统的实际输出在时间上存在严重的滞后性,导致航速系统的实际输入不断偏离期望输入,进一步加剧了超调及震荡。因此将FO_FFDL_MFAC算法直接用于海洋运载器的航速控制时,必然导致海洋运载器航速系统产生严重的超调和震荡现象,航速系统的收敛速度变慢。
发明内容
本发明的目的在于提供一种使海洋运载器航速能够稳定收敛到期望航速的基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法。
一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法,具体包括如下步骤:
步骤1:向海洋运载器下达期望航速指令即y*(k);
步骤2:通过传感器测得海洋运载器当前的实际航速y(k),并计算航速误差e(k);
步骤3:判断|e(k)|与误差阈值e0的关系,若|e(k)|小于预先设定的误差阈值e0,则认为海洋运载器航速收敛到期望航速,否则执行步骤4;
步骤4:将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变;
步骤5:通过海洋运载器上搭载的传感器测得此刻海洋运载器的实际航速,并计算当前的海洋运载器航速误差绝并执行步骤3。
所述一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法,步骤4具体包括如下步骤:
步骤4.1、在FO_FFDL_MFAC算法的基础上引入微分项kd·(e(k)-2e(k-1)+e(k-2)),kd为微分控制系数,k为控制周期的序号,e(k)、e(k-1)、e(k-2)分别为第k,第k-1、第k-2个控制周期的航向偏差,同时引入一阶低通滤波器;
步骤4.2、PID_FO_FFDL_MFAC算法的具体表达形式为:
uD(k)=KD(1-α)Δy(k)+αuD(k-1)
其中η∈(0,1],ρ2∈(0,1]均为步长因子,μ>0,λ>0为权重系数,ε为充分小的正数,为系统运行第k次伪偏导数的估计向量,为系运行第k次伪偏导数的估计值ΔH1,1(k)=[Δy(k),Δu(k)]当||ΔH1,1(k-1)||≤ε或或uD(k)为引入的经过一阶低通滤波器作用之后的微分项,KD=kp·TD/Ts,Ts为系统采样时间,TD为微分时间常数,kp为比例系数,α=Tf/(Ts+Tf),Tf为滤波系数;
步骤4.3、将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变。
本发明的有益效果在于:
本发明在FO_FFDL_MFAC算法中引入微分项,通过引入微分项,使得FO_FFDL_MFAC算法转化为比例-积分-微分(PID)控制结构。微分项的引入使得FO_FFDL_MFAC算法对海洋运载器航速的动态演变具有预测作用,从而显著降低航速控制系统的超调量及稳态调节耗时;微分项的存在加剧了高频干扰信号对系统性能的不利影响,本发明通过引入低通滤波器降低了微分项的引入对系统性能的不利影响,从而使得海洋运载器航速能够快速稳定收敛到期望航速。
附图说明
图1为本发明海洋运载器航速控制系统的框图;
图2为本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步描述:
图1表述了本发明的海洋运载器航速系统模型,向海洋运载器下达期望航速指令即y*(k),利用罗经测得船舶当前的实际航速y(k),计算航速误差e(k),作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由控制器解算出期望指令u(k)即期望电压或期望转速或期望推力,本发明以期望电压为例,海洋运载器推进机构接收并执行期望电压指令,从而改变海洋运载器航速,通过海洋运载器上搭载的磁罗经测得下一时刻海洋运载器航速,并与期望航速做差并取绝对值,并作为PID_FO_FFDL_MFAC控制器下一时刻的输入。同时考虑到环境干扰对海洋运载器航速的影响,重复上述过程直到海洋运载器实际航速稳定收敛到期望航速。
图2表述了本发明的系统流程图。具体实现步骤如下:
步骤1:向海洋运载器下达期望航速指令即y*(k);
步骤2:通过传感器测得海洋运载器当前的实际航速y(k),并计算航速误差e(k);
步骤3:判断|e(k)|与误差阈值e0的关系,若|e(k)|小于预先设定的误差阈值e0,则认为海洋运载器航速收敛到期望航速,否则执行步骤4;
步骤4:将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变;
步骤5:通过海洋运载器上搭载的传感器测得此刻海洋运载器的实际航速,并计算当前的海洋运载器航速误差绝并执行步骤3。
所述一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法,步骤4具体包括如下步骤:
步骤4.1、在FO_FFDL_MFAC算法的基础上引入微分项kd·(e(k)-2e(k-1)+e(k-2)),kd为微分控制系数,k为控制周期的序号,e(k)、e(k-1)、e(k-2)分别为第k,第k-1、第k-2个控制周期的航向偏差,同时引入一阶低通滤波器;
步骤4.2、PID_FO_FFDL_MFAC算法的具体表达形式为:
uD(k)=KD(1-α)Δy(k)+αuD(k-1)
其中η∈(0,1],ρ2∈(0,1]均为步长因子,μ>0,λ>0为权重系数,ε为充分小的正数,为系统运行第k次伪偏导数的估计向量,为系运行第k次伪偏导数的估计值ΔH1,1(k)=[Δy(k),Δu(k)]当||ΔH1,1(k-1)||≤ε或或uD(k)为引入的经过一阶低通滤波器作用之后的微分项,KD=kp·TD/Ts,Ts为系统采样时间,TD为微分时间常数,kp为比例系数,α=Tf/(Ts+Tf),Tf为滤波系数;
步骤4.3、将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变。
Claims (1)
1.一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法,其特征在于,具体包括如下步骤:
步骤1:向海洋运载器下达期望航速指令即y*(k);
步骤2:通过传感器测得海洋运载器当前的实际航速y(k),并计算航速误差e(k);
步骤3:判断|e(k)|与误差阈值e0的关系,若|e(k)|小于预先设定的误差阈值e0,则认为海洋运载器航速收敛到期望航速,否则执行步骤4;
步骤4:将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进模式执行期望指令,海洋运载器航速发生改变;
步骤5:通过海洋运载器上搭载的传感器测得此刻海洋运载器的实际航速,并计算当前的海洋运载器航速误差并执行步骤3;
所述步骤4具体包括如下步骤:
步骤4.1、在FO_FFDL_MFAC算法的基础上引入微分项kd·(e(k)-2e(k-1)+e(k-2)),kd为微分控制系数,k为控制周期的序号,e(k)、e(k-1)、e(k-2)分别为第k,第k-1、第k-2个控制周期的航向偏差,同时引入一阶低通滤波器;
步骤4.2、PID_FO_FFDL_MFAC算法的具体表达形式为:
uD(k)=KD(1-α)Δy(k)+αuD(k-1)
其中η∈(0,1],ρ2∈(0,1]均为步长因子,μ>0,λ>0为权重系数,ε为充分小的正数,为系统运行第k次伪偏导数的估计向量, 为系运行第k次伪偏导数的估计值ΔH1,1(k)=[Δy(k),Δu(k)]当||ΔH1,1(k-1)||≤ε或或令uD(k)为引入的经过一阶低通滤波器作用之后的微分项,KD=kp·TD/Ts,Ts为系统采样时间,TD为微分时间常数,kp为比例系数,α=Tf/(Ts+Tf),Tf为滤波系数;
步骤4.3、将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进模式执行期望指令,海洋运载器航速发生改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031880.3A CN109116727B (zh) | 2018-09-05 | 2018-09-05 | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031880.3A CN109116727B (zh) | 2018-09-05 | 2018-09-05 | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109116727A CN109116727A (zh) | 2019-01-01 |
CN109116727B true CN109116727B (zh) | 2021-05-11 |
Family
ID=64858237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811031880.3A Active CN109116727B (zh) | 2018-09-05 | 2018-09-05 | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109116727B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110161858B (zh) * | 2019-05-28 | 2022-05-20 | 哈尔滨工程大学 | 一种自然能驱动无人艇用面向螺旋桨减震的航速控制方法 |
CN113093532B (zh) * | 2021-03-05 | 2022-04-15 | 哈尔滨工程大学 | 一种非自衡系统的全格式无模型自适应控制方法 |
CN113848724B (zh) * | 2021-10-13 | 2024-07-05 | 哈尔滨工程大学 | 基于pd-adrc的燃-燃联合动力装置串级控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1316070A (zh) * | 1998-08-28 | 2001-10-03 | 美国通控集团公司 | 工业过程的无模型自适应控制 |
CN106527125A (zh) * | 2015-09-14 | 2017-03-22 | 南京理工大学 | 智能控制中的无模型控制方法 |
CN106979641A (zh) * | 2017-04-20 | 2017-07-25 | 天津大学 | 基于改进mfac的制冷系统数据驱动节能控制系统及方法 |
CN107561929A (zh) * | 2017-07-25 | 2018-01-09 | 北京理工大学 | 一种伺服系统的无模型鲁棒自适应优化方法 |
CN108052006A (zh) * | 2017-12-12 | 2018-05-18 | 浙江大学 | Mimo基于siso全格式无模型控制器与偏导信息的解耦控制方法 |
CN108089433A (zh) * | 2017-12-07 | 2018-05-29 | 陕西科技大学 | 一种用于直流电机的独立数字分数阶pid控制器及控制方法 |
CN108170154A (zh) * | 2017-12-19 | 2018-06-15 | 广东省航空航天装备技术研究所 | 一种无人机多传感器正向摄影倾斜飞控调试方法 |
CN108227483A (zh) * | 2018-01-05 | 2018-06-29 | 哈尔滨工程大学 | 海洋运载器用pd型紧格式无模型自适应航速控制方法 |
CN108319140A (zh) * | 2018-02-02 | 2018-07-24 | 哈尔滨工程大学 | 一种重定义输出式无模型自适应航向控制方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8910478B2 (en) * | 2012-01-13 | 2014-12-16 | General Cybernation Group, Inc. | Model-free adaptive control of supercritical circulating fluidized-bed boilers |
WO2014165643A2 (en) * | 2013-04-04 | 2014-10-09 | Global Filtration Systems, A Dba Of Gulf Filtration Systems Inc. | Apparatus and method for forming three-dimensional objects using linear solidification with travel axis correction and power control |
US20140309793A1 (en) * | 2013-04-15 | 2014-10-16 | General Cybernation Group, Inc. | Method and apparatus of self-organizing actuation and control |
-
2018
- 2018-09-05 CN CN201811031880.3A patent/CN109116727B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1316070A (zh) * | 1998-08-28 | 2001-10-03 | 美国通控集团公司 | 工业过程的无模型自适应控制 |
CN106527125A (zh) * | 2015-09-14 | 2017-03-22 | 南京理工大学 | 智能控制中的无模型控制方法 |
CN106979641A (zh) * | 2017-04-20 | 2017-07-25 | 天津大学 | 基于改进mfac的制冷系统数据驱动节能控制系统及方法 |
CN107561929A (zh) * | 2017-07-25 | 2018-01-09 | 北京理工大学 | 一种伺服系统的无模型鲁棒自适应优化方法 |
CN108089433A (zh) * | 2017-12-07 | 2018-05-29 | 陕西科技大学 | 一种用于直流电机的独立数字分数阶pid控制器及控制方法 |
CN108052006A (zh) * | 2017-12-12 | 2018-05-18 | 浙江大学 | Mimo基于siso全格式无模型控制器与偏导信息的解耦控制方法 |
CN108170154A (zh) * | 2017-12-19 | 2018-06-15 | 广东省航空航天装备技术研究所 | 一种无人机多传感器正向摄影倾斜飞控调试方法 |
CN108227483A (zh) * | 2018-01-05 | 2018-06-29 | 哈尔滨工程大学 | 海洋运载器用pd型紧格式无模型自适应航速控制方法 |
CN108319140A (zh) * | 2018-02-02 | 2018-07-24 | 哈尔滨工程大学 | 一种重定义输出式无模型自适应航向控制方法及系统 |
Non-Patent Citations (4)
Title |
---|
Speed Regulator of Diesel-Generator Based on Model Free Adaptive Control;Chen Ailing;《2010 Second WRI Global Congress on Intelligent Systems》;20101217;193-196页 * |
一种基于最速下降法的无模型自适应控制;吉蕊;《电光与控制》;20180531;第25卷(第5期);26-30页 * |
无人艇运动控制方法的回顾与展望;廖煜雷,等;《中国造船》;20141231;第55卷(第4期);206-216页 * |
随机风浪下船舶航速自适应控制;王珍;《舰船科学技术》;20180430;第40卷(第4A期);25-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109116727A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Adaptive NN backstepping control design for a 3-DOF helicopter: Theory and experiments | |
CN106292287B (zh) | 一种基于自适应滑模控制的uuv路径跟踪方法 | |
CN108227483A (zh) | 海洋运载器用pd型紧格式无模型自适应航速控制方法 | |
CN108563113B (zh) | 舰船用多回路无模型自适应艏向控制方法 | |
CN109116727B (zh) | 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法 | |
CN102411305A (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法 | |
CN109669345B (zh) | 基于eso的水下机器人模糊pid运动控制方法 | |
CN108255060B (zh) | 基于极限学习机的船舶动力定位自抗扰控制方法 | |
CN109189075B (zh) | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 | |
CN108319140A (zh) | 一种重定义输出式无模型自适应航向控制方法及系统 | |
CN109656142B (zh) | 一种无人艇的串级结构无模型自适应制导方法 | |
CN109144066B (zh) | 一种舰船用积分分离式pi型紧格式无模型自适应航向控制算法 | |
CN101881970B (zh) | 船舶双舵同步控制方法 | |
Al Makdah et al. | Three-dimensional trajectory tracking of a hybrid autonomous underwater vehicle in the presence of underwater current | |
CN109765907B (zh) | 一种舰船用pid无模型自适应航向控制算法 | |
CN109683472A (zh) | 一种基于模型预测控制的船舶电力推进系统推力分配方法 | |
CN106444359A (zh) | 一种喷水推进无人艇自主区域保持的仿人智能控制方法 | |
CN108829102B (zh) | 自适应艏向信息融合的波浪滑翔器航向控制方法 | |
Kragelund et al. | Adaptive speed control for autonomous surface vessels | |
CN117311142A (zh) | 一种融合粒子群算法与神经网络预测控制的dp船舶运动控制与推力分配协同控制方法 | |
Torabi et al. | Intelligent pitch controller identification and design | |
CN114137826B (zh) | 一种基于灰狼算法的船舶动力定位自抗扰控制方法 | |
CN114115276A (zh) | 一种基于在线分组优化模型预测的船舶动力定位控制方法 | |
CN109828462A (zh) | 波浪滑翔器变航速下自适应艏向控制器及控制方法 | |
Gong et al. | Three-dimensional optimal trajectory tracking control of underactuated AUVs with uncertain dynamics and input saturation |
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 |