CN111208734B - 一种控制增益未知不确定系统的数据驱动抗干扰控制结构 - Google Patents
一种控制增益未知不确定系统的数据驱动抗干扰控制结构 Download PDFInfo
- Publication number
- CN111208734B CN111208734B CN202010099836.7A CN202010099836A CN111208734B CN 111208734 B CN111208734 B CN 111208734B CN 202010099836 A CN202010099836 A CN 202010099836A CN 111208734 B CN111208734 B CN 111208734B
- Authority
- CN
- China
- Prior art keywords
- module
- input
- control
- state
- gain
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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
Description
技术领域
本发明涉及不确定系统抗干扰控制领域,具体而言,尤其涉及一种控制增益未知不确定系统的数据驱动抗干扰控制结构。
背景技术
PID控制是当前在工业控制领域中应用最为广泛的一种控制方法,其主要包括比例控制、积分调节、微分调节,在现代工业生产领域中具有原理简单、使用方便、可靠性高、灵活、鲁棒性好等优点。然而工业对象复杂且普遍存在不确定性、强干扰性和时变性等内外因素,使得PID控制的精度和鲁棒性降低,因而PID控制在复杂不确定非线性系统中的应用受到限制。
自抗扰控制(ADRC)将模型自身产生的不确定性作为内扰,和非线性系统的外部扰动一起看作总和扰动,通过建立扩张状态观测器(ESO)对系统的状态和不确定性进行估计,并在闭环反馈中消除该扰动对闭环系统动态特性的影响,具有理想的控制效果。扩张状态观测器作为自抗扰控制的核心单元,不仅能获得对象模型的内扰与外扰的总扰和实时作用量,还能获得不确定对象的状态,通过消除闭环系统的静差起到很好的扰动抑制作用。
近些年来自适应控制得到了飞速的发展,已经成为现代控制理论中最热门的研究领域之一。自适应控制针对被控对象及其环境数学模型不确定的控制系统,通过测量参数的跟踪误差,根据需求不断调节自适应机构,既要保证系统输出满足要求,也要保证系统稳定。但是现有的基于扩张状态观测器的控制方法依然存在如下问题:
第一,现有的基于扩张状态观测器的自抗扰控制方法中,虽然可以输出复杂不确定系统的有效控制信号u,但是需假设非线性系统的控制输入增益参数b0已知或标称b0 *已知。然而参数b0的获取需要经过大量实验,重复计算会耗费很多的精力和财力,导致不必要的浪费。
发明内容
根据上述提出控制增益输入参数难以获取且收敛性能不佳的技术问题,而提供一种控制增益未知不确定系统的数据驱动抗干扰控制结构。本发明将自适应方法同扩张状态观测器相结合,提出一种响应快、效益高、环境适应性强的控制增益未知不确定系统的数据驱动抗干扰控制结构,实现对控制输入增益b0的精确估计、未知不确定性σ的有效估计,保证了复杂不确定系统状态参数实际值x收敛于期望值r,估计值收敛于实际值x。
本发明采用的技术手段如下:
一种控制增益未知不确定系统的数据驱动抗干扰控制结构,包括:输入控制器模块、扩张状态观测器模块、滤波器模块、堆栈器模块以及控制输入增益估计模块;
所述输入控制器模块的输入端与复杂不确定系统状态x、未知不确定性估计控制输入增益估计以及系统期望状态r相连,所述输入控制器模块的输出控制输入u;所述扩张状态观测器模块的输入端与控制输入u、复杂不确定系统状态x以及控制输入增益估计相连,所述扩张状态观测器模块输出未知不确定性估计所述滤波器模块的输入端与复杂不确定系统状态x、未知不确定性估计以及控制输入u相连,所述滤波器模块输出滤波状态导数L和滤波回归矩阵T;所述堆栈器模块的输入端与滤波器模块的输出端相连,所述堆栈器模块输出堆栈存储器中的存储数据T(i)和L(i);所述控制输入增益估计模块的输入端与堆栈存储器的存储数据T(i)和L(i)、复杂不确定系统状态跟踪误差xd、控制输入u以及控制输入增益估计相连,所述控制输入增益估计模块输出控制输入增益估计的导数。
较现有技术相比,本发明具有以下优点:
第一,现有的基于扩张状态观测器的自抗扰控制方法需要假设控制输入增益参数b0已知或标称b0 *已知,输入控制器才能有效输出控制输入u。而本发明针对控制参数b0未知的复杂不确定系统,利用控制输入增益参数估计既能有效输出控制输入u,也能实现对控制输入增益参数b0的在线估计。
第二,现有的基于扩张状态观测器的自适应方法中,无法实现对复杂不确定系统的未知不确定性扰动σ有效估计,也无法实现对控制输入增益参数b0零误差跟踪。而本发明通过建立扩张状态观测器保证未知不确定性扰动估计参数收敛到真实值,同时保证控制输入增益估计参数精确收敛到实际值b0。
第三,现有的基于扩张状态观测器的自适应控制方法中,虽然能保证控制输入增益参数b0的估计轨迹跟踪实际轨迹,但是对于实际值的跟踪响应需要大量时间。而本发明利用控制输入增益的历史经验数据使得在有限时间内控制参数的迅速收敛,且估计误差趋于零。
基于上述理由,本发明能够在不确定系统抗干扰控制领域广泛推广。
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做以简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明控制结构示意图。
图2是实施例中不确定系统的控制状态x的观测效果图。
图3是实施例中复杂不确定系统的未知不确定性σ的观测效果图。
图4是实施例中复杂不确定系统的控制输入增益b0的观测效果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种控制增益未知不确定系统的数据驱动抗干扰控制结构,包括:输入控制器模块、扩张状态观测器模块、滤波器模块、堆栈器模块以及控制输入增益估计模块;
所述输入控制器模块的输入端与复杂不确定系统状态x、未知不确定性估计控制输入增益估计以及系统期望状态r相连,所述输入控制器模块的输出控制输入u;所述扩张状态观测器模块的输入端与控制输入u、复杂不确定系统状态x以及控制输入增益估计相连,所述扩张状态观测器模块输出未知不确定性估计所述滤波器模块的输入端与复杂不确定系统状态x、未知不确定性估计以及控制输入u相连,所述滤波器模块输出滤波状态导数L和滤波回归矩阵T;所述堆栈器模块的输入端与滤波器模块的输出端相连,所述堆栈器模块输出堆栈存储器中的存储数据T(i)和L(i);所述控制输入增益估计模块的输入端与堆栈存储器的存储数据T(i)和L(i)、复杂不确定系统状态跟踪误差xd、控制输入u以及控制输入增益估计相连,所述控制输入增益估计模块输出控制输入增益估计的导数
所述复杂不确定系统的状态方程描述为:
进一步地,控制增益未知不确定系统的数据驱动抗干扰控制结构包括以下步骤:
a.输入控制器模块建立
输入控制器模块经过上述计算输出控制输入u,输送给复杂不确定系统、扩张状态观测器模块、控制输入增益估计模块。
xd=x-r
其中xd表示复杂不确定系统的状态跟踪误差,即系统实际状态与期望状态的差值。
b.扩张状态观测器模块建立
扩张状态观测器模块经过上述计算输出的未知不确定性估计与滤波器模块的输入相连。其中表示未知函数f(x,t)估计,即模型内部未知和外部扰动,表示复杂不确定系统状态估计,表示复杂不确定系统状态估计的导数,表示未知不确定性估计的导数,θ1∈R3×3和θ2∈R3×3为估计未知不确定性σ所引入的增益参数。
c.滤波器模块建立
复杂不确定系统状态x通过滤波器1输出滤波状态导数L1:
控制输入u通过滤波器3输出滤波回归矩阵T:
滤波状态导数L1和L2通过减法器得到L:
L=L1-L2
滤波器模块输出的滤波状态导数L和滤波回归矩阵T与堆栈器模块的输入端相连。
d.堆栈器模块建立
堆栈器模块的输入端与滤波状态导数L和滤波后回归矩阵T相连。堆栈存储器设计为:
其中,堆栈器P1为滤波状态导数L的存储数据,堆栈器P2为滤波回归矩阵T的存储数据,Li表示ti时刻存储在堆栈器P1中的滤波状态导数,Ti表示ti时刻存储在堆栈器P2中的回归矩阵,i为大于零的正整数。
堆栈器模块经过数据存储输出ti时刻的滤波状态导数L(i)和滤波回归矩阵T(i)输送给控制输入增益估计模块。
e.控制输入增益估计模块建立
通过引用堆栈器存储器P1和P2中寄存的数据L(i)和T(i)完成控制输入增益估计的计算。控制输入增益估计模块通过引用自适应率输出控制输入增益估计的导数再经过积分模块得到控制输入增益估计再输送给输入控制器模块、扩张状态观测器模块、控制输入增益估计模块。
下面通过具体的应用实例,对本发明的技术方案做进一步说明。
本发明设计的一种控制增益未知不确定系统的数据驱动抗干扰控制结构设计如图1所示。
复杂不确定系统的状态方程:
输入控制器设计为:
其中为控制输入引用参数:k=—50;
扩张状态观测器设计为:
其中为估计未知不确定性所引入参数:θ1=100,θ2=2500;
控制输入增益估计的微分方程设计为:
其中为保证控制输入增益估计收敛于真实值引入参数:μ1=1,μ2=10;
本发明的设计目标是使复杂不确定系统快速实现系统实际状态x收敛到系统期望状态r、系统估计状态收敛到系统实际状态x,实现复杂不确定系统的未知不确定性估计短时间内高效益跟踪未知不确定性的实际值σ,实现控制输入增益估计高效率快速收敛到控制输入增益参数的实际值b0。
图4为复杂不确定系统的控制输入增益b0的观测效果图,图中b0表示控制输入增益,hatb0表示控制输入增益估计。
由仿真结果可知,在短时间内,本发明提出的一种控制增益未知不确定系统的数据驱动抗干扰控制结构设计方法能够保证系统实际状态轨迹迅速跟踪到期望状态轨迹、系统状态估计轨迹跟踪到系统实际状态轨迹,能够实现复杂不确定系统未知不确定性估计值和控制输入增益估计值有限时间内快速收敛于实际值。满足设计目标。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (3)
1.一种控制增益未知不确定系统的数据驱动抗干扰控制结构,其特征在于,包括:输入控制器模块、扩张状态观测器模块、滤波器模块、堆栈器模块以及控制输入增益估计模块;
所述输入控制器模块的输入端与复杂不确定系统状态x、未知不确定性估计控制输入增益估计以及系统期望状态r相连,所述输入控制器模块的输出控制输入u;所述扩张状态观测器模块的输入端与控制输入u、复杂不确定系统状态x以及控制输入增益估计相连,所述扩张状态观测器模块输出未知不确定性估计所述滤波器模块的输入端与复杂不确定系统状态x、未知不确定性估计以及控制输入u相连,所述滤波器模块输出滤波状态导数L和滤波回归矩阵T;所述堆栈器模块的输入端与滤波器模块的输出端相连,所述堆栈器模块输出堆栈存储器中的存储数据T(i)和L(i);所述控制输入增益估计模块的输入端与堆栈存储器的存储数据T(i)和L(i)、复杂不确定系统状态跟踪误差xd、控制输入u以及控制输入增益估计相连,所述控制输入增益估计模块输出控制输入增益估计的导数
所述复杂不确定系统的状态方程描述为:
所述输入控制器模块根据以下模型建立:
所述扩张状态观测器模块根据以下模型建立:
所述控制输入增益估计模块根据以下模型建立:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099836.7A CN111208734B (zh) | 2020-02-18 | 2020-02-18 | 一种控制增益未知不确定系统的数据驱动抗干扰控制结构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099836.7A CN111208734B (zh) | 2020-02-18 | 2020-02-18 | 一种控制增益未知不确定系统的数据驱动抗干扰控制结构 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111208734A CN111208734A (zh) | 2020-05-29 |
CN111208734B true CN111208734B (zh) | 2022-05-31 |
Family
ID=70785326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099836.7A Active CN111208734B (zh) | 2020-02-18 | 2020-02-18 | 一种控制增益未知不确定系统的数据驱动抗干扰控制结构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208734B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111880411B (zh) * | 2020-08-12 | 2022-06-03 | 深圳职业技术学院 | 一种线性系统的动态扩展回归和交互估计方法 |
CN114755918B (zh) * | 2022-03-18 | 2024-07-23 | 大连海事大学 | 一种推进器部分失效下的无人船控制失效率和扰动估计方法及系统 |
CN114755947B (zh) * | 2022-03-18 | 2024-05-24 | 大连海事大学 | 一种无模型抗干扰控制器结构 |
CN114755917B (zh) * | 2022-03-18 | 2024-05-21 | 大连海事大学 | 一种无模型自适应抗干扰船舶速度控制器及设计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104932252A (zh) * | 2015-06-26 | 2015-09-23 | 中国科学院光电技术研究所 | 一种改进的自抗扰与pid的串级控制方法 |
CN107490962A (zh) * | 2017-08-08 | 2017-12-19 | 北京理工大学 | 一种数据驱动的伺服系统最优控制方法 |
CN108828955A (zh) * | 2018-08-16 | 2018-11-16 | 大连海事大学 | 基于有限时间扩张状态观测器的精准航迹跟踪控制方法 |
CN109143863A (zh) * | 2018-09-13 | 2019-01-04 | 武汉科技大学 | 非线性系统的快速自学习改进adrc控制方法 |
CN110687800A (zh) * | 2019-11-19 | 2020-01-14 | 大连海事大学 | 一种数据驱动自适应抗干扰控制器结构及其估计方法 |
CN110687781A (zh) * | 2019-11-01 | 2020-01-14 | 大连海事大学 | 一种二阶非线性系统的精确不确定性和控制增益估计方法 |
-
2020
- 2020-02-18 CN CN202010099836.7A patent/CN111208734B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104932252A (zh) * | 2015-06-26 | 2015-09-23 | 中国科学院光电技术研究所 | 一种改进的自抗扰与pid的串级控制方法 |
CN107490962A (zh) * | 2017-08-08 | 2017-12-19 | 北京理工大学 | 一种数据驱动的伺服系统最优控制方法 |
CN108828955A (zh) * | 2018-08-16 | 2018-11-16 | 大连海事大学 | 基于有限时间扩张状态观测器的精准航迹跟踪控制方法 |
CN109143863A (zh) * | 2018-09-13 | 2019-01-04 | 武汉科技大学 | 非线性系统的快速自学习改进adrc控制方法 |
CN110687781A (zh) * | 2019-11-01 | 2020-01-14 | 大连海事大学 | 一种二阶非线性系统的精确不确定性和控制增益估计方法 |
CN110687800A (zh) * | 2019-11-19 | 2020-01-14 | 大连海事大学 | 一种数据驱动自适应抗干扰控制器结构及其估计方法 |
Non-Patent Citations (2)
Title |
---|
《Limit Cycle Analysis of Linear/Nonlinear Switching Active Disturbance Rejection Control System》;Hui Wan.etc;《2019 IEEE 8th Data Driven Control and Learning Systems Conference》;20191125;第748-753页 * |
《一类非线性时滞系统的鲁棒模糊自适应控制》;李晓强等;《控制与决策》;20100730;第25卷(第7期);第1045-1049页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111208734A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208734B (zh) | 一种控制增益未知不确定系统的数据驱动抗干扰控制结构 | |
Liu et al. | Adaptive finite-time neural network control of nonlinear systems with multiple objective constraints and application to electromechanical system | |
Oliveira et al. | Adaptive sliding mode control for disturbances with unknown bounds | |
Wang et al. | Bounded UDE-based controller for input constrained systems with uncertainties and disturbances | |
Liu et al. | A new control scheme for nonlinear systems with disturbances | |
Mu et al. | Tracking control of podded propulsion unmanned surface vehicle with unknown dynamics and disturbance under input saturation | |
CN109669345A (zh) | 基于eso的水下机器人模糊pid运动控制方法 | |
CN102540887A (zh) | 一种非线性参数化系统的控制方法 | |
Zhang et al. | Adaptive self-regulation PID control of course-keeping for ships | |
Pan et al. | Learning from adaptive control under relaxed excitation conditions. | |
Wang et al. | An On-Line Robust and Adaptive TS Fuzzy-Neural Controller for More General Unknown Systems. | |
Wu et al. | An adaptive filter-based equivalent-input-disturbance approach for networked control systems with measurement noise | |
Li et al. | Improved adaptive twisting sliding mode control for trajectory tracking of an AUV subject to uncertainties | |
CN112882473B (zh) | 一种事件触发的无人艇集群分布式协同控制器 | |
Kanchanaharuthai | Nonlinear recursive gain asymptotic tracking controller design for hydraulic turbine regulating systems | |
Yu et al. | Barrier Lyapunov function-based finite-time dynamic surface control for output-constrained nonstrict-feedback systems | |
Tajrishi et al. | Fast finite time fractional-order robust-adaptive sliding mode control of nonlinear systems with unknown dynamics | |
Shen et al. | HOSMD and neural network based adaptive super-twisting sliding mode control for permanent magnet synchronous generators | |
Jiang et al. | Sliding mode control of semi-markovian jump systems | |
Prakash et al. | Neuro-PI controller based model reference adaptive control for nonlinear systems | |
Li et al. | A tuning algorithm of PD-type iterative learning control | |
Zhao et al. | Ship PMSM nonlinear ADRC parameter self-tuning based on neural network | |
Song et al. | Discrete variable structure control design and its application to a ship autopilot servo system | |
Joy et al. | Adaptive Neural Dynamic Surface Control for Course Tracking of Ships With Full state Constraints | |
Shtessel et al. | Adaptive sliding mode and second order sliding mode control with applications: a survey |
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 |