CN109459926B - 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统 - Google Patents

针对于高阶柔性机电运动对象的位移跟踪控制方法及系统 Download PDF

Info

Publication number
CN109459926B
CN109459926B CN201811641136.5A CN201811641136A CN109459926B CN 109459926 B CN109459926 B CN 109459926B CN 201811641136 A CN201811641136 A CN 201811641136A CN 109459926 B CN109459926 B CN 109459926B
Authority
CN
China
Prior art keywords
signal
order
displacement
observation
differential
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
Application number
CN201811641136.5A
Other languages
English (en)
Other versions
CN109459926A (zh
Inventor
高健
刘亚超
张揽宇
钟永彬
王晓亮
张金迪
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.)
Guangdong University of Technology
Original Assignee
Guangdong University 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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201811641136.5A priority Critical patent/CN109459926B/zh
Publication of CN109459926A publication Critical patent/CN109459926A/zh
Application granted granted Critical
Publication of CN109459926B publication Critical patent/CN109459926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00Automatic controllers
    • G05B11/01Automatic controllers electric
    • G05B11/36Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本申请公开了一种针对于高阶柔性机电运动对象的位移跟踪控制方法,包括接收输入的目标位移信号和传感器发送的高阶柔性机电运动对象的实际输出位移信号;获取目标位移信号的各阶微分信号以及实际输出位移信号的各阶输出观测信号;根据各阶微分信号以及各阶输出观测信号计算初始控制量;根据初始控制量以及总扰动观测信号计算总控制量;各阶输出观测信号以及总扰动观测信号均根据总控制量和实际输出位移信号而计算生成;将总控制量输出至高阶柔性机电运动对象以便调节实际输出位移信号。本申请能有效提高控制精度,改善对目标位移的跟踪效果并提高适用性。本申请还公开了一种针对于高阶柔性机电运动对象的位移跟踪控制系统,也具有上述有益效果。

Description

针对于高阶柔性机电运动对象的位移跟踪控制方法及系统
技术领域
本申请涉及自动控制技术领域,特别涉及一种针对于高阶柔性机电运动对象的位移跟踪控制方法及系统。
背景技术
在自动控制技术领域中,高阶柔性机电运动对象的位移跟踪控制一直是一个难题,特别是在外界扰动存在的情况下,其实际输出的位移总是很难跟踪实现预期目标。实际上,系统输入信号的微分信息对于控制性能的提升具有重要价值。传统的微分器存在有严重的噪声放大问题,以致无法从被噪声污染的输入信号中提取有用的微分信号;而自抗扰控制技术中所采用的跟踪微分器(TD)虽然可得到高品质的微分信号,但其仅限于系统输入信号的一阶微分信号,只适用于二阶及二阶以下的被控系统,无法通过获取更高阶的微分信息而提高对高阶柔性机电运动对象的控制效果。鉴于此,提供一种解决上述问题的技术已经成为本领域技术人员所亟需关注的。
发明内容
有鉴于此,本申请的目的在于提供一种针对于高阶柔性机电运动对象的位移跟踪控制方法及系统,以便有效提高对高阶柔性机电运动对象的位移控制效果,提高适用性。其具体方案如下:
第一方面,本申请公开了一种针对于高阶柔性机电运动对象的位移跟踪控制方法,包括:
接收输入的目标位移信号和传感器发送的所述高阶柔性机电运动对象的实际输出位移信号;
获取所述目标位移信号的各阶微分信号以及所述实际输出位移信号的各阶输出观测信号;
根据各阶所述微分信号以及各阶所述输出观测信号计算初始控制量;
根据所述初始控制量以及总扰动观测信号计算总控制量;各阶所述输出观测信号以及所述总扰动观测信号均根据所述总控制量和所述实际输出位移信号而计算生成;
将所述总控制量输出至所述高阶柔性机电运动对象,以便将所述实际输出位移信号调节为所述目标位移信号的误差小于预设误差阈值。
可选地,所述根据各阶所述微分信号以及各阶所述输出观测信号计算初始控制量包括:
根据
Figure GDA0003334094300000021
计算所述初始控制量u0
其中,ki+1为控制参数;i=0,1,…,n-1;ri为目标位移信号r的第i阶微分信号;zi+1为实际输出位移信号y的第i阶输出观测信号;
所述根据所述初始控制量以及总扰动观测信号计算总控制量包括:
根据
Figure GDA0003334094300000022
或者
Figure GDA0003334094300000023
计算所述总控制量u;
其中,u0为初始控制量;zn+1为总扰动观测信号;b0为系统增益系数。
可选地,各阶所述输出观测信号以及所述总扰动观测信号具体根据下式计算生成:
Figure GDA0003334094300000024
其中,zi+1为实际输出位移信号y的第i阶输出观测信号;i=0,1,…,n-1;zn+1为总扰动观测信号;lj为输出观测系数;j=1,…,n,n+1;b0为系统增益系数;u为总控制量。
可选地,各阶所述输出观测信号以及所述总扰动观测信号具体通过p个串联的q阶状态观测器而计算生成;其中,
Figure GDA0003334094300000031
可选地,
Figure GDA0003334094300000032
可选地,各阶所述输出观测信号以及所述总扰动观测信号具体根据下式计算生成:
Figure GDA0003334094300000033
Figure GDA0003334094300000034
其中,t=1,2,…,p-1;k∈N+,1≤k≤q,z0k=y,y为实际输出位移信号;b0为系统增益系数;u为总控制量;lvs为输出观测系数,v=l,2,…,p;s=1,…,q。
可选地,所述获取所述目标位移信号的各阶微分信号包括:
对微分控制量连续进行n次积分以获取所述目标位移信号的跟踪信号;所述微分控制量为根据所述目标位移信号以及所述目标位移信号的各阶所述微分信号而计算生成;
根据所述微分控制量和所述跟踪信号进行n阶状态观测,以获取所述跟踪信号的各阶输入观测信号,作为所述目标位移信号的各阶所述微分信号。
可选地,所述微分控制量具体根据下式计算生成:
ur=β0(r-r0)-β1r1-…-βn-1rn-1;其中,ur为微分控制量;r为目标位移信号;ri为目标位移信号r的第i阶微分信号;i=0,1,…,n-1;βi为微分控制参数。
可选地,所述根据所述微分控制量和所述跟踪信号进行n阶状态观测,以获取所述跟踪信号的各阶输入观测信号,作为所述目标位移信号的各阶所述微分信号包括:
根据
Figure GDA0003334094300000041
计算所述跟踪信号ry的各阶所述输入观测信号zr(i+1);其中,βr(i+1)为输入观测参数;i=0,1,…,n-1;
根据ri=zr(i+1)获取所述目标位移信号r的各阶所述微分信号ri
第二方面,本申请还公开了一种针对于高阶柔性机电运动对象的位移跟踪控制系统,包括控制设备、传感器和所述高阶柔性机电运动对象;
所述传感器用于检测所述高阶柔性机电运动对象的实际输出位移信号,并发送至所述控制设备;所述控制设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如上所述的任一种针对于高阶柔性机电运动对象的位移跟踪控制方法的步骤。
本申请通过接收输入的目标位移信号和传感器发送的所述高阶柔性机电运动对象的实际输出位移信号;获取所述目标位移信号的各阶微分信号以及所述实际输出位移信号的各阶输出观测信号;根据各阶所述微分信号以及各阶所述输出观测信号计算初始控制量;根据所述初始控制量以及总扰动观测信号计算总控制量;各阶所述输出观测信号以及所述总扰动观测信号均根据所述总控制量和所述实际输出位移信号而计算生成;将所述总控制量输出至所述高阶柔性机电运动对象,以便将所述实际输出位移信号调节为所述目标位移信号的误差小于预设误差阈值。
本申请在对高阶柔性机电运动对象进行位移跟踪控制时,利用目标位移信号的各阶微分信号对实际输出位移信号进行调节,并结合实际输出位移信号的各阶输出观测信号进行了补偿控制,能够有效地针对性克服高阶柔性机电运动对象的高阶非线性影响,提高控制精度,进而改善对目标位移的跟踪效果并提高了适用性。本申请所提供的针对于高阶柔性机电运动对象的位移跟踪控制系统,也同样具有上述有益效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的针对于高阶柔性机电运动对象的位移跟踪控制方法的流程图;
图2为本申请公开的针对于高阶柔性机电运动对象的位移跟踪控制方法的控制原理图;
图3为本申请公开的一种对实际输出位移信号进行状态观测的示意图;
图4为本申请公开的获取微分信号的方法的原理图;
图5为本申请公开的获取微分信号的方法在一具体实施方式中的示意图;
图6为与图5对应的单位阶跃信号的跟踪效果图;
图7为与图5对应的单位阶跃信号的一阶微分效果图;
图8为与图5对应的单位阶跃信号的二阶微分效果图;
图9为与图5对应的单位阶跃信号的滤波效果图;
图10为与图5对应的单位正弦信号的跟踪效果图;
图11为与图5对应的单位正弦信号的一阶微分效果图;
图12为与图5对应的单位正弦信号的二阶微分效果图;
图13为本申请公开的获取微分信号的方法在另一具体实施方式中的示意图;
图14为与图13对应的单位阶跃信号的微分效果图;
图15为本申请公开的针对于高阶柔性机电运动对象的位移跟踪控制方法在一具体实施方式中的单位阶跃响应效果图;
图16为本申请公开的针对于高阶柔性机电运动对象的位移跟踪控制系统的一种结构框图。
具体实施方式
本申请的核心在于提供一种针对于高阶柔性机电运动对象的位移跟踪控制方法及系统,以便有效提高对高阶柔性机电运动对象的位移控制效果,提高适用性。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例公开了一种针对于高阶柔性机电运动对象的位移跟踪控制方法,参照图1,该方法包括:
S11:接收输入的目标位移信号和传感器发送的高阶柔性机电运动对象的实际输出位移信号。
S12:获取目标位移信号的各阶微分信号以及实际输出位移信号的各阶输出观测信号。
S13:根据各阶微分信号以及各阶输出观测信号计算初始控制量。
S14:根据初始控制量以及总扰动观测信号计算总控制量;各阶输出观测信号以及总扰动观测信号均根据总控制量和实际输出位移信号而计算生成。
S15:将总控制量输出至高阶柔性机电运动对象以便调节实际输出位移信号,直至实际输出位移信号与目标位移信号的误差小于预设误差阈值。
如前所述,柔性机电运动对象,例如具有一定质量(包括自身质量、运载货物质量)的无人车等,一般具有较强的非线性,在实际应用中很难取得较为理想的跟踪控制效果,无法令其对输入的期望位移目标即时做出准确反应。本申请所提供的针对于高阶柔性机电运动对象的位移跟踪控制方法,具体结合了目标位移信号的各阶微分信号而进行控制调节,特别适用于高阶非线性的被控对象,能进一步改善对柔性机电运动对象的位移跟踪控制效果。其中,对于所说的高阶,一般是指阶数n大于2的情况。
可对照参考图2,图2为本申请所提供的针对于高阶柔性机电运动对象的位移跟踪控制方法的控制原理图。
对于一个n阶的高阶柔性机电运动对象,若其目标位移信号为r,实际输出位移信号为y,则可获取r的各阶微分信号,不妨用ri表示r的第i阶微分信号,i=0,1,…,n-1。其中,r0为零阶微分信号,也可视为是r的跟踪信号。
通过对实际输出位移信号y进行n阶状态观测,可得到实际输出位移信号y的各阶输出观测信号、以及系统中的总扰动观测信号。不妨用w(t)表示系统中的实际扰动;用zi+1表示实际输出位移信号y的第i阶输出观测信号;用zn+1表示系统中的总扰动观测信号。则,z1即为y的零阶微分信号对应的第零阶输出观测信号,z2是与y的一阶微分信号对应的第一阶输出观测信号,…,zn是与y的(n-1)阶微分信号对应的第(n-1)阶输出观测信号。
根据目标位移信号r的各阶微分信号ri,以及实际输出位移信号为y的各阶输出观测信号zi+1,则可计算得到初始控制量u0。具体地,作为一个优选实施例,初始控制量u0的计算表达式即高阶控制律(high-order control law,HOCL)可为:
Figure GDA0003334094300000071
其中,ki+1为控制参数;i=0,1,…,n-1;ri为目标位移信号r的第i阶微分信号;zi+1为实际输出位移信号y的第i阶输出观测信号。
进一步地,优选地,控制参数ki+1可具体为:
Figure GDA0003334094300000072
其中,wc为控制带宽;i=0,1,…,n-1。
在自抗扰控制中,当得到初始控制量u0和总扰动观测信号zn+1之后,可计算得到总控制量u。作为-种优选实施例,总控制量u的计算方式具体可采用以下两种方式:
Figure GDA0003334094300000073
或者
Figure GDA0003334094300000074
其中,b0为系统增益系数。
本申请所提供的针对于高阶柔性机电运动对象的位移跟踪控制方法,通过接收输入的目标位移信号和传感器发送的高阶柔性机电运动对象的实际输出位移信号;获取目标位移信号的各阶微分信号以及实际输出位移信号的各阶输出观测信号;根据各阶微分信号以及各阶输出观测信号计算初始控制量;根据初始控制量以及总扰动观测信号计算总控制量;各阶输出观测信号以及总扰动观测信号均根据总控制量和实际输出位移信号而计算生成;将总控制量输出至高阶柔性机电运动对象,以便将实际输出位移信号调节为目标位移信号的误差小于预设误差阈值。可见,本申请在对高阶柔性机电运动对象进行位移跟踪控制时,利用目标位移信号的各阶微分信号对实际输出位移信号进行调节,并结合实际输出位移信号的各阶输出观测信号进行了补偿控制,能够有效地针对性克服高阶柔性机电运动对象的高阶非线性,提高控制精度,进而改善对目标位移的跟踪效果并提高了适用性。
作为一种具体实施例,本实施例所提供的针对于高阶柔性机电运动对象的位移跟踪控制方法在上述内容的基础上,各阶输出观测信号zi+1以及总扰动观测信号zn+1可具体根据由下式构建的高阶扩张状态观测器(high-order extended state observer,HOESO)而计算生成:
Figure GDA0003334094300000081
其中,lj为输出观测系数;j=1,…,n,n+1;b0为系统增益系数;u为总控制量。
该种高阶扩张状态观测器是一种线性简化了的扩张状态观测器。其中,优选地,输出观测系数可具体为
Figure GDA0003334094300000082
wo为输出观测带宽。
然而,当高阶柔性机电运动对象的阶次非常高时,例如n≥5,此时利用上述线性简化后的计算方式来计算获取zi+1和zn+1时,会令输出观测带宽具有较大的量级,给目标位移信号r的微分信号引入高频噪声,影响控制精度。
由此,作为另一种优选实施例,各阶输出观测信号zi+1以及总扰动观测信号zn+1具体可通过构建p个串联的q阶状态观测器(series order extended state observer,SOESO)而计算生成;其中,阶次q以及个数p可由下述条件来限制取值:
Figure GDA0003334094300000091
进一步地,作为一个优选实施例,个数p可取值为:
Figure GDA0003334094300000092
优选地,对于前(p-1)个串联的q阶状态观测器,具体的计算表达式可为:
Figure GDA0003334094300000093
其中,t=l,2,…,p-1;此外,k∈N+,1≤k≤q,特别地,z0k=y,即,将实际输出位移信号y作为z0k。同时,对于第p个q阶状态观测器,其具体的计算表达式可为:
Figure GDA0003334094300000094
其中,lvs为输出观测系数,v=1,2,…,p;s=1,…,q;b0为系统增益系数;u为总控制量。其中,优选地,输出观测系数可具体为
Figure GDA0003334094300000095
wo为输出观测带宽。
由此,利用上式可得到共p·q个观测值:zvs,v=1,2,…,p;s=1,…,q。其中,根据各个观测值间的微分关系,可将v=s=1时的观测值z11取为实际输出位移信号y的第1阶输出观测信号z1,即z1=z11;并以此类推;令v=p且s=q时的观测值zpq作为总扰动观测信号zn+1,即令zn+1=zpq
具体地,例如,当n=5时,可取p=q=3。则上式可合并为:
Figure GDA0003334094300000101
此时可具体参照图3所示的示意图。在此基础上,各个输出观测信号zi+1可分别取为:z1=z11;z2=z21;z3=z22;z4=z31;z5=z32;z6=z33;总扰动观测信号zn+1可取为:zn+1=z33
此外,根据
Figure GDA0003334094300000102
各个输出观测参数可分别取为:l11=l21=l31=3wo
Figure GDA0003334094300000103
在上述内容的基础上,作为一种优选实施例,请参考图4,图4为本申请所提供的一种获取微分信号的方法的原理图,主要包括以下步骤:
对微分控制量连续进行n次积分以获取目标位移信号的跟踪信号;微分控制量为根据目标位移信号以及目标位移信号的各阶微分信号计算生成;
根据微分控制量和跟踪信号进行n阶状态观测,以获取跟踪信号的各阶输入观测信号,作为目标位移信号的各阶微分信号。
具体地,本实施例中具体是基于闭环跟踪控制而构建了高阶微分器(n-orderdifferentiator,NOD),以获取目标位移信号r的各阶微分信号ri的。通过对目标位移信号r的跟踪信号ry进行观测而进行补偿控制,可确保跟踪信号ry对目标位移信号r的良好跟踪效果。同时,借助于n阶的纯积分串联结构,观测所得到的结果正是跟踪信号ry的各阶微分信号,也是目标位移信号r的各阶微分信号。
不妨用xr(n+1-i)表示第i次积分后得到的状态信号,即xr1表示第n次积分得到的状态信号即ry;xr2表示第(n-1)次积分得到的状态信号,…,以此类推,xrn表示第1次积分后得到的状态信号,而第1次积分前的被积对象即为微分控制量ur。则各个状态信号xr(n+1-i)可具体表示为:
Figure GDA0003334094300000111
其中,作为一种优选实施例,微分控制量ur的计算表达式即其n阶控制律(n-ordercontrol law,NOCL)具体可采用:
ur=β0(r-r0)-β1r1-…-βn-1rn-1;其中,r为目标位移信号;ri为目标位移信号r的第i阶微分信号;i=0,1,…,n-1;βi为微分控制参数。
在此基础上,优选地,微分控制参数βi可具体取为:
Figure GDA0003334094300000112
其中,wrc为微分控制带宽。
同时,在上述内容中,作为一种优选实施例,可具体采用下式构建n阶状态观测器(n-order state observer,NOSO)对跟踪信号ry进行n阶状态观测,以得到各阶输入观测信号zr(i+1)
Figure GDA0003334094300000113
其中,βr(i+1)为输入观测参数;i=0,1,…,n-1。并进而可根据ri=zr(i+1)获取目标位移信号r的各阶微分信号ri
定义各阶输入观测误差为:
Figure GDA0003334094300000114
则,结合各个状态信号xr(n+1-i)的表达式可得到:
Figure GDA0003334094300000121
由此可知,当系统输出稳定时,即
Figure GDA0003334094300000122
因此有er0=er1=…=ern=0,即此时各项输入观测误差均为零,说明此时得到的跟踪信号ry能够较好地跟踪目标位移信号r,而各阶输入观测信号zr(i+1)可视为目标位移信号r的各阶微分信号ri
在此基础上,优选地,输入观测参数βr(i+1)可具体取为:
Figure GDA0003334094300000123
其中,wro为输入观测带宽。
下面以n=3时为例,对本申请所提供的获取各阶微分信号的方法进行介绍。可对照参考图5所示的示意图。则此时有:
ur=β0(r-r0)-β1r12r2
Figure GDA0003334094300000124
ri=zr(i+1)
其中,根据
Figure GDA0003334094300000125
有:
Figure GDA0003334094300000126
β2=3wrc;根据
Figure GDA0003334094300000127
有:βr1=3wro
Figure GDA0003334094300000128
对于图5,在一个具体实施例中,当目标位移信号为单位阶跃信号时,可令微分控制带宽为wro=10;输入观测带宽为wro=30。此时具体的控制效果请参考图6至图8,图6为与图5对应的单位阶跃信号的跟踪效果图;图7为与图5对应的单位阶跃信号的一阶微分效果图;图8为与图5对应的单位阶跃信号的二阶微分效果图。
由图6至图8可见,其所输出的跟踪信号能够很好地跟踪系统输入的单位阶跃信号,并且得到的一阶微分信号与二阶微分信号的曲线光滑,没有出现峰值脉冲。
此外,本申请所提供的获取各阶微分信号的方法还可以提高微信信号质量,针对于被噪声污染的目标位移信号也可得到高品质的各阶微分信号,即具有一定的滤波功能。由此,对于带有噪声的单位阶跃信号,本申请具体的滤波效果参考图9。
图9中从上至下,第一栏为目标位移信号,即带有噪声的单位阶跃信号的波形图;第二栏为针对于该目标位移信号的跟踪信号;第三栏为针对于该目标位移信号的一阶微分信号;第四栏为针对于该目标位移信号的二阶微分信号。由图9可见本申请中获取微分信号的方法还具有一定的滤波效果。事实上,微分控制带宽wrc越小,滤波效果越好。
对于图5,在另一个具体实施例中,当目标位移信号为单位正弦信号时,类似地,可令微分控制带宽为wrc=10;输入观测带宽为wro=30。具体的控制效果请参考图10至图12,图10为与图5对应的单位正弦信号的跟踪效果图;图11为与图5对应的单位正弦信号的一阶微分效果图;图12为与图5对应的单位正弦信号的二阶微分效果图。
由图10至图12可见,本实施例所输出的跟踪信号能够与系统输入的单位正弦信号基本重合,得到的一阶微分信号和二阶微分信号也与理想的微分信号重合,具有极佳的微分效果。
下面以n=5时为例,对本申请所提供的获取各阶微分信号的方法进行介绍。可对照参考图13的示意图。此时有:
ur=β0(r-r0)-β1r12r23r34r45r5
Figure GDA0003334094300000131
ri=zr(i+1)
其中,根据
Figure GDA0003334094300000132
有:
Figure GDA0003334094300000133
根据
Figure GDA0003334094300000134
有:βr1=5wro
Figure GDA0003334094300000135
进一步,可具体令微分控制带宽为wrc=3;输入观测带宽为wro=10。对应的具体微分效果可参考图14。其中,从上至下,依次为目标位移信号r、以及目标位移信号r的零阶微分信号r0、一阶微分信号r1、二阶微分信号r2、三阶微分信号r3和四阶微分信号r4。由图14可见,各阶微分信号均光滑无尖刺脉冲,微分效果较好。
以5阶非线性高阶柔性机电运动对象为例(n=5),当采用图13所示方法获取目标位移信号的各阶微分信号、并采用图3所示方法对实际输出位移信号进行状态观测时,得到的控制效果参见图15。其中,高阶柔性机电运动对象的微分方程为:
(y(5)+5y(4)+10y(3)+10y(2)+5y(1)+y)+y(4)(y(3)+y(2)+y(1)+y)=u(t)+w(t);
目标位移信号r具体为单位阶跃信号,并且在60s~100s期间施加了20%的外部扰动w(t):
Figure GDA0003334094300000141
此外,其他相关参数可具体设置为:控制带宽为wc=8;输出观测带宽为wo=600;系统增益系数为b0=1。
由图15可知,与PID控制方法相比,本申请得到的单位阶跃响应曲线不仅具有良好的动态响应性能,而且对外部扰动具有较强的抑制能力。
下面对本申请实施例提供的针对于高阶柔性机电运动对象的位移跟踪控制系统进行介绍。
请参考图16,图16为本申请所提供的一种针对于高阶柔性机电运动对象的位移跟踪控制系统,包括控制设备1、传感器2和高阶柔性机电运动对象3;
传感器2用于检测高阶柔性机电运动对象3的实际输出位移信号,并发送至控制设备1;控制设备1包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如上所述的任一种针对于高阶柔性机电运动对象的位移跟踪控制方法的步骤。
可见,本申请在对高阶柔性机电运动对象进行位移跟踪控制时,利用目标位移信号的各阶微分信号对实际输出位移信号进行调节,并结合实际输出位移信号的各阶输出观测信号进行了补偿控制,能够有效地针对性克服高阶柔性机电运动对象的高阶非线性,提高控制精度,进而改善对目标位移的跟踪效果并提高了适用性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请的内容进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种针对于高阶柔性机电运动对象的位移跟踪控制方法,其特征在于,包括:
接收输入的目标位移信号和传感器发送的所述高阶柔性机电运动对象的实际输出位移信号;
获取所述目标位移信号的各阶微分信号以及所述实际输出位移信号的各阶输出观测信号;
根据各阶所述微分信号以及各阶所述输出观测信号计算初始控制量;
根据所述初始控制量以及总扰动观测信号计算总控制量;各阶所述输出观测信号以及所述总扰动观测信号均根据所述总控制量和所述实际输出位移信号而计算生成;
将所述总控制量输出至所述高阶柔性机电运动对象,以便将所述实际输出位移信号调节为所述目标位移信号的误差小于预设误差阈值。
2.根据权利要求1所述的位移跟踪控制方法,其特征在于,所述根据各阶所述微分信号以及各阶所述输出观测信号计算初始控制量包括:
根据
Figure FDA0003334094290000011
计算所述初始控制量u0
其中,ki+1为控制参数;i=0,1,…,n-1;ri为目标位移信号r的第i阶微分信号;zi+1为实际输出位移信号y的第i阶输出观测信号;
所述根据所述初始控制量以及总扰动观测信号计算总控制量包括:
根据
Figure FDA0003334094290000012
或者
Figure FDA0003334094290000013
计算所述总控制量u;
其中,u0为初始控制量;zn+1为总扰动观测信号;b0为系统增益系数。
3.根据权利要求1所述的位移跟踪控制方法,其特征在于,各阶所述输出观测信号以及所述总扰动观测信号具体根据下式计算生成:
Figure FDA0003334094290000014
其中,zi+1为实际输出位移信号y的第i阶输出观测信号;i=0,1,…,n-1;zn+1为总扰动观测信号;lj为输出观测系数;j=1,…,n,n+1;b0为系统增益系数;u为总控制量。
4.根据权利要求1所述的位移跟踪控制方法,其特征在于,各阶所述输出观测信号以及所述总扰动观测信号具体通过p个串联的q阶状态观测器而计算生成;其中,
Figure FDA0003334094290000021
5.根据权利要求4所述的位移跟踪控制方法,其特征在于,
Figure FDA0003334094290000022
6.根据权利要求4所述的位移跟踪控制方法,其特征在于,各阶所述输出观测信号以及所述总扰动观测信号具体根据下式计算生成:
Figure FDA0003334094290000023
Figure FDA0003334094290000024
其中,t=1,2,…,p-1;k∈N+,1≤k≤q,z0k=y,y为实际输出位移信号;b0为系统增益系数;u为总控制量;lvs为输出观测系数,v=1,2,…,p;s=1,…,q。
7.根据权利要求1至6任一项所述的位移跟踪控制方法,其特征在于,所述获取所述目标位移信号的各阶微分信号包括:
对微分控制量连续进行n次积分以获取所述目标位移信号的跟踪信号;所述微分控制量为根据所述目标位移信号以及所述目标位移信号的各阶所述微分信号而计算生成;
根据所述微分控制量和所述跟踪信号进行n阶状态观测,以获取所述跟踪信号的各阶输入观测信号,作为所述目标位移信号的各阶所述微分信号。
8.根据权利要求7所述的位移跟踪控制方法,其特征在于,所述微分控制量具体根据下式计算生成:
ur=β0(r-r0)-β1r1-…-βn-1rn-1;其中,ur为微分控制量;r为目标位移信号;ri为目标位移信号r的第i阶微分信号;i=0,1,…,n-1;βi为微分控制参数。
9.根据权利要求8所述的位移跟踪控制方法,其特征在于,所述根据所述微分控制量和所述跟踪信号进行n阶状态观测,以获取所述跟踪信号的各阶输入观测信号,作为所述目标位移信号的各阶所述微分信号包括:
根据
Figure FDA0003334094290000031
计算所述跟踪信号ry的各阶所述输入观测信号zr(i+1);其中,βr(i+1)为输入观测参数;i=0,1,…,n-1;
根据ri=zr(i+1)获取所述目标位移信号r的各阶所述微分信号ri
10.一种针对于高阶柔性机电运动对象的位移跟踪控制系统,其特征在于,包括控制设备、传感器和所述高阶柔性机电运动对象;
所述传感器用于检测所述高阶柔性机电运动对象的实际输出位移信号,并发送至所述控制设备;所述控制设备包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如权利要求1至9任一项所述的针对于高阶柔性机电运动对象的位移跟踪控制方法的步骤。
CN201811641136.5A 2018-12-29 2018-12-29 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统 Active CN109459926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811641136.5A CN109459926B (zh) 2018-12-29 2018-12-29 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811641136.5A CN109459926B (zh) 2018-12-29 2018-12-29 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统

Publications (2)

Publication Number Publication Date
CN109459926A CN109459926A (zh) 2019-03-12
CN109459926B true CN109459926B (zh) 2022-02-15

Family

ID=65615765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811641136.5A Active CN109459926B (zh) 2018-12-29 2018-12-29 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统

Country Status (1)

Country Link
CN (1) CN109459926B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068434B (zh) * 2020-09-09 2021-09-21 北京航空航天大学 基于扩展状态观测器的康复机械装置迭代学习控制方法
CN114624994B (zh) * 2022-04-07 2022-11-11 安徽大学 高阶柔性直线系统的新型自抗扰控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106054606A (zh) * 2016-06-12 2016-10-26 金陵科技学院 基于级联观测器的无模型控制方法
CN107272421A (zh) * 2017-08-10 2017-10-20 广东工业大学 一种自抗扰控制系统及方法
CN107728474A (zh) * 2017-09-18 2018-02-23 天津大学 具有有限时间收敛特性的自抗扰控制的实现方法
CN108287466A (zh) * 2018-01-16 2018-07-17 匙慧(北京)科技有限公司 一种对一类高阶系统的改进自抗扰控制方法
CN108828950A (zh) * 2018-07-23 2018-11-16 广东工业大学 一种自适应自抗扰控制方法、装置及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106054606A (zh) * 2016-06-12 2016-10-26 金陵科技学院 基于级联观测器的无模型控制方法
CN107272421A (zh) * 2017-08-10 2017-10-20 广东工业大学 一种自抗扰控制系统及方法
CN107728474A (zh) * 2017-09-18 2018-02-23 天津大学 具有有限时间收敛特性的自抗扰控制的实现方法
CN108287466A (zh) * 2018-01-16 2018-07-17 匙慧(北京)科技有限公司 一种对一类高阶系统的改进自抗扰控制方法
CN108828950A (zh) * 2018-07-23 2018-11-16 广东工业大学 一种自适应自抗扰控制方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自抗扰技术在多变量控制系统中的应用;尹水红;《中国优秀硕士学位论文全文数据库 信息科技辑》;20081115;第5-30页 *

Also Published As

Publication number Publication date
CN109459926A (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
Zhang et al. Extended sliding mode observer based control for Markovian jump linear systems with disturbances
US9837991B2 (en) Adaptive filter for system identification
Wu et al. Practical adaptive fuzzy tracking control for a class of perturbed nonlinear systems with backlash nonlinearity
CN109459926B (zh) 针对于高阶柔性机电运动对象的位移跟踪控制方法及系统
Xia et al. Adaptive output feedback dynamic surface control of nonlinear systems with unmodeled dynamics and unknown high-frequency gain sign
CN111324142B (zh) 一种导弹驾驶仪扰动补偿控制方法
Wang et al. Delay-dependent robust H∞ filtering of uncertain stochastic genetic regulatory networks with mixed time-varying delays
Janot et al. An instrumental variable approach for rigid industrial robots identification
CN108958041B (zh) 一种基于双曲正割吸引律的离散双周期重复控制方法
CN102141776A (zh) 基于粒子滤波和rbf辨识的神经网络pid控制参数自整定方法
Wang et al. Command filtered finite-time control for nonlinear systems with state constraints and its application to TCP network
Vembarasan et al. State estimation for delayed genetic regulatory networks based on passivity theory
Shahvali et al. Adaptive neural dynamic surface control of MIMO stochastic nonlinear systems with unknown control directions
Gao et al. Observer‐based nonlinear feedback decentralized neural adaptive dynamic surface control for large‐scale nonlinear systems
Palraj et al. New results on robust sliding mode control for linear time-delay systems
CN114326405B (zh) 一种基于误差训练的神经网络反步控制方法
Jain et al. Quantized controller for a class of uncertain nonlinear systems with dead-zone nonlinearity
CN114598981A (zh) 助听器内部扰动抑制方法及设备
Vrančić Magnitude optimum techniques for PID controllers
CN111399376B (zh) 一种t-s模糊系统的二维重复控制器设计优化方法
CN108919646B (zh) 一种基于支持向量机的快速偏转镜视轴抖振抑制方法
CN109856964B (zh) 基于脱靶量处理的运动目标控制方法和系统
CN111505942A (zh) 一种分数阶互联系统的分散式自适应控制器的设计方法
CN112186777B (zh) 抑制频率振荡的agc频率偏差系数调整方法、系统及装置
CN114371618A (zh) 基于神经网络的扩张状态观测器补偿方法及自抗扰控制器

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