CN111258215B - 一种模型未知系统的数据驱动控制器 - Google Patents
一种模型未知系统的数据驱动控制器 Download PDFInfo
- Publication number
- CN111258215B CN111258215B CN202010177915.5A CN202010177915A CN111258215B CN 111258215 B CN111258215 B CN 111258215B CN 202010177915 A CN202010177915 A CN 202010177915A CN 111258215 B CN111258215 B CN 111258215B
- Authority
- CN
- China
- Prior art keywords
- module
- data driving
- input end
- output end
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
本发明提供一种模型未知系统的数据驱动控制器,以一阶非线性系统为被控对象,控制器的输入端与参考信号相连,控制器的输出端与被控系统的输入端相连,包括扩张状态观测器模块、参数辨识模块、数据驱动模块以及线性控制模块。本发明所提的数据驱动总扰动和控制系数估计方法不但能够估计控制参数,而且实现了内扰和外扰的统一估计,同时克服了现有方法假设控制参数已知的缺陷,显著提高了系统的控制精度。
Description
技术领域
本发明涉及不确定非线性系统控制领域,尤其涉及控制参数未知的一阶时变不确定非线性系统控制器结构。
背景技术
许多实际控制系统,如电机系统、机器人系统、飞行器系统、船舶自动舵系统等,都具有时变非线性、参数不确定等特点,同时还存在外部干扰,这些特性给系统控制带来困难与挑战。因此,针对模型未知系统,提出模型不确定、外部扰动和控制系数的估计方法,实现不依赖模型参数的精确控制,具有重要的研究意义和理论价值。
自适应参数辨识方法被应用于一阶不确定非线性系统控制器设计中,能够实现系统未知参数的自适应估计。然而,该方法只能处理参数不确定,不能处理系统的非线性不确定与未知外部扰动。鲁棒控制也是一种有效的非线性控制方法,能够处理系统不确定性与扰动,然而该方法一般依赖未知扰动有界的假设条件。近年来,神经网络控制、模糊控制方法被陆续应用于一阶非线性系统的控制中,解决了非线性系统模型不确定性和外部扰动估计问题。然而,神经网络与模糊控制器设计过程复杂,并且需要假设控制输入参数已知。综上所述,以电机系统为例,现有的不确定非线性系统控制方案仍存在一些不足之处:
第一,现有的基于自适应参数辨识的一阶非线性电机系统控制中,虽然能实现不确定电机系统参数的辨识与估计,但不能处理电机系统非线性不确定性与实时的外部干扰。
第二,现有的基于神经网络或模糊控制的一阶非线性电机系统控制方法,虽然能够估计电机系统的不确定性,但是需要假设控制系数已知。并且神经网络或模糊控制方案复杂,不利于在实际电机系统中应用。
第三,现有的自适应方法虽然能够通过设计自适应率实现对电机系统控制参数的估计,但是估计误差的收敛依赖于持续激励条件,不能保证估计参数收敛到真实值,使其在电机控制中精度不高。
发明内容
根据上述提出现有控制方法应用于一阶不确定非线性电机系统时不能处理系统非线性不确定性与实时的外部干扰、需要假设控制系数已知、估计误差的收敛依赖于持续激励条件等技术问题,而提供一种模型未知系统的数据驱动控制器结构,不仅可以估计非线性电机系统中时变的不确定性与外部扰动,而且可以在线估计电机系统的控制系数。
本发明采用的技术手段如下:
一种模型未知系统的数据驱动控制器,以一阶非线性系统为被控对象,控制器的输入端与参考信号xr相连,控制器的输出端u与被控系统的输入端相连,其特征在于,包括:扩张状态观测器模块、参数辨识模块、数据驱动模块以及线性控制模块;
所述扩张状态观测器模块的输入端分别与被控系统的状态、线性控制模块的输出端以及数据驱动模块的输出端相连,所述扩张状态观测器模块的输出端分别与线性控制模块的输入端和参数辨识模块的输入端相连;
所述参数辨识模块的输入端分别与线性控制模块的输出端、扩张状态观测器模块的输出端以及被控系统的状态相连,所述参数辨识模块的输出端与所述数据驱动模块的输入端相连;
所述数据驱动模块的输入端分别与时间和参数辨识模块的输出端相连,数据驱动模块的一个输出端与扩张状态观测器模块的输入端相连,另一个输出端与线性控制模块的输入端相连;
所述线性控制模块的输入端分别与参考信号和被控系统的状态、扩张状态观测器模块的输出端以及数据驱动模块的输出端相连,线性控制模块的输出端与被控系统的输入端相连。
较现有技术相比,本发明具有以下优点:
第一,本发明所提的数据驱动总扰动和控制系数估计方法不但能够估计控制参数,而且实现了内扰和外扰的统一估计。
第二,本发明提出数据驱动总扰动和控制系数估计方法,能够同时估计总扰动与未知控制系数,克服了现有方法假设控制参数已知的缺陷。
第三,而本发明提出的数据驱动总扰动和控制系数估计方法,能够保证参数的估计值收敛到真实值,显著提高了系统的控制精度。
基于上述理由本发明可在控制参数未知的一阶时变不确定非线性系统控制领域广泛推广。
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为本发明控制参数未知的控制器结构示意图。
图2为被控系统实际输出信号x与外部输入参考信号xr跟踪曲线图。
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,本发明提供了一种模型未知系统的数据驱动控制器结构,以一阶非线性系统为被控对象,控制器的输入端与参考信号xr相连,控制器的输出端u与被控系统的输入端相连。
所述的控制器由扩张状态观测器模块、参数辨识模块、数据驱动模块、线性控制模块构成。扩张状态观测器模块的一个输入端与被控系统的状态相连,另一个输入端与线性控制模块的输出端相连,还有一个输入端与数据驱动模块的输出端相连、扩张状态观测器模块的输出端分别与线性控制模块的输入端和参数辨识模块的输入端相连;参数辨识模块的一个输入端与线性控制模块的输出端相连,另一个与扩张状态观测器模块的输出端相连,还有一个输入端与被控系统的状态相连;数据驱动模块的一个输入端与时间相连,另一个输入端与参数辨识模块的输出端相连、数据驱动模块的一个输出端与扩张状态观测器模块的输入端相连,另一个输出端与线性控制模块的输入端相连;线性控制模块的一个输入端与参考信号和被控系统的状态相连,另一个输入端与扩张状态观测器模块的输出端相连,还有一个输入端与数据驱动模块的输出端相连、线性控制模块的输出端与被控系统的输入端相连。
所述的被控系统可由下列一阶单输入单输出不确定非线性系统形式来描述:
其中x∈R为被控系统的状态;u∈R为被控系统的控制输入;f(x,t)∈R为未知的模型不确定与外部扰动构成的总扰动;所述的被控系统的控制目标是设计一种控制器u使得输出x跟踪一个外部参考信号xr。具体来说,控制器涉及分为以下四个部分:
扩张状态观测器模块
参数辨识模块
数据驱动模块
其中,g表示辅助变量,M、G表示矩阵,p指数据存储长度,且满足p≥n+d,即大于等于被控系统状态x(t)和控制输入u的维度。通过数据存储,实现了有限时间参数辨识,得到数据驱动模块输出信号即被辨识参数B的估计值;
线性控制模块
得到控制器的输出信号u,其中k>0为常数。
实施例1
考虑下列一阶不确定非线性系统
在实施例中,不确定项f(x,t)=5x+cos(t),控制参数B=3,系统控制的目的是为了跟踪一个正弦信号xr=0.5sin(t)。
选择控制器参数:k=5;扩张状态观测器参数:λ1=60,λ2=900;观测器参数:km=100,kc=3300。
由图2~4可看出,本发明设计的控制参数未知的控制器控制效果较好,被控系统实际输出信号x在1s内即可跟踪上参考信号xr,并且跟踪误差小,准确性良好。尽管被控系统不确定项f(x,t)为时变项,扩张状态观测器也能在1s后对其进行精确估计,说明本发明设计的控制器鲁棒性较强。而基于数据驱动的观测器在0.1s就能估计出被控系统的输入参数B,估计效果快速准确,达到了预期目标。由此表明,本发明设计的扩张状态观测器和基于数据驱动的观测器均具有良好、准确的估计效果,控制器性能良好。
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 (2)
1.一种模型未知系统的数据驱动控制器,以一阶非线性系统为被控对象,控制器的输入端与参考信号相连,控制器的输出端与被控系统的输入端相连,其特征在于,包括:扩张状态观测器模块、参数辨识模块、数据驱动模块以及线性控制模块;
所述扩张状态观测器模块的输入端分别与被控系统的状态、线性控制模块的输出端以及数据驱动模块的输出端相连,所述扩张状态观测器模块的输出端分别与线性控制模块的输入端和参数辨识模块的输入端相连;
所述参数辨识模块的输入端分别与线性控制模块的输出端、扩张状态观测器模块的输出端以及被控系统的状态相连,所述参数辨识模块的输出端与所述数据驱动模块的输入端相连;
所述数据驱动模块的输入端分别与时间和参数辨识模块的输出端相连,数据驱动模块的一个输出端与扩张状态观测器模块的输入端相连,另一个输出端与线性控制模块的输入端相连;
所述线性控制模块的输入端分别与参考信号和被控系统的状态、扩张状态观测器模块的输出端以及数据驱动模块的输出端相连,线性控制模块的输出端与被控系统的输入端相连;
所述一阶非线性系统描述如下:
其中x∈R为被控系统的状态,u∈R为被控系统的控制输入,f(x,t)∈R为未知的模型不确定与外部扰动构成的总扰动,B为被辨识参数;
所述扩张状态观测器模块描述如下:
所述参数辨识模块描述如下:
所述数据驱动模块描述如下:
其中,g为辅助变量,p指数据存储长度,且满足p≥n+d,n控系统状态x(t)维度,d为被控系统的控制输入u的维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177915.5A CN111258215B (zh) | 2020-03-13 | 2020-03-13 | 一种模型未知系统的数据驱动控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010177915.5A CN111258215B (zh) | 2020-03-13 | 2020-03-13 | 一种模型未知系统的数据驱动控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111258215A CN111258215A (zh) | 2020-06-09 |
CN111258215B true CN111258215B (zh) | 2022-05-31 |
Family
ID=70947705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010177915.5A Active CN111258215B (zh) | 2020-03-13 | 2020-03-13 | 一种模型未知系统的数据驱动控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111258215B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045605A (zh) * | 2019-03-25 | 2019-07-23 | 天津大学 | 压缩式制冷系统的有限时间收敛的预测自抗扰控制策略 |
CN110221542A (zh) * | 2019-06-04 | 2019-09-10 | 西北工业大学 | 一种二阶非线性多智能体系统固定时间协同跟踪控制方法 |
CN110350839A (zh) * | 2019-08-09 | 2019-10-18 | 大连海事大学 | 一种模型不确定异步电动机的位置跟踪控制器及控制方法 |
CN110429887A (zh) * | 2019-08-09 | 2019-11-08 | 大连海事大学 | 一种永磁同步电动机的位置跟踪控制器及控制方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8892264B2 (en) * | 2009-10-23 | 2014-11-18 | Viridity Energy, Inc. | Methods, apparatus and systems for managing energy assets |
-
2020
- 2020-03-13 CN CN202010177915.5A patent/CN111258215B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045605A (zh) * | 2019-03-25 | 2019-07-23 | 天津大学 | 压缩式制冷系统的有限时间收敛的预测自抗扰控制策略 |
CN110221542A (zh) * | 2019-06-04 | 2019-09-10 | 西北工业大学 | 一种二阶非线性多智能体系统固定时间协同跟踪控制方法 |
CN110350839A (zh) * | 2019-08-09 | 2019-10-18 | 大连海事大学 | 一种模型不确定异步电动机的位置跟踪控制器及控制方法 |
CN110429887A (zh) * | 2019-08-09 | 2019-11-08 | 大连海事大学 | 一种永磁同步电动机的位置跟踪控制器及控制方法 |
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 |
---|
《Cooperative output regulation of heterogeneous nonlinear multi-agent systems with unknown control directions》;Meichen Guo.etc;《IEEE Transactions on Automatic Control》;20160913;第62卷(第6期);第1-8页 * |
《一阶不确定系统的固定时间收敛扰动观测器》;杨峰等;《控制与决策》;20190531;第34卷(第5期);第917-926页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111258215A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110209148B (zh) | 一种基于描述系统观测器的网络化系统的故障估计方法 | |
CN108764539B (zh) | 一种梯级电站的上下游水位预测方法 | |
CN110377942B (zh) | 一种基于有限高斯混合模型的多模型时空建模方法 | |
CN108228975A (zh) | 电机伺服系统参数辨识方法以及消隙控制方法 | |
CN111258215B (zh) | 一种模型未知系统的数据驱动控制器 | |
CN111459031A (zh) | 一种面向学习的扰动观测器设计方法 | |
CN116431981B (zh) | 一种基于移动机器人定位系统的分布式集员滤波方法 | |
CN115169721B (zh) | 一种基于迁移辨识的精馏过程单吨能耗预测方法及系统 | |
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 | |
Li et al. | Next day load forecasting using SVM | |
CN111352344B (zh) | 一种动态完全未知系统的数据驱动自适应预估器 | |
CN112489075B (zh) | 基于特征函数的序惯式多传感器融合滤波方法 | |
CN114337427A (zh) | 一种带遗忘因子的递推最小二乘法的转动惯量辨识方法 | |
Chen et al. | Closed-loop identification of continuous-time systems from non-uniformly sampled data | |
Chakrabarty et al. | Moving horizon estimation for digital twins using deep autoencoders | |
DeLima et al. | Multiple model fault tolerant control using globalized dual heuristic programming | |
CN111460738A (zh) | 磁悬浮系统的rnn-arx建模方法、rnn-arx模型 | |
CN117057159B (zh) | 一种周期调度协议下基于三轮车运动模型的状态估计方法 | |
CN116184838B (zh) | 一种基于浸入与不变方法的航空发动机自适应控制方法 | |
CN113985900B (zh) | 一种四旋翼无人机姿态动态特性模型、辨识方法及自适应柔化预测控制方法 | |
Qu et al. | Control Input Inference of Mobile Agents under Unknown Objective | |
CN109581865B (zh) | Miso异因子偏格式无模型控制方法 | |
WO2023124921A1 (zh) | 永磁同步电机的转矩估测方法、装置、设备及存储介质 | |
CN117910622A (zh) | 一种昆虫种群动态的预报估计方法 | |
Liu et al. | Observer-Based Fixed-Time Coordinated Control for Uncertain Nonlinear Multi-agent Systems |
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 |