CN109725527A - 混合致动系统中的力纷争的自适应反馈控制 - Google Patents
混合致动系统中的力纷争的自适应反馈控制 Download PDFInfo
- Publication number
- CN109725527A CN109725527A CN201810834257.5A CN201810834257A CN109725527A CN 109725527 A CN109725527 A CN 109725527A CN 201810834257 A CN201810834257 A CN 201810834257A CN 109725527 A CN109725527 A CN 109725527A
- Authority
- CN
- China
- Prior art keywords
- actuator
- power
- input
- control device
- feedback
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
- B64C13/24—Transmitting means
- B64C13/38—Transmitting means with power amplification
- B64C13/40—Transmitting means with power amplification using fluid pressure
-
- 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
- G05B13/048—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 using a predictor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
- B64C13/24—Transmitting means
- B64C13/38—Transmitting means with power amplification
- B64C13/50—Transmitting means with power amplification using electrical energy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
- B64C13/24—Transmitting means
- B64C13/38—Transmitting means with power amplification
- B64C13/50—Transmitting means with power amplification using electrical energy
- B64C13/505—Transmitting means with power amplification using electrical energy having duplication or stand-by provisions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C9/00—Adjustable control surfaces or members, e.g. rudders
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C9/00—Adjustable control surfaces or members, e.g. rudders
- B64C2009/005—Ailerons
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Fluid Mechanics (AREA)
- Feedback Control In General (AREA)
- Servomotors (AREA)
Abstract
混合致动系统中的力纷争的自适应反馈控制。提供用于补偿多致动器系统中的力纷争的系统。驱动控制器单元包括第一前馈控制器,其与第一致动器通信并被配置为接收驱动命令信号。第一反馈调节器被配置为将第一反馈输入输出到第一前馈控制器中,并接收第一致动器位置和第一致动器力作为输入。驱动控制器单元还包括第二前馈控制器,其与第二致动器通信并被配置为接收驱动命令信号。第二反馈调节器被配置为将第二反馈输入输出到第二前馈控制器中,并接收第二致动器位置和第二致动器力作为输入。驱动控制器单元利用两个前馈控制器和两个反馈调节器以在驱动飞机的公共控制面的同时使力纷争最小。
Description
技术领域
本公开总体上涉及实现流体压力和机电致动器的混合致动系统,更具体地讲,涉及用于操作力纷争(force fighting)补偿的系统。
背景技术
在多个致动器在公共控制面上的操作期间,制造公差会导致致动器的动态行为的差异,因此导致力纷争的状况。由于致动器没有均等地分担负载,所以产生力纷争。即使致动器由相似的主动力源(例如,液压)控制,这种状况也是可能的。当多个致动器在具有两个不同的主动力源(液压和电)的混合致动系统中操作时,不均等的负载分担(力纷争)的可能性被放大。
力纷争基本上是由于在公共飞机飞行控制面上操作的两个相似或不相似的致动器之间的响应差异。在混合致动系统(电致动器和液压致动器)的情况下,混合致动系统中的最大问题是力纷争。没有得到解决的力纷争会造成严重的结构损坏和或部件故障。因此,需要将力纷争消除或限制到可接受的限度以便改进系统能量效率、可靠性并满足疲劳要求的系统和方法。
发明内容
以下呈现本公开的简要总结以便提供本公开的特定示例的基本理解。本发明内容不是本公开的广泛概述,并且其并非标识本公开的关键/重要要素或划定本公开的范围。其唯一目的是以简化形式呈现本文所公开的一些概念,作为稍后呈现的更详细描述的序言。.
通常,本公开的特定示例提供了用于补偿或者消除或限制多致动器系统中的力纷争的系统和方法。根据各种示例,提供一种驱动控制器单元,其包括被配置为接收驱动命令信号的第一前馈控制器。第一前馈控制器与第一致动器通信。驱动控制器单元还包括第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器。第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入。
驱动控制器单元还包括第二前馈控制器,其被配置为接收驱动命令信号。第二前馈控制器与第二致动器通信。驱动控制器单元还包括第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器。第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入。驱动控制器单元利用两个前馈控制器和两个反馈调节器以在驱动飞机的公共控制面的同时使力纷争最小。
前馈控制器包括预测致动器行为的内部被控对象(plant)模型。前馈控制器包括内部优化器,其被配置为按照控制区间k构建和解决约束优化问题。前馈控制器可包括局部反馈补偿器,其负责补偿第一和第二致动器之间的静态力和动态力的差异。
反馈调节器被配置成内环噪声抑制器和被控对象扰动补偿器。反馈调节器被配置成线性二次高斯控制器(LQG)。LQG包括线性二次调节器(LQR)和Kalman估计器。Kalman估计器以U(k)和Y(k)作为输入并输出X(k),该X(k)作为输入被反馈到LQR。U(k)是LQR的输出,Y(k)是致动器的输出加扭矩扰动。Y(k)对应于位置、当前速度、力和压力,并作为附加输入被反馈到前馈控制器。
驱动控制器单元还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
在本公开的另一示例中,提供一种飞机,该飞机包括处理器以及副翼、第一致动器和第二致动器。该飞机还包括被配置为接收驱动命令信号的第一前馈控制器。第一前馈控制器与第一致动器通信。该飞机还包括第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器。第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入。
该飞机还包括第二前馈控制器,其被配置为接收驱动命令信号。第二前馈控制器与第二致动器通信。该飞机还包括第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器。第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入。该飞机利用两个前馈控制器和两个反馈调节器以在驱动副翼的同时使力纷争最小。
该飞机还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
在本公开的另一示例中,提供一种力纷争补偿系统,其包括被配置为接收的驱动命令信号第一前馈控制器。第一前馈控制器与第一致动器通信。力纷争补偿系统还包括第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器。第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入。
力纷争补偿系统还包括第二前馈控制器,其被配置为接收驱动命令信号。第二前馈控制器与第二致动器通信。力纷争补偿系统还包括第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器。第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入。力纷争补偿系统利用两个前馈控制器和两个反馈调节器以在驱动副翼的同时使力纷争最小。
力纷争补偿系统还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
这些和其它示例在下面参照附图进一步描述。
附图说明
通过参考以下结合附图进行的描述,可最佳地理解本公开,附图示出了本公开的特定示例。
图1示出根据一个或更多个示例的示例混合致动系统。
图2示出根据本公开的一个或更多个示例的实现混合致动器系统的传统方法的示例系统。
图3A示出根据一个或更多个示例的自适应前馈补偿(AFFC)系统的示例。
图3B示出根据一个或更多个示例的自适应前馈补偿(AFFC)系统的另一示例。
图4A至图4B示出根据一个或更多个示例的示例模型预测控制(MPC)系统。
图5A示出根据一个或更多个示例的LQG调节器的示例。
图5B示出根据本公开的一个或更多个示例的LQG伺服控制器的示例。
图6是根据本公开的一个或更多个示例的飞机的示意图。
图7是可使用本文所描述的方法和组件的飞机生产和服务方法的框图。
具体实施方式
现在将详细参考本公开的一些具体示例,包括发明人考虑用于实现本公开的最佳模式。这些具体示例的例子示出于附图中。尽管结合这些具体示例描述本公开,将理解,其并非旨在将本公开限于所描述的示例。相反,其旨在涵盖可包括在由所附权利要求书限定的本公开的精神和范围内的替代、修改和等同物。
在以下描述中,阐述了众多具体细节以便提供本公开的彻底理解。本公开的特定示例可在没有这些具体细节中的一些或全部的情况下实现。在其它情况下,没有详细描述熟知处理操作,以免不必要地模糊本公开。
为了清晰,本公开的各种技术和机制有时将以单数形式来描述。然而,应该注意的是,除非另外说明,否则一些示例包括技术的多次迭代或机制的多个实例。例如,系统在各种背景下使用一个处理器。然而,将理解,除非另外说明,否则系统可使用多个处理器,同时仍在本公开的范围内。此外,本公开的技术和机制有时将描述两个实体之间的连接。应该注意的是,两个实体之间的连接未必意指直接、无阻碍的连接,因为各种其它实体可驻留在这两个实体之间。例如,处理器可连接到存储器,但是将理解,各种桥和控制器可驻留在处理器和存储器之间。因此,除非另外说明,否则连接未必意指直接、无阻碍的连接。
概览
在混合致动系统中,可实现致动器(包括机电致动器、电静液致动器和电液伺服致动器)的组合。在混合致动系统的情况下,混合致动系统中的最大问题是力纷争,这如果没有得以解决,会随时间推移造成严重的结构损坏和或部件故障。系统中的力纷争可能是由在公共飞机飞行控制面上操作的两个相似或不相似的致动器之间的响应差异引起的。
由于电致动器的动态响应通常比液压致动器的动态响应慢,所以使混合致动系统中的两个致动器同步非常重要。在一些情况下,为了有效地实现快速动态响应,需要前馈补偿器以消除电致动器和液压致动器之间的差异的影响。在一些情况下,两个致动器均处于位置控制和位置同步下,这有助于减小力纷争。还存在基于系统反馈校正理论的力纷争控制方案,其可满足动态特性和开关瞬态的需求。然而,现有解决方案的共同缺陷是不稳定操作条件、劣化的系统状况、或者常常导致不稳定的后果的最坏情况下的扰动和噪声的不可预测性。
本文所描述的系统和方法提供了混合致动系统中的力纷争的自适应反馈控制,这是一种创新的力纷争概念,其通过线性-二次-高斯(LQG)控制以及使用模型预测控制(MPC)的自适应前馈补偿的整合(integration)来提供致动器力纷争的最佳反馈补偿。这些控制器实现对参考和测量的扰动轨迹的前瞻(预览)。使用前瞻(超越范围(horizon)的预览)实现调节和跟踪,其中在抵制力纷争扰动的同时位置输出跟踪参考命令。因此,即使在最坏情况下的输入和输出扰动和噪声下,也维持系统的稳定性。
对于力纷争误差的非常宽的变化,所公开的用于混合致动系统的自适应反馈控制的方法和系统确保所导致的力纷争可忽略不计或者被限制为最小可接受限度,系统关于操作限度被维持,并且系统在任何输入/输出扰动和噪声下以及任何劣化的系统状况下均稳定。
示例
在如今的军用和商用飞机上使用的当前致动器技术包括电液伺服致动器(EHSA)、电静液致动器(EHA)或机电致动器(EMA)的组合。商用飞机正走向混合致动系统的实现方式以控制主副飞行控制面,其中主动力源可为液压的和电的。
图1示出根据一个或更多个示例的示例混合致动系统100。在各种示例中,系统100可被实现为使控制面102移动。在一些示例中,控制面102可以是飞机的各种可移动部件(例如,副翼、武器系统、起落架等或其一部分)中的任一个。在其它示例中,控制面102可以是包括陆地和海上载具的各种其它载具的各种可移动部件中的任一个。系统100可包括作用在控制面102上的一个或更多个致动器。例如,系统100包括致动器110和120。在一些示例中,致动器110和120可作用在控制面102上以导致绕轴线104的角位移θd。
在一些示例中,致动器110和120中的每一个可以是各种致动器中的任一种,包括(但不限于)电液伺服致动器(EHSA)、电静液致动器(EHA)、机电致动器(EMA)等。如本文所述,电液伺服致动器(EHSA)也可称为伺服液压致动器(SHA);这些术语可互换使用。如图1所示,系统100是包括不同致动器类型的混合致动系统,其中致动器系统110是EHSA,并且致动器系统120是EHA。
液压致动器(EHSA)的结构包括泵,其使不可压缩流体流入空心汽缸(hollowcylinder)中,从而迫使活塞118在空心汽缸内移动。随着压力增加,活塞118沿着该汽缸的轴线同样移动并产生回缩线性力。在各种示例中,伺服阀施加的电压uh可被施加到EHSA110的伺服阀驱动电子器件112,其生成阀电流iv。阀电流iv操作伺服阀114,伺服阀114利用来自液压动力源116的液压动力来操作EHSA 110的杆端118-A以生成EHSA输出力Fh。这可导致与角位移θd对应的位置传递函数xh。可命令独特的阀门网络(例如,在伺服阀114内)供应被供应给活塞的相对侧的流体,从而使其产生延伸的线性力(与EHSA输出力Fh相反)。
电致动器(例如,EHA和EMA)的结构完全不同。通常,电致动器的实现需要通过机械连接的电动机使液压泵或螺纹丝杠(滚珠丝杠或滚柱丝杠)转动来将电能转换成扭矩。在各种示例中,EHA施加的电压ue被施加到EHA 120的电机驱动电子器件122,其向变速电机124提供电力以操作固定排量液压泵126。随着螺杆旋转,沿着螺纹驱动螺母。螺母移动的方向取决于螺杆旋转的方向,这同样允许致动器伸出或缩回。泵126可操作EHA 120的活塞128的杆端128-A以生成使致动器缩回的EHA输出力Fe。这可导致与角位移θd对应的EHA位置函数xe。
液压致动器(EHSA)与电致动器(EHA或EMA)之间的主要差异在于主动力源。EHSA需要多动力转换,其中引擎安装的齿轮箱转换机械动力以利用电控制驱动液压泵,以生成液压动力。EHA和EMA系统仅需要来自具有电控制的引擎安装的发电机的电力。
在多种类型的致动器(例如,致动器110和120)在共同控制面102上操作期间,制造公差可导致致动器的动态行为的差异,因此导致力纷争状况。由于致动器没有均等地分担负载,所以产生了力纷争。即使致动器由相似的主动力源(例如,液压)控制,这种状况也是可能的。
当多个致动器在具有两个不同的主动力源(例如,如图1所示,液压和电)的混合致动系统中操作时,不均等的负载分担(力纷争)的可能性被放大。在可利用EHSA/EHA或EHSA/EMA配置的混合致动系统(例如,系统100)中,液压和电动力源必须控制在主动/主动模式下操作的致动器。这可产生这样的主要问题:如果没有恰当地处理,则在两种致动器技术之间可存在并且将存在力纷争。这是因为不相似的技术和设定/制造公差,致动器之间的静态和动态行为是如此不同,以至于其没有均等地分担负载并且经常相互对抗以定位负载;因此,改变其瞬时响应并引入瞬时噪声、扭矩扰动和位置偏移。
也可由EHSA与电致动器(EHA/EMA)之间的动力转换和惯性的物理差异导致力纷争,这些致动器的动力学有本质不同。如果在相同的控制面上操作,则该差异可导致动态力纷争效果。电动机控制液压泵或齿轮箱/导螺杆旋转起来将使电致动器对输入变化的反应更慢。在一些情况下,大的输入命令可产生电致动器(EHA/EMA)的速度超过自然受限的EHSA的最大速度的状况。
使用两个致动器的输入和输出信号之间的传递函数关系的力纷争动力学的数学描述可由以下方程近似。EHSA位置传递函数Xh和EHA位置传递函数Xe可由以下方程确定:
其中xr是位置需求;E1(s)是EHA的输入抵制函数;E2(s)是EHA的扰动传递函数;H1(s)是EHSA的输入抵制函数;H2(s)是EHSA的扰动传递函数。
力纷争动力学的数学描述可使用EHA传递函数Xe和EHSA传递函数Xh提供。两个致动器的输入和输出信号之间的关系可由以下方程确定:
因此,为了改进系统能量效率、可靠性并满足疲劳要求,已开发出一种力纷争系统,其可在主动/主动模式下使用以满足疲劳要求(用于电传飞行(FBW)致动系统的致动负载环路)。力纷争系统可用于主动/主动致动,其中冗余致动器在公共面上操作。目前,不存在以主动/主动致动实现混合动力致动架构的飞机。因此,本公开提供了一种独特的力纷争算法,因此可满足疲劳要求。
图2示出根据一个或更多个示例的实现混合致动器系统的传统方法的示例系统200。在各种示例中,系统200可展示包括作用在副翼102的表面上的SHA 110和EHA 120的混合系统。由信号处理器202将输入命令240发送到SHA 110和EHA 120的致动器控制器。命令240可使得SHA 110的活塞的位置242以特定速率244变化,从而使得副翼102处的位置以对应速率发生对应变化。类似地,信号处理器202可发出输入命令240以使得EHA 120的活塞的位置246以特定速率248变化,从而使得副翼102处的位置以对应速率发生对应变化。因此,SHA力252和EHA力254被施加到副翼102。如前所述,致动器操作的差异可导致力纷争。可测量输出力252和254的差异并在256处求和以确定力纷争的量。然后,可将测量的力纷争以及测量的输出力252和254发送到用户显示器250以用于监测。
在一些示例中,SHA 110和EHA 120可被配置在开环位置,其中SHA 110和EHA 120未联接。在其它示例中,SHA 110和EHA 120可被配置在闭环位置,其中SHA 110经由压力从动装置212与EHA压力输出从动(例如图2所示)。在一些示例中,系统200可实现比例-积分-微分(PID)控制器以在致动器之间建立同步。在一些示例中,系统200中的致动器之间的同步可使用来自EHA 120的压力传感器222来实现,以经由压力从动装置212均衡进入SHA 110的致动器汽缸的压力,以使输出SHA位置242和SHA速率244与输出EHA位置246和EHA速率248匹配。SHA 110的输出力252和EHA的输出力254可由副翼102上的传感器测量。来自各个致动器的输出力被另外反馈到相应致动器控制器中以调整进入各个单独的系统中的输入命令以使副翼102的位置稳定并校正。
在管理混合致动(例如,系统200中)的传统方法下,当不存在噪声或环路扰动时发生的力纷争可很小。例如,在没有噪声或环路扰动的开环配置中几乎没有力纷争。然而,传统方法未能补偿噪声或环路扰动,例如对致动器的命令输入之间的偏移被引入。例如,在两个致动器均跟踪参考命令输入的开环配置中,10%的噪声或扰动可导致大约等于来自系统的标称峰值输出力(或100%力纷争)的静态力纷争。
在闭环场景中(例如,在图2所示的系统200中),在副翼102的上升和下降时间期间可发生显著的力纷争,这在高输出负载下可能更突出。在闭环场景中,可抑制静态力纷争;然而,当跟踪来自EHA 120的输出压力时可由SHA 110的延迟响应导致动态力纷争。如果噪声、环路扰动或高负载被添加到该场景,则再次产生静态力和动态力纷争二者。总之,发现使用PID补偿器和控制器的传统方法不起作用,导致在处理噪声和环路扰动时具有静态力和动态力纷争的最坏情况的场景。
研究表明,当EHSA和电致动器(EHA/EMA)按照混合配置联接时,EHSA由于小阶跃输入而牵拉电致动器,而电致动器由于大阶跃输入而牵拉EHSA。在这种情况下,可发生显著的力纷争,因为EHSA对输入变化更快地反应。
传统PID系统可包括两自由度(2-DOF)PID控制器,其包括对比例和微分项的设定点加权。2-DOF PID控制器能够实现快速扰动抵制,而不会显著增加设定点跟踪中的过冲。2-DOF PID控制器还可用于减轻参考信号的变化对控制信号的影响。2-DOF控制器的输出和输入之间的关系可按照前馈或反馈PID配置表示。这两种形式在用于表示控制器的比例、积分和微分作用的参数方面不同。然而,由于模型参数变化、高负载、噪声和扰动所导致的微扰(perturbation),这些控制器的缺点是增益、带宽和稳定裕度有限。
为了改进这些力纷争状况的减轻,可通过模型预测控制器(MPC)与线性二次高斯(LQG)控制器的整合来实现自适应前馈补偿(AFFC)系统。参照图3A,示出了根据一个或更多个示例的示例自适应前馈补偿(AFFC)系统300。如上面先前所述的系统中一样,系统300可包括多个致动器,例如作用在副翼102上的EHSA 110和EHA 120。
系统300通过允许致动器的输出位置和力的更快同步以使力纷争最小来改进传统方法。在各种示例中,系统300包括自适应前馈(FF)控制器310和320。在一些示例中,系统300还可包括最优增益反馈调节器312和322。如图3A所示,前馈控制器310和反馈调节器312操作以调整EHSA 110的操作,而前馈控制器320和反馈调节器322操作以调整EHA 120的操作。
位置命令330或其它输入命令可从信号处理器302发送到前馈控制器310和320。在一些示例中,前馈控制器作用于局部反馈补偿器,其负责补偿可能由于噪声、扰动和输出负载中的一个或更多个而恶化的致动器110和120之间的静态力和动态力的差异。这些前馈控制器可使来自各个致动器的位置和输出力同步。可从前馈控制器310向EHSA 110发出EHSA位置命令332-A。类似地,可从前馈控制器320向EHA 120发出EHA位置命令332-B。位置命令332-A和332-B可由对应前馈控制器310和320同步,使得致动器以适当的定位和速率作用在副翼102上,以减小力纷争。
另外,由于前馈控制器无法足够快地操作以解决高频瞬时力纷争,所以添加最优增益反馈调节器作为内环噪声抑制器和被控对象扰动补偿器。可由对应致动器上的传感器测量致动器的定位。可在EHSA 110处确定EHSA位置334-A并将其发送到反馈调节器312。可在EHA 120处确定EHA位置334-B并将其发送到反馈调节器322。类似地,由各个致动器施加到副翼102的力也可由位于副翼102上的传感器测量。可在副翼102处确定EHSA力336-A并将其发送到反馈调节器312。可在副翼102处确定EHA力336-B并将其发送到反馈调节器322。在各种示例中,当在零位处由于输入噪声或扭矩扰动,致动器的输出为非零时,最优增益反馈调节器需要命令信号以迫使输出为状态(0)。在一些示例中,反馈调节器迫使使用所测量的状态以及对未测量的状态的估计来迫使输出为状态(0)。
因此,系统300能够通过使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。系统300也可使用传统或预测方法来实现,以实现、稳定、调节和跟踪。
传统方法通常使用PID补偿器来实现。然而,这些补偿器具有固定的带宽和增益裕度。因此,这些PID补偿器将无法快速地调节命令信号以迫使致动器的输出为状态(0),这将需要非常高的输入能量,如果使用的话将使传统控制器不稳定。
参照图3B,示出了根据一个或更多个示例的另一示例自适应前馈补偿(AFFC)系统301。在各种示例中,AFFC系统301包括作为前馈控制器的模型预测控制器(MPC)以及作为反馈调节器的最优增益线性二次高斯(LQG)控制器。在一些示例中,MPC 311可以是前馈控制器310,MPC 321可以是前馈控制器320。在一些示例中,LQG控制器可包括线性二次调节器(LQR)和Kalman滤波器。如本文所用,LQR也可被称为最优增益补偿器,并且Kalman滤波器也可被称为Kalman估计器。在一些示例中,包括LQR 314和Kalman滤波器316的LQG控制器可以是反馈调节器312。在一些示例中,包括LQR 324和Kalman滤波器326的LQG控制器可以是反馈调节器322。
系统301可包括控制副翼102的位置的致动器110-A和120-A。如前所述,致动器110-A和120-A可以是各种致动器类型中的任一种,包括诸如EHSA的液压致动器或者诸如EHA或EMA的电致动器。如图1所示,致动器110-A可以是EHSA 110,致动器120-A可以是EHA120。各个致动器110-A和120-A可由MPC和LQG控制器控制。如图3B所示,致动器110-A由MPC311以及包括LQR 314和Kalman滤波器316的LQG控制。致动器120-A由MPC 321以及包括LQR324和Kalman滤波器326的LQG控制。
在一些示例中,如图3B中所描绘的,致动器110-A和120-A可表示这些致动器的对应被控对象模型,其计算或预测对应致动器的处理或行为(例如,被控对象模型410)。在一些示例中,被控对象模型可在MPC内实现,如图4A和图4B所示。然而,在其它示例中,被控对象模型可与MPC分开存在,如图3B所示。可参照与一个致动器对应的MPC和LQG系统进行以下描述。然而,应该认识到,系统301中的各个致动器系统可包括基本上相似的配置。
在系统301中使用MPC来实现致动器之间的同步和跟踪。经由具有积分增益的LQG的反馈补偿可作用于局部反馈,以负责补偿致动器之间的静态力的差异。为了滤除噪声和输入扰动,LQG可负责使用Kalman估计器、线性二次调节器(LQR)和局部MPC来滤除快速动态瞬时噪声,其预测并消除力纷争瞬态以提供最优局部输出参数y(k)。
参照图3B,位置命令r(k)被馈送到系统中以由致动器用作参考。在致动器相同(相同的技术和动力源)的系统中,致动器的输出可预期被同步、调节和跟踪。然而,由于测量噪声和扭矩扰动,其输出可能随机不同,从而导致力纷争。在致动器不相同(不同的技术和动力源)的系统中,输出的差异将更大并导致动态和恒定的力纷争。
在一些示例中,如前所述,系统301可按照开环或闭环配置来配置。如图3B所示,系统301处于闭环配置,其中从动开关340被实现为将致动器110-A的输出y(k)连接到致动器120-A的输入。在开环配置中,从动开关340将被实现为将输入命令r(k)直接馈送到致动器120-A。
为了规避这些力纷争问题,使用MPC、LQR和Kalman滤波器来实现控制系统中的现代技术。MPC用于使致动器同步,跟踪位置命令r(k),扩大稳定裕度,并作为整体监督系统。如所示,位置命令r(k)可作为参考命令或输入命令被输入到MPC 311中。MPC 311可在用于致动器110-A的操作的控制区间k使用位置命令r(k)确定未来操纵变量u(k)。在一些示例中,从致动器110-A测量的所测量局部输出参数y(k)用作输入到一个或更多个MPC的反馈,并且可包括诸如位置、力、力纷争等的参数。在一些示例中,可从致动器110-A处测量的致动器输出ya(k)减去所测量的扰动v(k)以确定局部输出参数y(k)。在一些示例中,可在362处通过从与致动器110-A对应的被控对象模型所确定的预测输出yp(k)减去所测量的扰动v(k)(例如,扭矩扰动)来确定所测量局部输出参数y(k)。与致动器110-A对应的被控对象模型可以是参照图4A进一步描述的被控对象模型410。
另外,输入噪声w(k)也可被输入到MPC(例如,MPC 311)中。输入噪声w(k)可以是进入系统中的任何不需要的能量,即,电噪声、热噪声或机械噪声。在所描述的示例中,输入噪声w(k)可以是白噪声(高斯),并且其功率谱密度贯穿系统的频率范围几乎相等。输入噪声w(k)参照图4A和图4B进一步描述。由于MPC 311是最优预测控制器,所以其在控制区间k为未来操纵变量u(k)寻找最佳控制参数矢量ΔU,使得设定点r(k)与预测输出yp(k)之间的误差函数最小。所定义的反映控制目标的成本函数J由以下方程给出:
成本函数J反映使预测输出Y尽可能接近设定点Rs的控制目标。(Rs-Y)T是转置矩阵。-R是用作调整矩阵的对角矩阵,使得如果设定为零,则不论ΔU多大,J将仅使误差(Rs-Y)T(Rs-Y)尽可能小。
噪声抑制和扰动抵制的现代技术是使用具有最优增益K的最优状态反馈(例如,LQR 314)以提供进一步调整的操纵变量uLQR(k)。在一些示例中,LQR 314以未来操纵变量u(k)作为输入。输入噪声w(k)也可在被输入到LQR 314中之前在360处与未来操纵变量u(k)相加。
在一些示例中,状态反馈律由以下方程给出:
uLQR(k)=-Kxest(k)
其中xest(k)是由Kalman滤波器(例如,Kalman滤波器316)确定的全状态矢量x(k)的估计。这种状态反馈律使下面参照方程3描述的二次成本函数最小。这可指定控制的性能与成本之间的权衡。所调整的操纵变量uLQR(k)可被馈送到致动器110-A。
在一些示例中,LQR 314需要全状态矢量来起作用。因此,可使用Kalman估计器316来估计全状态矢量x(k)作为xest(k)。因此,当无法测量其它参数时,Kalman估计器316给出参数的全估计。然而,在一些示例中,需要至少一个测量的参数以使成本函数或误差函数x(k)-xest(k)的渐近协方差最小。如图3B所示,所调整的未来操纵变量uLQR(k)和/或所测量局部输出参数y(k)可被输入到Kalman估计器中以确定xest(k)。
如所述,LQG控制器可包括LQR和Kalman估计器的组合。在一些示例中,可使用MATLAB(R)(矩阵实验室)通过经由键入trksys=lqgtrack(kest,K)连接LQR和Kalman状态估计器来构造LQG控制器,其中kest=Kalman(sys,Qn,Rn)并且sys是制动状态空间系统。MATLAB(本文中也可称为Matlab)是一种提供多范式数值计算环境的编程语言。在各种其它示例中,可实现其它适当的编程语言以构造LQG控制器。
模型预测控制器(MPC)
图4A和图4B示出根据一个或更多个示例的示例模型预测控制(MPC)系统400。图4A描绘了MPC系统400对诸如致动器110或120的致动器的前馈控制的一般流程。图4B描绘了MPC系统400对致动器110的前馈控制的流程内的输入变量。
在各种示例中,模型预测控制(MPC)(例如,MPC 400)是一种先进的多变量数字控制技术,其具有可预测被控对象模型在不久的将来的部件行为的内部动态模型。MPC在本文中也可称为滚动时域控制(receding horizon control)。在各种示例中,MPC 400可包括优化器462以及与致动器110对应的被控对象模型410。
在各种示例中,MPC 400整合前馈控制以抵制所测量的扰动466并且充当补偿器信号,直至系统可满足期望的轨迹(包括速率和位置)。MPC 400可接收各种输入,包括可由各种传感器测量的参考460(例如,输入命令)和所测量的扰动466。其它输入可被包括在参考460中并用作MPC 400的输入。
在控制区间k,MPC可利用这些输入使用优化器462来构造和解决约束优化问题。在被控对象(致动器110)中仅应用第一最优控制移动。另外,可在致动器或其它部分(例如,副翼)处进行测量468,以确定由致动器施加到该部分的力。这些测量468可作为附加输入被反馈到MPC 400。在控制区间k+1等重复该过程。因此,给定MPC的预测范围向前移位。
MPC 400的模型预测控制的一般设计目标是在特定时间区间k计算未来操纵变量u(k)的轨迹,以优化被控对象输出y(k)的未来行为。使用从被控对象模型或致动器推导的信息,MPC可预测可能发生什么(模型),测量致动器输出(测量)并实现计划的活动以获得期望的轨迹(控制的实现)。
MPC允许诊断可能导致运行时故障的问题,并为调整权重提供指导以改进性能和鲁棒性。通过在线性和非线性仿真中运行不同的场景,可评估控制器性能。在一些示例中,当通过调整权重(即,成本函数J)并变化约束来运行时,可调整控制器性能。这可由优化器(例如,462)实现。在使用优化器462时,可对操纵变量和被控对象输出变量y(k)的下界和上界设定约束。
可通过在运行时更新被控对象模型来实现自适应模型预测控制器。对于采样时间快的应用,可开发显式模型预测控制器。对于快速原型和嵌入式系统设计,MATLAB MPC工具箱支持C代码和IEC 61131-3结构化文本生成。
在各种示例中,MPC 400可使用被控对象、扰动和噪声模型来进行预测和状态估计。如图4B所示,MPC 400可包括被控对象模型410、输入扰动模型420、输出扰动模型430和测量噪声模型440。
在各种示例中,MPC 400的MPC状态空间模型可由以下方程给出:
方程1:
xc(k+1)=Axc(k)+Buo(k)
方程2:
y(k)=Cxc(k)+Duo(k)
这里,xc(k+1)是在区间k+1的状态变量控制器矢量,uo(k)是输入变量(或操纵变量),y(k)是过程输出。A、B、C和D是表示被控对象模型的常数状态空间矩阵。
控制器状态可包括以下变量:
这里,xc是控制器状态,其包括nxp+nxid+nxod+nxn状态变量。被控对象模型410的长度为nxp的被控对象模型状态矢量由变量xp表示。输入扰动模型420的长度为nxid的输入扰动模型状态矢量由变量xid表示。输出扰动模型430的长度为nxod的输出扰动模型状态矢量由变量xod表示。测量噪声模型440的长度为nxn的测量噪声模型状态矢量由变量xn表示。
在给定控制区间k,向MPC 400中的输入包括以下变量:
这里,uo的输入变量包括操纵变量矢量u、测量的扰动矢量v、输入扰动白噪声矢量wid、输出扰动白噪声矢量wod和测量噪声模型白噪声矢量wn。由MPC 400调整操纵变量以实现致动器之间的同步。测量的扰动无法由MPC 400调整,而是由MPC 400用于前馈补偿。
在给定控制区间k,被控对象模型410包含与致动器对应的被控对象的状态空间模型表征。这可由以下方程给出:
xp(k+1)=Apxp(k)+BSiup(k)
这里,xp(k+1)是被控对象模型的未来状态变量,up(k)表示向被控对象模型410中的聚合输入变量,yp(k)是被控对象模型的预测输出。在一些示例中,向被控对象模型410中的输入up(k)是自变量,并且可包括操纵变量u(k)、测量的扰动v(k)和未测量的扰动d(k)。
MPC 400可能不直接知道未测量的输入扰动d(k),而是可基于扰动模型来补偿它。例如,可通过输入扰动模型420使用输入扰动白噪声矢量wid(k)来确定未测量的输入扰动d(k)。这种白噪声矢量wid(k)可对应于源自系统以及进入系统的噪声的一般表示。与w(k)一样,该噪声可被表示为高斯,其中功率谱密度贯穿系统频谱几乎相等。
输入扰动白噪声矢量wid(k)被输入到输入扰动模型420中。输入扰动模型420可指定输入扰动的信号类型和特性。输入扰动模型420的状态空间模型可由以下方程给出:
xid(k+1)=Aidxid(k)+Bidwid(k)
d(k)=Cidxid(k)+Didwid(k)
在给定控制区间k,被控对象模型410的输出是因变量,并且可包括预测输出yp(k)、测量的输出y(k)和未测量的输出yu(k)。可在450处通过对预测输出yp(k)和未测量的输出扰动yod(k)求和来确定测量的输出y(k)。在一些示例中,也可在450处从预测输出yp(k)减去测量的扰动v(k)(例如,扭矩扰动)。
输出扰动模型430可指定输出扰动的信号类型和特性。输出扰动模型430的状态空间模型可由以下方程给出:
xod(k+1)=Aodxod(k)+Bodwod(k)
yod(k)=Codxod(k)+Dodwod(k)
这里,wod(k)表示输入到输出扰动模型430中的输出扰动白噪声矢量。
测量的输出y(k)可用于估计未测量的量以及由未测量的输出yu(k)指定的反馈,其可MPC 400基于可用测量以及被控对象模型410的其它输出来估计。在一些示例中,在450处,未测量的输出yu(k)可以是预测输出yp(k)与测量的输出y(k)之差。在一些示例中,在452处,yu(k)=ym(k)-yn(k)。
在一些示例中,测量的输出y(k)可在452处与由测量噪声模型440确定的噪声信号输出yn(k)相加,以确定测量的输出ym(k)。输出yu(k)也可以是来自致动器110的未测量的输出ya(k)。在一些示例中,ya(k)还可包括其它未测量的输出变量,系统对其不具有直接(传感器)测量手段。测量噪声模型440指定测量噪声信号类型和特性。测量噪声模型440的状态空间模型可由以下方程给出:
方程1:
xn(k+1)=Anxn(k)+Bnwn(k)
方程2:
yn(k)=Cnxn(k)+Dnwn(k)
这里,wn(k)是输入到测量噪声模型440中的无量纲白噪声。可通过简化方程1和方程2来简化上述状态-状态方程。方程1简化为方程1.1:
xc(k+1)=Acxc(k)+Bcu(k)
方程2简化为方程1.2:
y(k)=Ccxc(k)
这里,u是向被控对象模型中的操纵变量或输入变量;y是过程输出,xc是状态变量矢量。
状态空间模型的一般公式具有从输入信号u(k)到输出y(k)的直接项:
y(k)=Ccxc(k)+Dcu(k)
然而,由于滚动时域控制的原理,在被控对象模型中Dc可被假设为Dc=0。
由于u(k)表示优化期望的输出的轨迹Δu(k)=u(k)-u(k-1),所以对于x和y的增强状态-状态模型可为:
方程1.3:
Δxc(k+1)=AcΔxc(k)+BcΔu(k)
方程1.4:
y(k+1)-y(k)=Cc(xc(k+1)-xc(k))=CcΔxc(k+1)
=CcAcΔxc(k)+CcBcΔu(k)
对于建模为x(k+1)=f(x(k));u(k)的被控对象模型,在各个时隙k基于x(k)确定输入u(k)。可选择输入以使计划范围k,k+1,...k+N上的预测成本最小。这里,N是计划范围的长度。一旦u(k)确定,就应用控制u(k)并且在时间k+1重复该过程。
可使用方程1.3和1.4确定预测的控制轨迹,以寻找增强状态-状态模型:
然后,预测的未来控制轨迹可由以下方程给出:
Δu(ki),Δu(ki+1),...Δu(ki+Nc-1)
其中Nc是控制时间区间。
未来状态变量可由以下方程给出:
x(ki+1|ki),x(ki+2|ki),...,x(ki+m|ki),...,x(ki+Np|ki)
其中Np是预测时间区间。
因此,未来状态变量可被计算为:
x(ki+1|ki)=Ax(ki)+BΔu(ki)
x(ki+2|ki)=Ax(ki+1|ki)+BΔu(ki+1)=A2x(ki)+ABΔu(ki)+BΔu(ki+1)
...
x(ki+Np|ki)
=ANpx(ki)+ANp-1BΔu(ki)+ANp-2BΔu(ki+1)+…+ANp
-NcBΔu(ki+Nc-1)
从预测的状态变量,通过代入,预测的输出变量为:
所有预测的变量可根据当前状态变量信息x(ki)和未来控制移动Δu(ki+j)来表示,其中j=0,1,...Nc-1。以下矢量可被定义为:
Y=[y(ki+1|ki)y(ki+2|ki)y(ki+3|ki)...y(ki+Np|ki)]T
ΔU=[Δu(ki)Δu(ki+1)Δu(ki+2)...Δu(ki+Nc-1)]T
其中在单输入和单输出情况下,Y的维度为Np,ΔU的维度为Nc。紧凑矩阵可形成为Y=Fx(ki)+ΦΔU,
其中
对于预测范围内的采样时间ki的给定设定点信号r(ki),预测控制系统的目标在于使预测输出尽可能接近设定点信号。可寻找最优控制参数矢量ΔU,使得设定点与预测输出之间的误差函数最小。反映控制目标的成本函数J可被定义为:
J=(Rs-Y)T(Rs-Y)+ΔUT-RΔU
其中Rs是包含设定点信息的数据矢量,R是具有以下形式的对角矩阵
R=rwINc×Nc(rw≥0)
其中rw是用于期望的闭环性能的调整参数。
为了寻找将使J最小的最优ΔU,J可被表示为:
ΔU=(ΦTΦ+-R)-1ΦT(Rs-Fx(ki))
因此,控制信号U的最优解为:
ΔU=(ΦTΦ+-R)-1ΦT(Rs-Fx(ki))
其中(ΦTΦ+-R)-1ΦTRs对应于设定点变化,而-(ΦTΦ+-R)-1ΦTF对应于预测控制的框架内的状态反馈控制。
线性二次高斯控制器-线性二次调节器
如前所述,线性二次高斯控制器或LQG控制器是利用Kalman滤波器操作的LQR的伺服控制器。如所述,LQG可包括LQR 314和Kalman滤波器316。作为另一示例,LQG可包括LQR324和Kalman滤波器326。在本文所描述的示例中,在包括在公共控制面上操作的混合(EHA/EHSA)或双(EMA/EMA)致动器系统的AFFC系统中,LQG控制器可与MPC整合。MPC、LQG控制和线性二次调节器(LQR)的整合提供一种AFFC系统,其展示最优反馈补偿以用于抵制力纷争扰动。
如前所述,LQR是迫使输出uLQR(k)为状态(0)的最优增益(K)调节器。当测量所有状态时,LQR可使用全状态反馈。然而,当并非直接测量所有状态时,LQR可使用由Kalman估计器确定的估计的状态。在并非测量所有状态的情况下,使用Kalman估计器输出的估计的状态矢量xest(k)来计算使成本函数最小的增益K:
方程3:
成本函数也可由以下方程给出:
对于离散时间S-S模型,成本函数可由以下方程给出:
这里,Q是状态加权矩阵,R是控制加权矩阵,时间范围T或N可为有限或无限的。
离散时间的成本结构或类似物尝试寻找将“调节”系统为“0”的控制u(t);t2[0;T]。对于状态和控制措施二者,支付(payment)为二次的。Q的典型选择可为:Q=11、或Q=I、或Q=diag(qi),其中qi≥0。R的典型选择可为R=diag(ri),其中ri>0。时间范围T或N常常被当作α。
在一些示例中,可使用以下MATLAB语句来推导LQR增益K:
[K,S,e]=lqr(SYS,Q,R,N)
该命令可计算状态反馈律u=-Kx使方程:的二次成本函数最小的最优增益K。这里,权重Qx、Qi和R是调谐钮。N是附加类型的成本项2x(t)0Nu(t)。对于返回值,-K是状态反馈增益矩阵;S是代数Riccati方程的解,e是所得闭环特征值(即,A-BK的特征值)。在实践中,这常常是在进行更精细的改进(基于仿真和测试)之前推导初始控制器的优选方式。
在各种示例中,通过LQR的优化可以是由以下线性状态反馈控制律给出的最优控制:
u(t)=(-R-1B′P(t))x(t)
这里,n×n矩阵P(t)是Riccati微分方程的解。
可使用以下Riccati矩阵微分方程来寻找连续时间LQR的状态反馈控制律,针对{P(t),t∈[0,T]}求解:
该方程可“时间上向后”指定。如果T=∞,则Riccati微分方程的稳态解P取代最优控制律中的P(t)。该P是代数Riccati方程的唯一正定解:
0=A′P+PA-PBR-1B′P+Q
最优控制由以下方程给出:
u(t)=(-R-1B′P(t))x(t),或
u(t)=(-R-1B′P)x(t)
最优控制也可由以下线性状态反馈控制律给出:
u(k)=(-(R+B′P(k+1)B)-1B′P(k+1)A)x(k)
这里,n×n矩阵P(k)是Riccati微分方程的解。
以下Riccati矩阵微分方程可用于离散时间,针对{P(t),k∈{0,...,N}}求解:
P(k)=Q+A′P(k+1)A-A′P(k+1)B(R+B′P(k+1)B)-1B′P(k+1)A,P(N)=Qf
如果N=∞,则稳态解P取代P(k)。该P是通过代数Riccati方程找到的唯一正定解:
P=Q+A′PA-A′PB(R+B′PB)-1B′PA
最优控制由以下方程给出:
u(k)=(-(R+B′P(k+1)B)-1B′P(k+1)A)x(k),或
u(k)=(-(R=B′PB)-1B′PA)x(k)
此外,如果T=1(或N=1),则项P(t)(或P(k)由作为关联的Riccati代数方程的解的常数矩阵取代。在一些示例中,可针对离散和连续时间使用不同的版本。
在各种示例中,LQR可用于跟踪一些期望的轨迹~x()。在最简单的情况下,该轨迹是期望的非零常数设定点~x。期望的轨迹的解可作为单独的问题呈现,例如基于变分法的开环最优控制。例如,目标可被表示为:
线性二次高斯控制器-Kalman估计器
对于由状态空间模型xc(k+1)=Axc(k)+Buo(k)描述的系统,可针对全状态矢量X并考虑扰动和噪声矢量来估计x的值。可如下执行估计:
步骤1-预测的状态为:
xc(kp)=Acxc(k-1)+Bcu(k)+w(k)
步骤2-预测的过程协方差矩阵可被给出为:
Pkp=Acpk-1Ac T+Qk
步骤3-Kalman增益K可被计算为:
K=PkpHT/(HPkpHT+R)
其中R是传感器噪声协方差矩阵。
步骤4-新的观测被提供为:
Yk=CcYkc+Zk
步骤5-当前状态被提供为:
xc(k)=xc(kp)+KG[Yk-Hxc(kp)]
步骤6-协方差过程更新为:
Pk-(I-KH)Pkp
步骤7-返回到步骤1以进行后续迭代,其中xc(k)≥xc(k-1),并且Pkp≥Pk-1。
在一些示例中,可实现Kalman滤波器。Kalman滤波器可描述当处理高斯白噪声时所使用的最优估计器。可使用以下MATLAB语句推导Kalman状态估计器:
[kest,L,P]=Kalman(sys,Qn,Rn,Nn)
x(est)=Ax+Bu+Gw
y=Cx+Du+Hw+v
这里,L是Kalman增益,P是协方差矩阵,w和v被建模为白噪声。
然后,软件可使用以下方程生成估计:
这里,u对应于控制,y对应于测量。另外,
Qn=E(wwT),Rn=E(vvT),Nn=E(wvT)
这使渐进协方差最小:
方程4:
估计误差为x-x(est)。
图5A示出根据一个或更多个示例的LQG调节器501的示例。LQG调节器501包括LQR514-A和Kalman估计器516-A。在一些示例中,LQR 514-A可以是LQR 314或324。在一些示例中,Kalman滤波器516-A可以是Kalman滤波器316或326。给定上述LQR和Kalman估计器,可通过将它们组合来形成LQG。在一些示例中,可使用MATLAB来形成LQG调节器。在一些示例中,Kalman滤波器kest和LQ最优增益K可使用以下命令来连接:
regulator=lqgreg(kest,K)
该命令形成如图5A所示的LQG调节器。在各种示例中,图5A所示的配置确保了致动器的输出y(k)处于状态(0)。
图5B示出根据一个或更多个示例的LQG伺服控制器502的示例。LQG伺服控制器502包括LQR 514-B和Kalman估计器516-B。在一些示例中,LQR 514-B可以是LQR 314或324。在一些示例中,Kalman滤波器516-B可以是Kalman滤波器316或326。LQG伺服控制器502还可包括积分器520。在一些示例中,可在MATLAB中通过使用以下命令将Kalman滤波器kest与LQ最优增益K连接来形成LQG伺服控制器502:
servocontroller=lqgtract(kest,K)
该命令形成如图5B所示的LQG调节器。在各种示例中,图5B所示的配置确保了致动器的输出y(k)在抵制输入噪声w(k)和扭矩扰动v(k)的同时跟踪参考命令r(k)。
返回参照图3B,系统301表示根据一个或更多个示例的具有前馈和反馈补偿的MPC-LQR模型的示例。该系统301展示了使用LQR的最优反馈补偿以及使用MPC的自适应前馈补偿。根据各种示例,针对各个致动器使用线性二次高斯伺服控制器实现反馈补偿,并且使用MPC实现前馈补偿。
该系统还展示了副翼上的SHA与EHA之间的最优反馈补偿。在一些示例中,针对各个致动器使用线性二次高斯伺服控制器实现反馈补偿。伺服控制器确保了位置输出在抵制力纷争扰动的同时跟踪参考命令。
该系统展示了副翼表面上的伺服液压致动器(SHA)与电液压致动器(EHA)之间的力纷争反馈补偿。根据各种示例,针对各个致动器使用MPC实现力纷争反馈补偿。如所示,各个MPC控制器被局部地应用于相应致动器。对致动器的位置命令的主要控制是MPC的操纵变量。
然后,致动器的输出被反馈到被控对象的内环补偿器和MPC中。如所示,力纷争输出作为测量的扰动输入被反馈到MPC中。当测量的力纷争偏离零时,这影响动态响应。如果扰动模型预测持续的值,则MPC调整将继续,直至被控对象输出返回到零。因此,MPC确保了对于力纷争误差的非常宽的变化,系统维持在操作限度内。
飞机以及制造和操作飞机的方法的示例
为了更好地理解所描述的系统和技术的实现方式的各种方面,现在呈现飞机和机翼的简要描述。图6是根据一些示例的飞机600的示意图。如图6中所描绘的,飞机600由纵轴(X轴)、横轴(Y轴)和垂直轴(Z轴)限定。在各种示例中,飞机600包括具有内部670的机身650。飞机600包括联接到机身650的机翼620。飞机600还可包括由机翼620支撑的引擎630。在一些示例中,飞机600还包括若干高级检查系统,例如电气检查系统640和环境检查系统660。在其它示例中,可包括任何数量的其它检查系统。
图6所示的飞机600是载具的一个示例,其部件可被制造、修改或机加工以包括根据例示示例的系统100、200、300和301中的至少一个。尽管示出了航天示例,但本文所公开的原理可被应用于诸如汽车工业的其它工业。因此,除了飞机600之外,本文所公开的原理可应用于其它载具,例如陆地载具、海洋载具、太空载具等。
可在如图7所示的飞机制造和服务方法700以及如图6所示的飞机600的背景下描述本公开的示例。在生产前,例示方法700可包括飞机600的规格和设计(方框704)以及材料采购(方框706)。在生产期间,可进行飞机600的部件和分总成制造(方框708)以及检查系统集成(方框710)。所描述的装置和组件以及对应方法可用在至少一个飞机600的规格和设计(方框704)、材料采购(方框706)、部件和分总成制造(方框708)以及飞机600的检查系统集成(方框710)中的任一个中。
此后,飞机600可经受认证和配送(方框712)以投入服务(方框714)。在投入服务期间,可为飞机600安排例行维护和服务(方框716)。例行维护和服务可包括飞机600的一个或更多个检查系统的修改、重新配置、改造等。所描述的装置和组件以及对应方法可用在认证和配送(方框712)、服务(方框714)以及例行维护和服务(方框716)中的任一个中。
例示方法700的各个处理可由检查系统集成商、第三方或运营商(例如,顾客)来执行或完成。为了本说明书的目的,检查系统集成商可包括(但不限于)任何数量的飞机制造商和主检查系统分包商;第三方可包括(但不限于)任何数量的卖方、分包商和供应商;运营商可以是航空公司、租赁公司、军方实体、服务组织等。
可在制造和服务方法(例示方法700)的任一个或更多个阶段期间采用本文所示出或描述的系统、设备和对应方法。例如,与部件和分总成制造(方框708)对应的部件或分总成可按照与飞机600投入服务(方框714)期间生产的部件或分总成相似的方式来加工或制造。另外,所述系统、设备、方法或其组合的一个或更多个示例可在生产阶段(方框708)和(方框710)期间例如用于显著加速飞机600的组装或降低飞机600的成本。类似地,所述系统、设备或方法实现或其组合的一个或更多个示例可在(例如但不限于)飞机600投入服务(方框714)以及维护和服务(方框716)中的至少一个期间使用。
此外,本公开包括根据以下条款的示例:
条款1.一种驱动控制器单元,该驱动控制器单元包括:第一前馈控制器,其被配置为接收驱动命令信号,该第一前馈控制器与第一致动器通信;第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器中,该第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入;第二前馈控制器,其被配置为接收驱动命令信号,该第二前馈控制器与第二致动器通信;以及第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器中,该第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入,其中,驱动控制器单元利用两个前馈控制器和两个反馈调节器以在驱动公共副翼的同时使力纷争最小。
条款2.根据条款1所述的驱动控制器单元,其中,前馈控制器包括预测致动器行为的内部被控对象模型。
条款3.根据条款1所述的驱动控制器单元,其中,前馈控制器包括内部优化器,其被配置为按照控制区间k构建和解决约束优化问题。
条款4.根据条款1所述的驱动控制器单元,其中,反馈调节器被配置成内环噪声抑制器和被控对象扰动补偿器。
条款5.根据条款1所述的驱动控制器单元,其中,反馈调节器被配置成线性二次高斯控制器(LQG)。
条款6.根据条款5所述的驱动控制器单元,其中,LQG包括线性二次调节器(LQR)和Kalman估计器。
条款7.根据条款6所述的驱动控制器单元,其中,Kalman估计器以U(k)和Y(k)作为输入,其中U(k)是LQR的输出并且Y(k)是致动器的输出加扭矩扰动,并且输出X(k),该X(k)作为输入被反馈到LQR中。
条款8.根据条款7所述的驱动控制器单元,其中,Y(k)对应于位置、电流、速度、力和压力,并且作为附加输入被反馈到前馈控制器中。
条款9.根据条款1所述的驱动控制器单元,其中,驱动控制器单元还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
条款10.根据条款1所述的驱动控制器单元,其中,前馈控制器包括局部反馈补偿器,其负责补偿第一致动器和第二致动器之间的静态力和动态力的差异。
条款11.一种飞机,该飞机包括:处理器;副翼;第一致动器;第二致动器;第一前馈控制器,其被配置为从处理器接收驱动命令信号,该第一前馈控制器与第一致动器通信;第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器中,该第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入;第二前馈控制器,其被配置为接收驱动命令信号,该第二前馈控制器与第二致动器通信;以及第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器中,该第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入,其中,该飞机利用这两个前馈控制器和这两个反馈调节器以在驱动副翼的同时使力纷争最小。
条款12.根据条款11所述的飞机,其中,前馈控制器包括预测致动器行为的内部被控对象模型。
条款13.根据条款11所述的飞机,其中,前馈控制器包括内部优化器,其被配置为按照控制区间k构建和解决约束优化问题。
条款14.根据条款11所述的飞机,其中,反馈调节器被配置成内环噪声抑制器和被控对象扰动补偿器。
条款15.根据条款11所述的飞机,其中,反馈调节器被配置成线性二次高斯控制器(LQG)。
条款16.根据条款15所述的飞机,其中,LQG包括线性二次调节器(LQR)和Kalman估计器。
条款17.根据条款16所述的飞机,其中,Kalman估计器以U(k)和Y(k)作为输入,其中U(k)是LQR的输出并且Y(k)是致动器的输出加扭矩扰动,并且Kalman估计器输出X(k),该X(k)作为输入被反馈到LQR中。
条款18.根据条款17所述的飞机,其中,Y(k)对应于位置、电流、速度、力和压力,并且作为附加输入被反馈到前馈控制器中。
条款19.根据条款11所述的飞机,其中,该飞机还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
条款20.根据条款11所述的飞机,其中,前馈控制器包括局部反馈补偿器,其负责补偿第一致动器和第二致动器之间的静态力和动态力的差异。
条款21.一种力纷争补偿系统,该力纷争补偿系统包括:第一前馈控制器,其被配置为接收驱动命令信号,该第一前馈控制器与第一致动器通信;第一反馈调节器,其被配置为将第一反馈输入输出到第一前馈控制器中,该第一反馈调节器还被配置为接收第一致动器位置和第一致动器力作为输入;第二前馈控制器,其被配置为接收驱动命令信号,该第二前馈控制器与第二致动器通信;以及第二反馈调节器,其被配置为将第二反馈输入输出到第二前馈控制器中,该第二反馈调节器还被配置为接收第二致动器位置和第二致动器力作为输入,其中,力纷争补偿系统利用这两个前馈控制器和这两个反馈调节器以在驱动公共副翼的同时使力纷争最小。
条款22.根据条款21所述的力纷争补偿系统,其中,前馈控制器包括预测致动器行为的内部被控对象模型。
条款23.根据条款21所述的力纷争补偿系统,其中,前馈控制器包括内部优化器,其被配置为按照控制区间k构建和解决约束优化问题。
条款24.根据条款21所述的力纷争补偿系统,其中,反馈调节器被配置成内环噪声抑制器和被控对象扰动补偿器。
条款25.根据条款21所述的力纷争补偿系统,其中,反馈调节器被配置成线性二次高斯控制器(LQG)。
条款26.根据条款25所述的力纷争补偿系统,其中,LQG包括线性二次调节器(LQR)和Kalman估计器。
条款27.根据条款26所述的力纷争补偿系统,其中,Kalman估计器以U(k)和Y(k)作为输入,其中U(k)是LQR的输出并且Y(k)是致动器的输出加扭矩扰动,并且Kalman估计器输出X(k),该X(k)作为输入被反馈到LQR中。
条款28.根据条款27所述的力纷争补偿系统,其中,Y(k)对应于位置、电流、速度、力和压力,并且作为附加输入被反馈到前馈控制器中。
条款29.根据条款21所述的力纷争补偿系统单元,其中,力纷争补偿系统还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
条款30.根据条款21所述的力纷争补偿系统,其中,前馈控制器包括局部反馈补偿器,其负责补偿第一致动器和第二致动器之间的静态力和动态力的差异。
尽管已参照其特定示例具体地示出和描述了本公开,本领域技术人员将理解,在不脱离本公开的精神或范围的情况下,可进行所公开的示例的形式和细节上的改变。因此,本公开旨在被解释为包括落入本公开的真实精神和范围内的所有变化和等同物。尽管为了方便,上面以单数形式描述了许多组件和处理,本领域技术人员将理解,也可使用多个组件和重复的处理来实践本公开的技术。
Claims (10)
1.一种驱动控制器单元(300),该驱动控制器单元(300)包括:
第一前馈控制器(310),其被配置为接收驱动命令信号(330),该第一前馈控制器与第一致动器(110)通信;
第一反馈调节器(312),其被配置为将第一反馈输入输出到所述第一前馈控制器,该第一反馈调节器还被配置为接收第一致动器位置(334-A)和第一致动器力(336-A)作为输入;
第二前馈控制器(320),其被配置为接收所述驱动命令信号,该第二前馈控制器与第二致动器(120)通信;以及
第二反馈调节器(322),其被配置为将第二反馈输入输出到所述第二前馈控制器,该第二反馈调节器还被配置为接收第二致动器位置(334-B)和第二致动器力(336-B)作为输入,
其中,所述驱动控制器单元利用这两个前馈控制器和这两个反馈调节器以在驱动飞机(600)的公共控制面(102)的同时使力纷争最小。
2.根据权利要求1所述的驱动控制器单元,其中,所述前馈控制器包括内部被控对象模型(410),该内部被控对象模型(410)预测致动器行为。
3.根据权利要求1所述的驱动控制器单元,其中,所述前馈控制器包括内部优化器(462),该内部优化器(462)被配置为按照控制区间k构建并解决约束优化问题。
4.根据权利要求1所述的驱动控制器单元,其中,所述反馈调节器被配置成内环噪声抑制器和被控对象扰动补偿器。
5.根据权利要求1所述的驱动控制器单元,其中,所述反馈调节器被配置成线性二次高斯控制器LQG。
6.根据权利要求5所述的驱动控制器单元,其中,所述LQG包括线性二次调节器LQR和Kalman估计器。
7.根据权利要求6所述的驱动控制器单元,其中,所述Kalman估计器以U(k)和Y(k)作为输入,其中,U(k)是所述LQR的输出,Y(k)是致动器的输出加扭矩扰动,并且所述Kalman估计器输出X(k),该X(k)作为输入被反馈到所述LQR。
8.根据权利要求7所述的驱动控制器单元,其中,Y(k)对应于位置、电流、速度、力和压力,并作为附加输入被反馈到所述前馈控制器。
9.根据权利要求1所述的驱动控制器单元,其中,所述驱动控制器单元还被配置为使用数字滤波器和前瞻算法来抵制快速动态瞬时力纷争,所述前瞻算法预测并消除位置、力和力纷争瞬态。
10.根据权利要求1所述的驱动控制器单元,其中,所述前馈控制器包括局部反馈补偿器,所述局部反馈补偿器负责补偿所述第一致动器和所述第二致动器之间的静态力和动态力的差异。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/799,724 US10759519B2 (en) | 2017-10-31 | 2017-10-31 | Adaptive feedback control of force fighting in hybrid actuation systems |
US15/799,724 | 2017-10-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109725527A true CN109725527A (zh) | 2019-05-07 |
CN109725527B CN109725527B (zh) | 2023-02-17 |
Family
ID=63490148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810834257.5A Active CN109725527B (zh) | 2017-10-31 | 2018-07-26 | 驱动控制器单元 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10759519B2 (zh) |
EP (2) | EP3476724A3 (zh) |
JP (1) | JP7211759B2 (zh) |
CN (1) | CN109725527B (zh) |
BR (1) | BR102018071786A2 (zh) |
CA (1) | CA3010063C (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3061136B1 (fr) * | 2016-12-23 | 2019-05-24 | Safran Electronics & Defense | Actionneur electromecanique de surface mobile de vol |
JP7003623B2 (ja) * | 2017-12-15 | 2022-01-20 | オムロン株式会社 | 制御システム |
EP3739401A4 (en) * | 2018-01-11 | 2021-10-06 | Omron Corporation | METHOD OF DEFINING CONTROL PARAMETERS FOR MODEL PREDICTION CONTROL PURPOSES |
JP7148295B2 (ja) * | 2018-07-04 | 2022-10-05 | キヤノン株式会社 | 制御装置、露光装置及び物品の製造方法 |
US10668931B2 (en) * | 2018-08-16 | 2020-06-02 | Mitsubishi Electric Research Laboratories, Inc. | Controlling system subject to partially hidden actuator dynamics |
RU2734153C1 (ru) * | 2019-06-28 | 2020-10-13 | Акционерное общество "Российская самолетостроительная корпорация "МиГ" (АО "РСК "МиГ") | Нелинейное корректирующее устройство для систем автоматического управления |
US11486477B2 (en) | 2019-09-10 | 2022-11-01 | The Boeing Company | System and method for monitoring the remaining useful life of a ball screw in actuation system |
US11644814B2 (en) * | 2019-11-20 | 2023-05-09 | Abb Schweiz Ag | Method and apparatus for coordinating the utilization of operational zones to achieve production goals |
US11326628B2 (en) * | 2019-12-09 | 2022-05-10 | The Boeing Company | Hydraulic actuation system for imparting rotation |
US10988237B1 (en) * | 2019-12-17 | 2021-04-27 | The Boeing Company | Feed forward equalization control for active-active redundant actuation systems |
CN111196560B (zh) * | 2020-01-03 | 2020-10-20 | 山东大学 | 桥式起重机危险区域范围动态调整方法及系统 |
ES2969875T3 (es) * | 2020-07-09 | 2024-05-23 | Airbus Defence And Space Sau | Sistema y método de control de un actuador para una superficie de control de vuelo de una aeronave |
US11987344B2 (en) * | 2020-07-13 | 2024-05-21 | Embraer S.A. | Rudder system architecture for electrical actuators |
CN114442601A (zh) * | 2020-11-06 | 2022-05-06 | 郑州宇通客车股份有限公司 | 一种无人驾驶车辆跟踪控制方法及装置 |
CN113110051B (zh) * | 2021-04-14 | 2022-03-04 | 南开大学 | 考虑误差约束的打磨机器人力/位混合控制方法及系统 |
CN113867155B (zh) * | 2021-11-10 | 2023-05-26 | 中国科学院光电技术研究所 | 一种适用于光电跟踪系统的扰动辨识和自适应补偿方法 |
US11358730B1 (en) | 2021-11-12 | 2022-06-14 | Beta Air, Llc | Systems and methods for an aircraft motion observer in an electric aircraft |
CN114280932B (zh) * | 2021-12-14 | 2023-11-10 | 中国运载火箭技术研究院 | 一种考虑伺服机构动态特性的运载器位姿一体化控制方法 |
CN116969331B (zh) * | 2023-09-21 | 2023-12-12 | 华侨大学 | 一种五次多项式平滑自定义轨迹精度并联起重机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09146606A (ja) * | 1995-11-27 | 1997-06-06 | Kayaba Ind Co Ltd | サーボ制御システム |
US20110108671A1 (en) * | 2009-11-09 | 2011-05-12 | Honeywell International Inc. | Flight control surface actuation force fight mitigation system and method |
CN102414510A (zh) * | 2009-03-24 | 2012-04-11 | 西门子公司 | 用于调节蒸汽发电设备的蒸汽温度的方法和设备 |
CN104265708A (zh) * | 2014-09-04 | 2015-01-07 | 北京航空航天大学 | 一种基于运动状态同步的自适应解耦控制方法 |
CN104949093A (zh) * | 2014-03-26 | 2015-09-30 | 西门子公司 | 用于蒸汽发电厂的蒸汽产生器的状态观察器 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208914B1 (en) * | 1996-11-21 | 2001-03-27 | Barron Associates, Inc. | System for improved receding-horizon adaptive and reconfigurable control |
US6052647A (en) * | 1997-06-20 | 2000-04-18 | Stanford University | Method and system for automatic control of vehicles based on carrier phase differential GPS |
CA2347556A1 (en) * | 2001-05-10 | 2002-11-10 | Bombardier Inc. | Unknown |
US7260501B2 (en) * | 2004-04-21 | 2007-08-21 | University Of Connecticut | Intelligent model-based diagnostics for system monitoring, diagnosis and maintenance |
CN101339406B (zh) * | 2007-07-04 | 2011-05-11 | 中国科学院自动化研究所 | 一种自适应控制器及方法 |
US8295951B2 (en) * | 2007-12-21 | 2012-10-23 | The University Of Florida Research Foundation, Inc. | Systems and methods for offset-free model predictive control |
US8245967B2 (en) | 2008-11-25 | 2012-08-21 | The Boeing Company | Actuator force equalization controller |
JP2010164287A (ja) * | 2009-01-14 | 2010-07-29 | Konno Kenichi | 地雷除去装置 |
CN101989069B (zh) * | 2009-07-30 | 2013-04-24 | 中国商用飞机有限责任公司 | 力纷争试验方法 |
US8885315B2 (en) * | 2009-10-15 | 2014-11-11 | Hamilton Sundstrand Corporation | Multi-actuator motion control system |
US9494925B2 (en) * | 2011-12-20 | 2016-11-15 | United Technologies Corporation | Hybrid control system |
CN103213506B (zh) * | 2013-05-06 | 2015-07-15 | 西北工业大学 | 一种用于飞机电刹车双y型无刷直流电机的控制方法 |
US9397587B2 (en) | 2013-11-20 | 2016-07-19 | Massachusetts Institute Of Technology | Multi-actuator design and control for a high-speed/large-range nanopositioning system |
EP3225540B1 (en) * | 2016-03-30 | 2020-11-18 | Goodrich Actuation Systems SAS | Force fight mitigation |
US10604236B2 (en) * | 2016-06-01 | 2020-03-31 | Regents Of The University Of Minnesota | Fault-tolerant aircraft flight control using a subset of aerodynamic control surfaces |
US10479484B2 (en) * | 2017-06-14 | 2019-11-19 | The Boeing Company | Methods and apparatus for controlling aircraft flight control surfaces |
-
2017
- 2017-10-31 US US15/799,724 patent/US10759519B2/en active Active
-
2018
- 2018-06-28 CA CA3010063A patent/CA3010063C/en active Active
- 2018-07-26 CN CN201810834257.5A patent/CN109725527B/zh active Active
- 2018-08-08 EP EP18187997.4A patent/EP3476724A3/en active Pending
- 2018-08-08 EP EP24159551.1A patent/EP4350452A2/en active Pending
- 2018-10-23 BR BR102018071786-3A patent/BR102018071786A2/pt active Search and Examination
- 2018-10-23 JP JP2018199480A patent/JP7211759B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09146606A (ja) * | 1995-11-27 | 1997-06-06 | Kayaba Ind Co Ltd | サーボ制御システム |
CN102414510A (zh) * | 2009-03-24 | 2012-04-11 | 西门子公司 | 用于调节蒸汽发电设备的蒸汽温度的方法和设备 |
US20110108671A1 (en) * | 2009-11-09 | 2011-05-12 | Honeywell International Inc. | Flight control surface actuation force fight mitigation system and method |
CN104949093A (zh) * | 2014-03-26 | 2015-09-30 | 西门子公司 | 用于蒸汽发电厂的蒸汽产生器的状态观察器 |
CN104265708A (zh) * | 2014-09-04 | 2015-01-07 | 北京航空航天大学 | 一种基于运动状态同步的自适应解耦控制方法 |
Non-Patent Citations (2)
Title |
---|
WAHEEDUR REHMAN等: "Motion synchronization in a dual redundant HA/EHA system by using a hybrid integrated intelligent control design", 《CHINESE JOURNAL OF AERONAUTICS》 * |
WANGJUN等: "Active fault tolerant control for vertical tail damaged aircraft with dissimilar redundant actuation system", 《CHINESE JOURNAL OF AERONAUTICS》 * |
Also Published As
Publication number | Publication date |
---|---|
JP7211759B2 (ja) | 2023-01-24 |
JP2019112044A (ja) | 2019-07-11 |
EP3476724A3 (en) | 2019-05-22 |
BR102018071786A2 (pt) | 2019-11-26 |
EP4350452A2 (en) | 2024-04-10 |
US10759519B2 (en) | 2020-09-01 |
CA3010063A1 (en) | 2019-04-30 |
CA3010063C (en) | 2022-12-13 |
EP3476724A2 (en) | 2019-05-01 |
CN109725527B (zh) | 2023-02-17 |
US20190127049A1 (en) | 2019-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109725527A (zh) | 混合致动系统中的力纷争的自适应反馈控制 | |
US10061286B2 (en) | Model predictive control using wireless process signals | |
US7930045B2 (en) | Two-stage model predictive control technique | |
Yao et al. | Nonlinear adaptive robust backstepping force control of hydraulic load simulator: Theory and experiments | |
EP2447792A1 (en) | Controllers, observer, and applications thereof | |
EP0710901A1 (en) | Multivariable nonlinear process controller | |
Zabiri et al. | A hybrid formulation and design of model predictive control for systems under actuator saturation and backlash | |
CN111095130B (zh) | 用于控制飞机发动机的混合系统和控制其的方法 | |
Liu et al. | Adaptive dynamic surface error constrained control for MIMO systems with backlash-like hysteresis via prediction error technique | |
Puglisi et al. | Robustness analysis of a PI controller for a hydraulic actuator | |
US4728481A (en) | Full range nuclear power plant steam generator level control system | |
Rangegowda et al. | Fault tolerant control of a nuclear steam generator in the presence of sensor biases | |
Passenbrunner et al. | Optimality-based dynamic allocation with nonlinear first-order redundant actuators | |
Herrmann et al. | A robust sliding-mode output tracking control for a class of relative degree zero and non-minimum phase plants: a chemical process application | |
Delatore et al. | Multivariable optimal control of a heat exchanger network with bypasses | |
Ghazali et al. | Perfect tracking control with discrete-time lqr for a non-minimum phase electro-hydraulic actuator system | |
Zhu et al. | Global sliding-mode dynamic surface control for MDF continuous hot-pressing slab thickness via LESO | |
Basile et al. | Implementation of hydraulic servo controllers with only position measure | |
Hovd | Lecture notes for the course Advanced Control of Industrial Processes | |
Acuña et al. | Embedded model control applied to mobile hydraulic systems | |
Na et al. | Modified two-degree-of freedom fractional order Smith predictive control for MIMO processes with time-delays | |
Ammar | An LMI tuning technique for robust constrained cross-direction controllers | |
Du | Comparison of two gap-metric-based weighting methods in multilinear model control | |
Wang | An active disturbance rejection control solution for electro-hydraulic servo systems | |
BAKKE | 1.22 Tuning by Computer |
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 |