CN110308654B - 基于模型预测控制的电感耦合等离子体产生系统的整定方法 - Google Patents
基于模型预测控制的电感耦合等离子体产生系统的整定方法 Download PDFInfo
- Publication number
- CN110308654B CN110308654B CN201910584854.1A CN201910584854A CN110308654B CN 110308654 B CN110308654 B CN 110308654B CN 201910584854 A CN201910584854 A CN 201910584854A CN 110308654 B CN110308654 B CN 110308654B
- Authority
- CN
- China
- Prior art keywords
- generating system
- inductively coupled
- coupled plasma
- plasma generating
- model
- 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
本发明公开了一种基于模型预测控制的电感耦合等离子体产生系统的整定方法,是以鲁棒稳定性条件、输出的稳态误差判决门限为约束,以最小化不同不确定性等级下的最大输出震荡量为整定目标,根据稳态误差判决门限和不同的电感耦合等离子体产生系统真实模型的不确定性等级自动获取最优整定参数。先建立电感耦合等离子体产生系统的名义数学模型;设计模型预测控制器,构造带约束的代价函数,确定模型预测控制器的整定参数;然后确定电感耦合等离子体产生系统的真实传递函数模型的不确定性等级及灵敏度函数边界值;最后以输出的稳态误差判决门限为约束,确定满足稳态误差和鲁棒稳定性条件的模型预测控制器的整定参数,提升了系统的时域输出性能。
Description
技术领域
本发明属于自动控制技术领域,涉及一种基于模型预测控制(MPC)算法的电感耦合等离子体产生系统(Inductively Coupled Plasma,简称ICP产生系统)的整定方法。
背景技术
高超声速飞行器再入地球大气层时,机体与空气剧烈摩擦,会产生等离子鞘套。电子密度变化的等离子体鞘层会产生一系列的电磁效应,不仅会削弱通信及检测信号,还会使通信系统的特性发生畸变,极端情况下等离子鞘套会造成飞行器与外界通信中断,产生“黑障”现象。为了复现黑障环境,研究不同电子密度下的等离子体对遥测遥控信号的影响,首要问题便是产生具有特定电子密度参数的等离子体产生装置。因此,实现电子密度准确、高效的控制具有重要意义。
目前,等离子体段的控制方法主要有两种:比例-积分-微分(PID)控制和MPC算法。ICP产生系统的物理进程呈现出多变量耦合、多约束的特点,而MPC在处理多变量耦合和多约束控制问题时,较PID都有着显著的优势。然而,MPC控制算法对控制系统的数学模型有着较高的要求,因而采用MPC算法实现ICP产生系统的可靠性和精确跟踪的前提是获取准确的ICP控制系统的数学模型。事实上,在工程应用中,ICP产生系统的真实控制模型往往是不能确定的,通过输入输出数据辨识得到的名义系统控制模型始终与ICP产生系统的真实控制模型存在辨识误差。模型误差的存在会导致控制器的输出性能恶化,严重时会导致ICP产生系统输出不稳定。同时,工程应用中对控制器的时域输出性能也有着严格的要求。而MPC控制器权重参数选择对控制器的鲁棒性和时域输出性能有着至关重要的影响,故可以通过优化权重参数以解决上述问题。由此可见,需要一种可以提升MPC控制器鲁棒性和时域输出性能的整定优化方法,对传统的MPC控制器的代价函数权重参数进行优化整定,使得预测控制器能够满足不同不确定性等级系统进程的鲁棒性和时域性能要求。
发明内容
基于上述目的,本发明提供一种基于模型预测控制的电感耦合等离子体产生系统的优化方法,为ICP产生系统的控制提供一种整定方法,以解决由于ICP产生系统的控制真实模型的不确定性问题所导致的ICP产生系统的时域输出性能下降的问题。
本发明所采用的技术方案是,基于模型预测的电感耦合等离子体产生系统的整定方法,是以鲁棒稳定性条件、输出的稳态误差判决门限为约束,以最小化不同不确定性等级下的最大输出震荡量为整定目标,根据稳态误差判决门限和不同的ICP产生系统真实模型的不确定性等级自动获取最优整定参数。
进一步的,具体步骤如下:
步骤S1、建立ICP产生系统的名义数学模型;
步骤S2、对ICP产生系统的名义数学模型进行离散化处理;
步骤S3、基于离散化的ICP产生系统的名义数学模型,设计MPC控制器,构造带约束的代价函数;
步骤S4、基于ICP产生系统的名义数学模型,确定ICP产生系统真实的数学模型的不确定性等级;
步骤S5、基于闭环系统鲁棒稳定性条件和ICP产生系统真实传递函数模型的不同不确定性等级,确定灵敏度函数边界值;
步骤S6、以输出的稳态误差判决门限为约束,确定满足稳态误差和鲁棒稳定性条件的MPC控制器的整定参数即最优整定参数,使得不同不确定性等级下的最大输出震荡量最小。
进一步的,所述步骤S1采用稳态响应和动态响应相结合的建模方法建立名义ICP产生系统的名义数学模型,其名义数学模型可表征为:
Y(s)=Gnom(s)U(s);
其中,Ne为电子密度,Ve为气体流速,Y(s)为ICP产生系统的名义数学模型在s域的输出;PICP为电源功率,AICP为进气量,U(s)为ICP产生系统的名义数学模型在s域的输入;Gnom(s)为ICP产生系统在s域的名义传递函数模型,Gnom11(s)为电子密度对电源功率的响应在s域的名义子传递函数模型,Gnom12(s)为电子密度对进气量的响应在s域的名义子传递函数模型,Gnom21(s)为气体流速对电源功率的响应在s域的名义子传递函数模型,Gnom22(s)为气体流速对进气量的响应在s域的名义子传递函数模型;其中,g11为电子密度对电源功率的稳态响应,h11为电子密度对电源功率的动态响应,g12为电子密度对进气量的稳态响应,h12为电子密度对进气量的动态响应,g21为气体流速对电源功率的稳态响应,h21为气体流速对电源功率的动态响应,g22为气体流速对进气量的稳态响应,h22为气体流速对进气量的动态响应。即ICP产生系统的真实传递函数模型由4个子传递函数模型构成。
进一步的,所述步骤S2采用零阶保持法对ICP产生系统的名义数学模型进行离散化,离散化的电ICP产生系统的名义数学模型为:
其中,x(k)为离散化的ICP产生系统的名义模型在当前采样时刻即k采样时刻的状态值,x(k+1)为离散化的ICP产生系统的名义模型在下一采样时刻即k+1采样时刻的状态值,u(k)为离散化的ICP产生系统的名义模型在k采样时刻的输入,y(k)为离散化的ICP产生系统的名义模型在k采样时刻的输出,A、B和C为离散化的ICP产生系统的名义数学模型的状态空间矩阵。
其中,为MPC控制器的预测输出;Yref为MPC控制器的参考信号,即ICP产生系统的目标信号;U为MPC控制器的输入,即ICP产生系统的输入;Hp为MPC控制器的预测步长,Hc为MPC控制器的控制步长;umin为输入约束的最小值,umax为输入约束的最大值,Δumin为输入增量约束的最小值,Δumax为输入增量约束的最大值;u(k+j)为MPC控制器当前k时刻所预测k+j采样时刻的输入值;为MPC控制器在k采样时刻预测的ICP产生系统在k+j采样时刻的状态值,为MPC控制器在k时刻预测的ICP产生系统在k+j采样时刻的输出值;Aj为状态空间矩阵A的j次方,Aj-i为状态空间矩阵A的j-i次方,Q1为MPC控制器预测输出和MPC控制器的参考信号的误差的代价函数权重值,Q2为MPC控制器的输入的代价函数权重;
依据MPC控制器的代价函数得知,通过调节Q1和Q2的取值能够调节MPC控制器的控制特性,设定Q1为一个固定值、Q2=γQ1,γ为整定比,通过γ能够调节MPC控制器的性能,即MPC控制器的整定参数为整定比γ。
进一步的,所述步骤S4中ICP产生系统的真实传递函数模型为:
Greal(z)=Gnom(z)+ΔG(z);
其中,Greal(z)为ICP产生系统在z域的真实传递函数模型,Gnom(z)为ICP产生系统在z域的名义传递函数模型,ΔG(z)为ICP产生系统在z域的名义传递函数模型的附加不确定性函数,则上式中可以写为:
其中,Gnom11(z)表征Gnom11(s)在z域的表达式,Gnom12(z)表征Gnom12(s)在z域的表达式,Gnom21(z)表征Gnom21(s)在z域的表达式,Gnom22(z)表征Gnom22(s)在z域的表达式;ΔG11(z)表征Gnom11(z)的附加不确定性在z域的表达式,ΔG12(z)表征Gnom12(z)的附加不确定性在z域的表达式,ΔG21(z)表征Gnom21(z)的附加不确定性在z域的表达式,ΔG22(z)表征Gnom22(z)的附加不确定性在z域的表达式;Greal11(z)为电子密度对电源功率的响应在z域的真实子传递函数模型,Greal12(z)为电子密度对进气量的响应在z域的真实子传递函数模型,Greal21(z)为气体流速对电源功率的响应在z域的真实子传递函数模型,Greal22(z)为气体流速对进气量的响应在z域的真实子传递函数模型。
进一步的,所述步骤S4中真实的ICP产生系统的传递函数模型的不确定性等级为其4个子传递函数模型的不确定等级的最大值,通过下式计算得到:
上式中,(i’,j’)表征子传递函数的行列,εGnom(i',j')表征ICP产生系统的名义子传递函数模型Gnom(i′,j′)的阶跃响应幅值,εGreal(i',j')表征ICP产生系统的真实子传递函数模型Greal(i′,j′)的阶跃响应幅值;l表征阶跃响应幅值采样个数,t表示阶跃响应幅值的第t个采样点,t=1,2,…,l;此处得到的是大于零的不确定性等级值ζ。
进一步的,所述步骤S5是先由下式计算出不同不确定性等级ζ下的ICP产生系统的真实传递函数模型的不确定性指数δ:
上式中,i为虚数,ω为奈奎斯特角频率,δ(|ΔG(ζ,ei2πω)|-1)表征当前不确定性等级ζ下的ICP产生系统的真实传递函数的不确定性指数值;|ΔG11(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对电源功率的响应的真实子传递函数模型的不确定性指数值;|ΔG12(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对进气量的响应的真实子传递函数模型的不确定性指数值;|ΔG21(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对电源功率的响应的真实的子传递函数模型的不确定性指数值;|ΔG22(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对进气量的响应的真实子传递函数模型的不确定性指数值;
然后根据鲁棒稳定性条件和ICP产生系统的真实传递函数的不确定性指数δ(|ΔG(ei2πω)|-1),得到灵敏度函数边界值;
所述当前不确定性等级为ζ的ICP产生系统的真实传递函数模型的不确定性指数值δ(|ΔG(ζ,ei2πω)|-1)的计算方法为:带入当前不确定性等级ζ即可得到ΔG11(z)、ΔG12(z)、ΔG21(z)和ΔG22(z)的表达式,令z=ej2πω,再分别计算在整个ω范围内ΔG11(ej2πω)、ΔG12(ej2πω)、ΔG21(ej2πω)和ΔG22(ej2πω)的绝对值的倒数的最大值,即可得到|ΔG11(ζ,ej2πω)|-1,|ΔG12(ζ,ej2πω)|-1,|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1;然后选取|ΔG11(ζ,ej2πω)|-1、|ΔG12(ζ,ej2πω)|-1、|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1中的最大值作为不确定性等级为ζ的ICP产生系统真实模型的不确定性指数δ(|ΔG(ζ,ei2πω)|-1)。
进一步的,所述步骤S6先基于二分法搜索算法确定满足稳态误差和鲁棒稳定条件的整定比,具体步骤如下:
步骤S61、预设搜索整定比起始值γstart和搜索整定比终止值γend,则整定比γ为:
γ=γstart+γend;
步骤S62、设定输出电子密度的稳态误差和输出气体流速的稳态误差计算当前整定比γ下,等离子体产生段的控制系统输出的电子密度的最大稳态误差ENe(γ,ζ)、气体流速的最大稳态误差EVe(γ,ζ),并执行下式判断:
若上述判断为假,则令γstart=γ,并返回步骤S61继续执行;若上述判断为真,则向下执行;
步骤S63、计算当前整定比γ下的灵敏度函数值Tud(γ,ej2πω),并执行下式判断:
|Tud(γ,ej2πω)|<δ
若上述判断为假,则令γstart=γ,并返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S64、计算当前不确定性级数ζ下,在整定比γ作用下电子密度的最大震荡量TVNe(γ,ζ)并记录保存,计算公式为:
其中,Greal表示ICP产生系统的真实传递函数,yNe(k)表示真实的ICP产生系统在k时刻输出的电子密度,yNe(k-1)表示真实的ICP产生系统在k-1时刻输出的电子密度值;
步骤S65、执行γend=γ,并向下执行;
步骤S66、执行γ=(γstart+γend)/2,并判断下式:
γ<bp*
bp*为预设的二分法搜索的精度,若上式判断为假,则返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S67、比较步骤S64中计算的所有的TVNe(γ,ζ)值,选出其最小值以及其最小值对应的整定比γ,即为最优的整定比γRJT;然后将最优整定比γRJT作为MPC控制器的整定参数。
进一步的,所述权重矩阵Q2=γRJTQ1。
本发明的有益效果是,在确定整定参数时以鲁棒稳定性为约束限制,所确定的参数保证了MPC控制器的鲁棒稳定性。根据真实模型的不确定性等级,自动确定整定参数,保证了MPC控制器的鲁棒稳定性。考虑了输出总震荡量和稳态误差的需求,提升了MPC控制器的时域输出性能。解决了由于ICP产生系统的控制模型的不确定性导致时域输出性能下降的问题。与已有的预测控制整定方法相比,本发明的方法待选参数少、方法简洁、计算量小、通用性强。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明的模型预测控制器结构框图;
图2为本发明的鲁棒整定算法实现流程图;
图3(a)为不确定性ζ=0时,本发明方法与传统方式控制的ICP产生系统的电子密度输出对比曲线图;
图3(b)为不确定性ζ=0.1时,本发明方法与传统方式控制的ICP产生系统的电子密度输出对比曲线图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
基于预测控制的等离子体产生段的控制系统的优化方法,实现思想是以鲁棒稳定性条件、稳态误差判决门限为约束,以最小化不同不确定性等级下的最大输出震荡量为优化目标,根据稳态误差判决门限和不同的模型不确定性等级自动获取最优的鲁棒整定比。
如图2所示,具体步骤如下:
步骤S1、通过稳态响应和动态响应相结合的建模方法,建立ICP产生系统的名义数学模型。
如图1所示,ICP产生系统的传递函数模型为一个双输入双输出数学模型,其输入为高频电源功率和进气量,其输出为电子密度和气体流速。ICP产生系统的名义数学模型可以表述为:
Y(s)=Gnom(s)U(s);
其中,Y为ICP产生系统的名义数学模型的输出,Ne为ICP产生系统的电子密度,Ve为ICP产生系统的气体流速。U为ICP产生系统的名义数学模型的输入,PICP为ICP产生系统的电源功率,AICP为ICP产生系统的进气量。Y(s),U(s)分别表征s域的输入输出。Gnom(s)为ICP产生系统在s域的名义传递函数模型,Gmom11(s)为电子密度对电源功率的响应在s域的名义子传递函数模型,Gmom12(s)为电子密度对进气量的响应在s域的名义子传递函数模型,Gmom21(s)为气体流速对进气量的响应在s域的名义子传递函数模型,Gmom22(s)为气体流速对进气量的响应在s域的名义子传递函数模型。
采用稳态响应和动态响应相结合的方式建立ICP产生系统的名义传递函数模型,则ICP产生系统的名义传递函数模型可表示为:
其中,g11为电子密度对电源功率的稳态响应,g12为电子密度对进气量的稳态响应,g21为气体流速对电源功率的稳态响应,g22为气体流速对进气量的稳态响应;h11为电子密度对电源功率的动态响应,h12为电子密度对进气量的动态响应,h21为气体流速对电源功率的动态响应,h22为气体流速对进气量的动态响应。
对于ICP产生系统而言,其输入为电源功率和进气量,输出为电子密度、气体流速的稳态特性数据g11、g12、g21、g22,和动态特性数据h11、h12、h21、h22,均可通过COMSOL软件仿真得出,动态响应数据及稳态响应数据基于COMSOL软件仿真数据并通过模型辨识方法得出。
步骤S2、使用零阶保持法对ICP产生系统的名义数学模型进行离散化处理。
在添加MPC算法之前还需对ICP产生系统的名义数学模型进行离散化处理,此处采用零阶保持法对ICP产生系统的名义数学模型进行离散化处理,采样间隔Ts=3×10-4s。处理后的离散化等离子体产生段系统模型可以表示为:
上式中,x(k)为离散化的ICP产生系统的名义模型在当前采样时刻即k采样时刻的状态值,x(k+1)为离散化的ICP产生系统的名义模型在下一采样时刻即k+1采样时刻的状态值,u(k)为离散化的ICP产生系统的名义模型在当前采样时刻的输入,y(k)为离散化的ICP产生系统的名义模型在k采样时刻的输出,A、B和C为离散化的ICP产生系统的状态空间矩阵。
x(k)为离散化ICP产生系统在当前采样时刻的状态,x(k+1)为ICP产生系统在下一采样时刻的状态,u(k)为离散化ICP产生系统在当前采样时刻的输入,y(k)为离散化等离子体产生段系统在当前采样时刻的输出,A、B和C为离散化后的ICP产生系统的名义数学模型的状态空间矩阵。
步骤S3、设计MPC控制器,构造带约束的代价函数,确定MPC控制器的整定参数。
MPC算法是一种基于模型的控制策略,其核心思想是基于系统的显式的内部模型,在当前时刻构造优化问题,MPC控制器通过在线求解该优化问题,确定下一时刻的输入量。MPC控制器的执行流程为:在当前k时刻,MPC控制器根据当前k时刻测量的ICP产生系统的名义数学模型的状态值,将控制问题转化为一个二次规划问题,并对该二次规划问题进行在线求解,求解后得到的优化值将作为k+1时刻的输入。在k+1时刻,MPC控制器将重复k时刻的执行流程,求解得到k+2时刻的输入。为了求解上述二次规划问题,我们还需要构造代价函数其数学意义为求解最小化代价函数J(k)的优化解Δu(k)。可由下式表征:
考虑到MPC对控制精度的要求,因此添加部分,其物理意义为目标输出信号与MPC控制器预测输出的差值的代价函数;考虑到MPC控制器能耗的要求,因此添加||U||2,其物理含义为输入信号的代价函数。在构造上述代价函数,并配合约束条件即可完成二次规划问题的构造,则最小化代价函数的优化解Δu(k)即为上述二次规划问题的最优解。需要说明的是,求出当前k采样时刻的Δu(k)之后,MPC控制器下一时刻的输入u(k+1)则可通过u(k+1)=u(k)+Δu(k)计算得出。上述代价函数中,为MPC控制器的预测输出信号,Yref为MPC控制器的参考信号,即ICP产生系统的参考输出信号;U为MPC控制器的输入,即ICP产生系统的输入;Hp为控制器的预测步长,Hc为控制器的控制步长。umin为输入约束的最小值,umax为输入约束的最大值,Δumin为输入增量约束的最小值,Δumax为输入增量约束的最大值,u(k+j)为MPC控制器在k+j时刻的输入值。为MPC控制器预测的ICP产生系统在k+j采样时刻的状态值,为MPC控制器预测的ICP产生系统在k+j时刻的输出值。Aj为状态空间矩阵A的j次方,Aj-i为状态空间矩阵A的j-i次方。Q1为MPC控制器预测的输出和MPC控制器的参考信号的误差的代价函数权重值,Q2为MPC控制器的输入的代价函数权重,Q1和Q2为权重矩阵,Q1的取值影响输出的控制精度,Q2的取值影响输入的能耗。直观而言,Q1的取值大时而Q2的取值小时,MPC控制器的控制灵敏度提升而鲁棒性能下降;反之,则MPC的控制器的控制灵敏度下降而鲁棒性能提升。则MPC控制器的控制特性可以通过Q1和Q2的取值来调节。此处,设定Q1为一个固定值、Q2=γQ1,γ为整定比。则设定闭环系统的性能优化可以通过改变整定比γ的值进行调节,即MPC控制器的整定参数为整定比γ。
步骤S4、估计ICP产生系统的真实传递函数模型的不确定性等级。
由于ICP产生系统的真实传递函数模型可能存在非线性或者参数扰动,加之某些未知的系统的一些状态难以准确观测得到,又或真实的ICP产生系统的元器件的非线性特性,故我们所获得的系统参数并不能准确的描述被控对象进程。这使得我们难以准确描述ICP产生系统的真实传递函数模型,上述原因造成了经过辨识得到的ICP产生系统的名义传递函数模型必然存在一定量的误差。模型误差会导致控制器性能下降,严重时还会造成控制器的输出不稳定,而ICP产生系统的高功率和高动态特性使得这种现象更为严重。为了准确的描述不确定性问题,我们认为对于ICP产生系统的真实传递函数模型,其参数围绕ICP产生系统的名义传递函数模型参数附近上下波动。设经模型辨识所得到ICP产生系统的名义传递函数模型为Gnom,ICP控制系统的真实模型以Gnom为基准上下扰动,则ICP产生系统的真实传递函数模型Greal(z)在z域的形式可由下式所表征。
Greal(z)=Gnom(z)+ΔG(z);
其中,Gnom11(z)表征Gnom11(s)在z域的表达式,Gnom12(z)表征Gnom12(s)在z域的表达式,Gnom21(z)表征Gnom21(s)在z域的表达式,Gnom22(z)表征Gnom22(s)在z域的表达式;ΔG11(z)表征Gnom11(z)的附加不确定性在z域的表达式,ΔG12(z)表征Gnom12(z)的附加不确定性在z域的表达式,ΔG21(z)表征Gnom21(z)的附加不确定性在z域的表达式,ΔG22(z)表征Gnom22(z)的附加不确定性在z域的表达式;Greal11(z)为电子密度对电源功率的响应在z域的真实子传递函数模型,Greal12(z)为电子密度对进气量的响应在z域的真实子传递函数模型,Greal21(z)为气体流速对电源功率的响应在z域的真实子传递函数模型,Greal22(z)为气体流速对进气量的响应在z域的真实子传递函数模型。
ICP产生系统的名义传递函数模型由4个子传递函数构成,真实ICP产生系统模型不确定性等级可通过以下步骤求出:
1.分别求出ICP产生系统真实的4个子传递函数的不确定等级;
2.选择上述4个子传递函数的不确定等级的最大值作为ICP产生系统真实模型的不确定性等级,即ICP产生系统真实模型的不确定性等级可由所求出的子传递函数的不确定性等级的最大值所确定。设ICP控制系统的真实模型相对于名义ICP控制系统模型而言,其不确定性等级为η,ICP产生系统的真实传递函数模型的不确定级数可以通过下式计算得到:
其中,(i’,j’)表征子传递函数的行列,εGnom(i',j')表征ICP产生系统的名义子传递函数模型Gnom(i′,j′)的阶跃响应幅值,εGreal(i',j')表征ICP产生系统真实的子传递函数模型Greal(i′,j′)的阶跃响应幅值;l表征阶跃响应幅值采样个数,k表示阶跃响应幅值的第t个采样点,t=1,2,…,l;首先求出l个阶跃响应幅值采样点的ICP产生系统的名义子传递函数模型Gnom(i′,j′)的阶跃响应幅值和ICP产生系统的真实子传递函数模型Greal(i′,j′)的阶跃响应幅值;然后计算ICP产生系统的名义子传递模型Gnom(i′,j′)的阶跃响应幅值和ICP产生系统真实的子传递函数模型Greal(i′,j′)的阶跃响应幅值在各阶跃响应幅值采样点的差值的绝对值之和,得到将得到的除以ICP产生系统的名义子传递函数模型Gnom(i′,j′)在l个阶跃响应幅值采样点的阶跃响应幅值之和得到即得到的ICP产生系统的真实子传递函数模型Greal(i′,j′)的不确定性等级;比较求出的4个子传递函数的不确定性等级,将4个子传递函数的不确定性等级的最大值作为ICP产生系统的真实数学模型的不确定性等级,此处得到的是大于零的不确定性等级值ζ。ζ表示ICP产生系统的真实传递函数所有参数值都以ICP产生系统的名义传递函数模型参数为基准而上下波动,波动范围为±ζ。
步骤S5、基于ICP产生系统的真实传递函数的不确定性等级和鲁棒稳定性条件,即可计算灵敏度函数边界值。
基于步骤S4中计算得到ζ,可由下式计算出ICP产生系统的真实传递函数的不确定性指数值δ:
上式中,i为虚数,ω为奈奎斯特角频率,δ(|ΔG(ζ,ei2πω)|-1)表征当前不确定性等级ζ下的ICP产生系统真实的传递函数的不确定性指数值;|ΔG11(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对电源功率的响应的真实子传递函数模型的不确定性指数值;|ΔG12(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对进气量的响应的真实子传递函数的不确定性指数值;|ΔG21(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对电源功率的响应的真实的传递函数的不确定性指数值;|ΔG22(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对进气量的响应的真实子传递函数的不确定性指数值。
所述当前不确定性等级为ζ的ICP产生系统的真实传递函数模型的不确定性指数值δ(|ΔG(ζ,ei2πω)|-1)的计算方法为:带入当前不确定性等级ζ即可得到ΔG11(z)、ΔG12(z)、ΔG21(z)和ΔG22(z)的表达式,令z=ej2πω,再分别计算在整个ω范围内ΔG11(ej2πω)、ΔG12(ej2πω)、ΔG21(ej2πω)和ΔG22(ej2πω)的绝对值的倒数的最大值,即可得到|ΔG11(ζ,ej2πω)|-1,|ΔG12(ζ,ej2πω)|-1,|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1;然后选取|ΔG11(ζ,ej2πω)|-1、|ΔG12(ζ,ej2πω)|-1、|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1中的最大值作为不确定性等级为ζ的ICP产生系统的真实不确定性指数δ(|ΔG(ζ,ei2πω)|-1)。
然后根据鲁棒稳定性条件和ICP产生系统的真实模型的不确定性指数δ(|ΔG(ei2 πω)|-1),计算灵敏度函数边界值;对于MPC控制器,需严格满足以下鲁棒稳定性条件:
上式中,Tud(z)表征ICP产生系统的名义数学模型即名义ICP产生系统的灵敏度函数在z域的数学表达式,α(|Tud(γ,ei2πω)|)表征名义的ICP产生系统在整定比γ下的灵敏度函数值。α(|Tud(γ,ei2πω)|)的计算方法为:利用名义的ICP产生系统的状态空间矩阵A,B,C和权重值Q1和Q2(Q2通过Q2=γQ1确定)求出其z域灵敏度函数的表达式,然后转化为频域形式并求出在ω下的最大值即可得出α(|Tud(γ,ei2πω)|)。由上式可知,对于任意ω下的名义的ICP产生系统的灵敏度函数而言,名义的ICP产生系统的灵敏度函数值应当严格小于不确定性指数δ(|ΔG(ei2πω)|-1)的值。
步骤S6、基于二分法搜索算法确定满足稳态误差和鲁棒稳定条件的整定比;
步骤S61、人为预设搜索整定比起始值γstart和搜索整定比终止值γend,则初始整定比γ为
γ=(γstart+γend)/2
步骤S62、分别设定输出电子密度的稳态误差和输出气体流速的稳态误差计算当前整定比γ下,等离子体产生段的控制系统输出的电子密度的最大稳态误差ENe(γ,ζ)和气体流速的最大稳态误差EVe(γ,ζ),并执行下式判断:
判断ENe(γ,ζ)和EVe(γ,ζ)是否均满足稳态误差要求,若上述判断为假,则设定γstart=γ,并返回步骤S61继续执行;若上述判断为真,则向下执行;
步骤S63、计算当前调整定比γ下的控制灵敏度函数值Tud(γ,ej2πω),并执行下式判断:
|Tud(γ,ej2πω)|<δ
若上述判断为假,则令γstart=γ,并返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S64、定义不确定性级数ζ下的电子密度的最大输出震荡量TVNe(γ,ζ)如下式所示:
上式中Gp表示ICP产生系统真实的传递函数模型,yNe(k)表示真实ICP产生系统在k时刻输出的电子密度,yNe(k-1)表示真实的ICP产生系统在k-1时刻输出的电子密度值;计算当前整定比γ下电子密度的最大震荡量TVNe(γ,ζ)并记录保存;
步骤S65、执行γend=γ,并向下执行;
步骤S66、执行γ=(γstart+γend)/2,并判断下式:
γ<bp*
bp*为预设的二分法搜索算法的精度,若上式判断为假,则返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S67、比较步骤S64中的TVNe(γ)值,并选出TVNe(γ)的最小值以及该最小值对应的整定比γ,该正定比γ即为最优的整定比γRJT,则Q2取值便可以通过Q2=γRJTQ1,Q1可为自适应单位矩阵。
将得到的最优的整定比作为改进后的MPC控制器整定参数。
本发明的效果可通过以下仿真(使用COMSOL和MATLAB软件)进一步说明:
基于感性耦合放电方式的等离子体产生段为一个二维轴对称结构,进气段采用氩气供给。该模型的轴向半径为0.16m,线圈匝数为4匝,径向距离为0.8m,入口处半径为0.05m。仿真环境的初始条件为:固定压强为5pa,射频输入功率为600~1000W,进气量为1.5-30g/s。初始边界条件为:电子密度为1012/m3,平均电子能量为3V,温度为300K。
设预设等离子体密度设定值为2×1019~3×1019m-3的阶跃变化,对应的预设气体流速预设值为60m/s,最大不确定性等级设为10%,采样时间为3×10-4s,预测长度为1,控制步长为3,二分法搜索精度为1×10-6。
使用传统整定方法未进行整定参数优化的整定比为γ0,经过本发明所提出的鲁棒联合整定方法得到的整定参数为γRJT,通过经验整定优化后的整定比为γET。为了说明该种方法的有效性,选取了典型的不确定ζ=0和ζ=0.1,分别对目标电子密度的阶跃信号进行跟踪仿真,其结果如图3所示,其中图3(a)为不确定性ζ=0时的跟踪结果,图3(b)为不确定性ζ=0.1时跟踪结果。
由图3(a)可见,不确定性ζ=0时,ICP控制系统的输出控制器在整定比为γET和γRJT的电子密度的输出性能相当,稳态误差较小,同时电子密度输出最终保持稳定;然而,ICP控制系统的输出控制器在整定比为γ0下的电子密度的输出虽然最终也保持稳定,但是存在较为严重的稳态误差。由图3(b)可见,在不确定性ζ=0.1时,在整定比为γ0条件下,最终使得电子密度输出值保持稳定,但是始终存在较为严重的稳态误差。在整定比为γET条件下,控制器的输出震荡较大,输出值不再稳定,不能准确跟踪设定值。而经过本发明方法优化后所得到的整定比γRJT条件下,的相较于传统的预测控制算法的输出震荡量明显减小,并且实现了准确跟踪,证明本发明是有效的。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,是以鲁棒稳定性条件、输出的稳态误差判决门限为约束,以最小化不同不确定性等级下的最大输出震荡量为整定目标,根据输出的稳态误差判决门限和不同的电感耦合等离子体产生系统真实模型的不确定性等级自动获取最优整定参数。
2.根据权利要求1所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,具体步骤如下:
步骤S1、建立电感耦合等离子体产生系统的名义数学模型;
步骤S2、对电感耦合等离子体产生系统的名义数学模型进行离散化;
步骤S3、基于离散化的电感耦合等离子体产生系统的名义数学模型,设计MPC控制器,构造带约束的代价函数;
步骤S4、基于电感耦合等离子体产生系统的名义数学模型,确定电感耦合等离子体产生系统的真实传递函数模型的不确定性等级;
步骤S5、基于闭环系统鲁棒稳定性条件和电感耦合等离子体产生系统的真实传递函数模型的不同不确定性等级,基于电感耦合等离子体产生系统的真实模型,确定灵敏度函数的边界值;
步骤S6、以输出的稳态误差判决门限为约束,确定满足稳态误差和鲁棒稳定性条件的MPC控制器的整定参数即最优整定参数,使得不同不确定性等级下的最大输出震荡量最小。
3.根据权利要求2所述的模型基于预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S1采用稳态响应和动态响应相结合的建模方法建立电感耦合等离子体产生系统的名义数学模型,建立的电感耦合等离子体产生系统的名义数学模型为:
Y(s)=Gnom(s)U(s);
其中,Ne为电子密度,Ve为气体流速,Y(s)为电感耦合等离子体产生系统的名义数学模型在s域的输出;PICP为电源功率,AICP为进气量,U(s)为电感耦合等离子体产生系统的名义数学模型在s域的输入;Gnom(s)为电感耦合等离子体产生系统在s域的名义传递函数模型,Gnom11(s)为电子密度对电源功率的响应在s域的名义子传递函数模型,Gnom12(s)为电子密度对进气量的响应在s域的名义子传递函数模型,Gnom21(s)为气体流速对电源功率的响应在s域的名义子传递函数模型,Gnom22(s)为气体流速对进气量的响应在s域的名义子传递函数模型;其中,g11为电子密度对电源功率的稳态响应,h11为电子密度对电源功率的动态响应,g12为电子密度对进气量的稳态响应,h12为电子密度对进气量的动态响应,g21为气体流速对电源功率的稳态响应,h21为气体流速对电源功率的动态响应,g22为气体流速对进气量的稳态响应,h22为气体流速对进气量的动态响应,即电感耦合等离子体产生系统的名义传递函数模型由4个子传递函数模型构成。
4.根据权利要求3所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S2采用零阶保持法对电感耦合等离子体产生系统的名义数学模型进行离散化,离散化的电感耦合等离子体产生系统的名义数学模型为:
其中,x(k)为离散化的电感耦合等离子体产生系统的名义模型在当前采样时刻即k采样时刻的状态值,x(k+1)为离散化的电感耦合等离子体产生系统的名义模型在下一采样时刻即k+1采样时刻的状态值,u(k)为离散化的电感耦合等离子体产生系统的名义模型在k采样时刻的输入,y(k)为离散化的电感耦合等离子体产生系统的名义模型在k采样时刻的输出,A、B和C为离散化的电感耦合等离子体产生系统的名义数学模型的状态空间矩阵。
其中,为MPC控制器的预测输出;Yref为MPC控制器的参考信号,即电感耦合等离子体产生系统的目标信号;U为MPC控制器的输入,即电感耦合等离子体产生系统的输入;Hp为MPC控制器的预测步长,Hc为MPC控制器的控制步长;umin为输入约束的最小值,umax为输入约束的最大值,Δumin为输入增量约束的最小值,Δumax为输入增量约束的最大值;u(k+j)为MPC控制器当前k时刻所预测k+j采样时刻的输入值;为MPC控制器在k采样时刻预测的电感耦合等离子体产生系统在k+j采样时刻的状态值,为MPC控制器在k时刻预测的电感耦合等离子体产生系统在k+j采样时刻的输出值;Aj为状态空间矩阵A的j次方,Aj-i为状态空间矩阵A的j-i次方,Q1为MPC控制器预测输出和MPC控制器的参考信号的误差的代价函数权重值,Q2为MPC控制器的输入的代价函数权重;
依据MPC控制器的代价函数得知,通过调节Q1和Q2的取值能够调节MPC控制器的控制特性,设定Q1为一个固定值、Q2=γQ1,γ为整定比,通过γ能够调节MPC控制器的性能,即MPC控制器的整定参数为整定比γ。
6.根据权利要求4或5所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S4中电感耦合等离子体产生系统的真实传递函数模型为:
Greal(z)=Gnom(z)+ΔG(z);
其中,Greal(z)为电感耦合等离子体产生系统在z域的真实传递函数模型,Gnom(z)为电感耦合等离子体产生系统在z域的名义传递函数模型,ΔG(z)为电感耦合等离子体产生系统在z域的名义传递函数模型的附加不确定性函数, 则上式中可以写为:
其中,Gnom11(z)表征Gnom11(s)在z域的表达式,Gnom12(z)表征Gnom12(s)在z域的表达式,Gnom21(z)表征Gnom21(s)在z域的表达式,Gnom22(z)表征Gnom22(s)在z域的表达式;ΔG11(z)表征Gnom11(z)的附加不确定性在z域的表达式,ΔG12(z)表征Gnom12(z)的附加不确定性在z域的表达式,ΔG21(z)表征Gnom21(z)的附加不确定性在z域的表达式,ΔG22(z) 表征Gnom22(z)的附加不确定性在z域的表达式;Greal11(z)为电子密度对电源功率的响应在z域的真实子传递函数模型,Greal12(z)为电子密度对进气量的响应在z域的真实子传递函数模型,Greal21(z)为气体流速对电源功率的响应在z域的真实子传递函数模型,Greal22(z)为气体流速对进气量的响应在z域的真实子传递函数模型。
7.根据权利要求6所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S4中电感耦合等离子体产生系统的真实传递函数模型的不确定性等级为其4个子传递函数模型的不确定等级的最大值,通过下式计算得到:
上式中,(i’,j’)表征子传递函数的行列,εGnom(i',j')表征电感耦合等离子体产生系统的名义子传递函数模型Gnom(i′,j′)的阶跃响应幅值,εGreal(i',j')表征电感耦合等离子体产生系统的真实子传递函数模型Greal(i′,j′)的阶跃响应幅值;l表征阶跃响应幅值采样个数,t表示阶跃响应幅值的第t个采样点,t=1,2,…,l;此处得到的是大于零的不确定性等级值ζ。
8.根据权利要求7所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S5是先由下式计算出不同不确定性等级ζ下的电感耦合等离子体产生系统的真实传递函数模型的不确定性指数δ:
上式中,i为虚数,ω为奈奎斯特角频率,δ(|ΔG(ζ,ei2πω)|-1)表征当前不确定性等级ζ下的电感耦合等离子体产生系统的真实传递函数的不确定性指数值;|ΔG11(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对电源功率的响应的真实子传递函数模型的不确定性指数值;|ΔG12(ζ,ei2πω)|-1表征当前不确定性等级为ζ下电子密度对进气量的响应的真实子传递函数模型的不确定性指数值;|ΔG21(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对电源功率的响应的真实子传递函数模型的不确定性指数值;|ΔG22(ζ,ei2πω)|-1表征当前不确定性等级为ζ下气体流速对进气量的响应的真实子传递函数模型的不确定性指数值;
然后根据鲁棒稳定性条件和电感耦合等离子体产生系统的真实传递函数的不确定性指数δ(|ΔG(ei2πω)|-1),即可得到灵敏度函数边界值;
所述当前不确定性等级为ζ的电感耦合等离子体产生系统的真实传递函数模型的不确定性指数值δ(|ΔG(ζ,ei2πω)|-1)的计算方法为:带入当前不确定性等级ζ即可得到ΔG11(z)、ΔG12(z)、ΔG21(z)和ΔG22(z)的表达式,令z=ej2πω,再分别计算在整个ω范围内ΔG11(ej2πω)、ΔG12(ej2πω)、ΔG21(ej2πω)和ΔG22(ej2πω)的绝对值的倒数的最大值,即可得到|ΔG11(ζ,ej2πω)|-1,|ΔG12(ζ,ej2πω)|-1,|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1;然后选取|ΔG11(ζ,ej2πω)|-1、|ΔG12(ζ,ej2πω)|-1、|ΔG21(ζ,ej2πω)|-1和|ΔG22(ζ,ej2πω)|-1中的最大值作为不确定性等级为ζ的ICP产生系统的真实传递函数模型的不确定性指数δ(|ΔG(ζ,ei2πω)|-1)。
9.根据权利要求8所述的模型基于预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述步骤S6先基于二分法搜索算法确定满足稳态误差和鲁棒稳定条件的整定比,具体步骤如下:
步骤S61、预设搜索整定比起始值γstart和搜索整定比终止值γend,则初始化的搜索整定比值γ设为:
γ=(γstart+γend)/2;
步骤S62、设定输出电子密度的稳态误差和输出气体流速的稳态误差计算当前整定比γ下,等离子体产生段的控制系统输出的电子密度的最大稳态误差ENe(γ,ζ)、气体流速的最大稳态误差EVe(γ,ζ),并执行下式判断:
若上述判断为假,则令γstart=γ,并返回步骤S61继续执行;若上述判断为真,则向下执行;
步骤S63、计算当前整定比γ下的灵敏度函数值Tud(γ,ej2πω),并执行下式判断:
|Tud(γ,ej2πω)|<δ
若上述判断为假,则令γstart=γ,并返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S64、计算当前不确定性级数ζ下,在整定比γ作用下电子密度的最大震荡量TVNe(γ,ζ)并记录保存,计算公式为:
其中,Greal表示电感耦合等离子体产生系统的真实传递函数,yNe(k)表示真实的电感耦合等离子体产生系统在k时刻输出的电子密度,yNe(k-1)表示真实的电感耦合等离子体产生系统在k-1时刻输出的名义电子密度值;
步骤S65、执行γend=γ,并向下执行;
步骤S66、执行γ=(γstart+γend)/2,并判断下式:
γ<bp*
bp*为预设的二分法搜索的精度,若上式判断为假,则返回步骤S61继续执行;若上式判断为真,则向下执行;
步骤S67、比较步骤S64中计算的所有的TVNe(γ,ζ)值,选出其最小值以及其最小值对应的整定比γ,即为最优的整定比γRJT;然后将最优整定比γRJT作为MPC控制器的整定参数。
10.根据权利要求9所述的基于模型预测控制的电感耦合等离子体产生系统的整定方法,其特征在于,所述权重矩阵Q2=γRJT Q1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910584854.1A CN110308654B (zh) | 2019-07-01 | 2019-07-01 | 基于模型预测控制的电感耦合等离子体产生系统的整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910584854.1A CN110308654B (zh) | 2019-07-01 | 2019-07-01 | 基于模型预测控制的电感耦合等离子体产生系统的整定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110308654A CN110308654A (zh) | 2019-10-08 |
CN110308654B true CN110308654B (zh) | 2020-06-05 |
Family
ID=68078649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910584854.1A Active CN110308654B (zh) | 2019-07-01 | 2019-07-01 | 基于模型预测控制的电感耦合等离子体产生系统的整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110308654B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112327625B (zh) * | 2020-11-12 | 2022-02-22 | 西安建筑科技大学 | 基于机器学习的不确定系统模型预测控制参数整定方法 |
CN114280939B (zh) * | 2021-12-27 | 2023-12-22 | 中国联合网络通信集团有限公司 | 一种模型预测控制方法、装置、设备及存储介质 |
CN114355774B (zh) * | 2021-12-27 | 2023-07-28 | 中国联合网络通信集团有限公司 | 模型预测控制方法及装置 |
CN115291528B (zh) * | 2022-10-08 | 2023-02-17 | 中认国证(北京)评价技术服务有限公司 | 模型不确定性等级确定方法、装置、系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593509A (zh) * | 2013-10-24 | 2014-02-19 | 西安理工大学 | 一种飞行器表面由等离子鞘产生的多径干扰分析方法 |
CN104925274A (zh) * | 2015-06-03 | 2015-09-23 | 清华大学 | 用于航天器遭遇黑障场景时的信息可靠传输系统 |
CN106611083A (zh) * | 2016-11-14 | 2017-05-03 | 北京临近空间飞行器系统工程研究所 | 高超声速飞行器等离子体鞘套与电磁波相互作用预测方法 |
CN107894235A (zh) * | 2017-12-12 | 2018-04-10 | 中国人民解放军国防科技大学 | 一种超高速飞行器自主导航系统的模型误差补偿方法 |
CN107992684A (zh) * | 2017-12-05 | 2018-05-04 | 上海无线电设备研究所 | 一种时变等离子体等效分层介质模型建模方法 |
CN108037173A (zh) * | 2017-12-06 | 2018-05-15 | 上海无线电设备研究所 | 一种超高声速二维等离子体鞘套的测试系统及方法 |
CN108650017A (zh) * | 2018-05-15 | 2018-10-12 | 北京临近空间飞行器系统工程研究所 | 一种高超飞行器通信黑障现象预示方法 |
CN109521677A (zh) * | 2018-12-29 | 2019-03-26 | 浙江中控技术股份有限公司 | 一种基于预测模型的控制方法和控制器 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5347446A (en) * | 1991-02-08 | 1994-09-13 | Kabushiki Kaisha Toshiba | Model predictive control apparatus |
CN103048670A (zh) * | 2012-12-24 | 2013-04-17 | 深圳市旭飞航天航空科技有限公司 | 一种无人飞行器定位、导航系统及方法 |
CN106934095B (zh) * | 2017-01-24 | 2020-06-26 | 西安电子科技大学 | 一种基于分层结构的动态等离子鞘套电子密度建模方法 |
CN107491580B (zh) * | 2017-06-30 | 2021-01-15 | 西安电子科技大学 | 高速飞行器等离子体鞘套径向时变电子密度模拟方法 |
-
2019
- 2019-07-01 CN CN201910584854.1A patent/CN110308654B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593509A (zh) * | 2013-10-24 | 2014-02-19 | 西安理工大学 | 一种飞行器表面由等离子鞘产生的多径干扰分析方法 |
CN104925274A (zh) * | 2015-06-03 | 2015-09-23 | 清华大学 | 用于航天器遭遇黑障场景时的信息可靠传输系统 |
CN106611083A (zh) * | 2016-11-14 | 2017-05-03 | 北京临近空间飞行器系统工程研究所 | 高超声速飞行器等离子体鞘套与电磁波相互作用预测方法 |
CN107992684A (zh) * | 2017-12-05 | 2018-05-04 | 上海无线电设备研究所 | 一种时变等离子体等效分层介质模型建模方法 |
CN108037173A (zh) * | 2017-12-06 | 2018-05-15 | 上海无线电设备研究所 | 一种超高声速二维等离子体鞘套的测试系统及方法 |
CN107894235A (zh) * | 2017-12-12 | 2018-04-10 | 中国人民解放军国防科技大学 | 一种超高速飞行器自主导航系统的模型误差补偿方法 |
CN108650017A (zh) * | 2018-05-15 | 2018-10-12 | 北京临近空间飞行器系统工程研究所 | 一种高超飞行器通信黑障现象预示方法 |
CN109521677A (zh) * | 2018-12-29 | 2019-03-26 | 浙江中控技术股份有限公司 | 一种基于预测模型的控制方法和控制器 |
Non-Patent Citations (7)
Title |
---|
EAST快控电源灰色预测控制预研;汪凤凤;《中国优秀硕士学位论文全文数据库》;20160615;全文 * |
J-TEXT上等离子体密度反馈控制系统的建立;柯新;《中国优秀硕士学位论文全文数据库》;20170615;全文 * |
Model predictive control of ITER plasma current and shape using singularvalue decomposition;Samo Gerkšič;《Fusion Engineering and Design》;20180302;全文 * |
Vertical stabilization of ITER plasma using explicit model predictive control;controlSamo Gerksi;《Fusion Engineering and Design》;20130307;全文 * |
再入飞行器等离子体预测与气体组分相关性;苗文博;《计算物理》;20150131;全文 * |
飞行器等离子体鞘套对电磁波传输特性的影响研究;郑灵;《中国博士学位论文全文数据库》;20131215;全文 * |
高超声速升力体飞行器等离子体鞘数值模拟;吉君君;《宇航学报》;20161130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110308654A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110308654B (zh) | 基于模型预测控制的电感耦合等离子体产生系统的整定方法 | |
Tanaskovic et al. | Adaptive receding horizon control for constrained MIMO systems | |
Na et al. | Adaptive neural network predictive control for nonlinear pure feedback systems with input delay | |
Sun et al. | Integral-type event-triggered model predictive control of nonlinear systems with additive disturbance | |
Corradini et al. | Variable structure control of discretized continuous-time systems | |
Hanema et al. | Tube-based anticipative model predictive control for linear parameter-varying systems | |
CN111766775A (zh) | 具有未知饱和pi回滞的非线性系统动态面隐逆控制器 | |
Xia et al. | Adaptive filtering backstepping for ships steering control without velocity measurements and with input constraints | |
Sarbaz et al. | Adaptive optimal control of chaotic system using backstepping neural network concept | |
Wang et al. | Adaptive model predictive control of uncertain constrained systems | |
Vásquez et al. | New constrained predictive PID controller for packet dropouts in wireless networked control systems | |
Tian et al. | Operating range scheduled robust dahlin algorithm to typical industrial process with input constraint | |
Wang et al. | Design and Application of Offset‐Free Model Predictive Control Disturbance Observation Method | |
Zhang et al. | Optimal Control for Constrained Discrete-Time Nonlinear Systems Based on Safe Reinforcement Learning | |
He et al. | Stabilization analysis for a class of nonlinear systems based on characteristic model | |
Sotnikova | Ship dynamics control using predictive models | |
Xie et al. | Optimal tracking control for ship course using approximate dynamic programming method | |
Seki | Adaptive IMC-PI controllers for process applications | |
Yang | Robust Adaptive Model Predictive Control of Nonlinear Sample-Data Systems | |
Tang et al. | Predictive fuzzy PID control method for underwater vehicles | |
Kolomiiets et al. | The synthesis method of the digital controller in the automatic control system of a dynamic object based on the fuzzy logic | |
CN110442028B (zh) | 基于模糊预测的反分叉控制方法 | |
CN111812986B (zh) | 自适应振动主动控制方法、装置以及系统 | |
KR20180138498A (ko) | 비엄격 피드백 기반 비선형 시스템의 제어 장치 | |
Lili et al. | Adaptive Switching Control Algorithm Design based on Particle Swarm optimization |
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 |