CN111308892B - 一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法 - Google Patents

Abstract

本发明公开了一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法，属于自动控制领域。在闭环控制系统中，通过滤波的方式无法对频率低于或在控制频段附近的传感器有色噪声进行有效抑制，因为滤波器会使闭环带宽下降并造成相位延迟。而该方法可对传感器全频段噪声进行有效抑制，同时保证系统闭环性能不受影响。同时，该方法可通过噪声抑制函数的设计对不同频段的噪声抑制比进行调节，并控制系统稳定条件下的被控对象不确定范围。本发明不增加系统的硬件复杂程度，具有较高的实用价值。

Description

一种基于模型观测的对传感器噪声抑制比可调的闭环控制 方法

技术领域

本发明属于自动控制领域，具体涉及一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法，该方法将传感器输出信号和理想数学模型的输出信号相减得到噪声的观测值，再将观测值经过一个可以调节噪声抑制比的函数处理后，反相叠加于传感器输出端从而抵消噪声。该方法的特点在于：1)和传统的滤波方法相比，该方法对噪声的抑制不会影响闭环校正函数设计和系统的闭环特性；2)该方法可调节传感器噪声抑制比，通过适当的降低噪声抑制能力可以在被控对象存在更大不确定性时保持系统稳定性。

背景技术

自动控制领域正在向光、机、电的高度一体化的方向不断发展。随着系统集成度的提高、逆变开关和数字电路的广泛应用，自动控制系统的噪声环境日趋复杂。同时，随着科技发展，传感器灵敏度的也在不断提升。因此，如何避免系统噪声对传感器的干扰一直是自动控制领域中的重要话题。

众所周知，传感器在自动控制中的一个重要应用方向是为系统提供被控对象的反馈信号，从而实现对被控对象的闭环控制。当传感器输出信号受到系统中的噪声干扰时，闭环控制的精度也会受到相应的影响，当噪声干扰严重时甚至会引发闭环控制的不稳定。

传统的噪声抑制方法主要是对传感器的输出信号进行滤波处理。比较常用的滤波手段包括均值滤波，巴特沃兹滤波，贝塞尔滤波，切比雪夫滤波和椭圆滤波等等。其中，均值滤波主要是针对白噪声进行滤波。而通过巴特沃兹、贝塞尔和切比雪夫等滤波器可对有色噪声进行滤波，然而当噪声频率低于闭环控制带宽或和闭环控制带宽接近时，使用滤波器会严重影响到系统的闭环特性，引起闭环带宽降低或相位延迟等问题。由此可见，采用传统的噪声抑制方式很难对频率接近和低于闭环控制带宽的传感器有色噪声进行有效抑制。

针对上述情况，本文提出了一种基于模型观测的传感器噪声抑制比可调的闭环控制方法。而该方法可对传感器全频段噪声进行有效抑制，同时保证系统闭环性能不受影响。该方法的另一特点在于，其传感器噪声抑制比可调。一般来讲，被控对象随着时间的推移，其对象特性会存在一定不确定性，如发生比例变化等。针对这种情况，本发明可通过调节抑制函数，增大可保证系统稳定的比例变化范围，从而使该方法更加适应工程上的一般应用。

发明内容

针对闭环控制系统中的传感器噪声问题，本发明提供了一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法。该方法可对传感器全频段的噪声进行有效抑制，而传统的滤波手段对频率低于或和控制频段相近的传感器有色噪声无法进行有效抑制。

本发明采用的技术方案为：一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法，包括：

1)在对被控对象实施闭环控制前，通过扫频方式建立从控制输入信号r_sp(s)到传感器输出信号y_sp(s)的传递关系P(s)＝y_sp(s)/r_sp(s)，再通过曲线拟合获得传递函数的数学模型P_n(s)≈P(s)，其中C(s)代表闭环校正函数，P(s)代表被控对象自身，P_n(s)代表被控对象的数学模型，Q(s)代表噪声抑制函数；r代表控制输入信号，y代表闭环控制输出，y′代表传感器输出，n代表传感器噪声；

2)对传感器噪声抑制的原理如下：1)通过将传感器的输出信号和数学模型输出的理论信号相减得到传感器噪声的观测值；2)将噪声的观测值经过Q滤波器进行处理，得到想要的噪声抑制比|Q(s)|；3)将处理后的噪声观测值反相叠加于传感器的输出端从而进行噪声抑制；

3)闭环控制性能和噪声抑制性能如下：设由r(s)到y(s)的传递函数为T_yr(s)，由n(s)到y(s)的传递函数为T_yn(s)，则：

表达式(1)体现了闭环性能：当P_n(s)准确时，闭环跟踪性能和传统闭环控制系统的闭环跟踪性能完全等效，C(s)的设计方法包含所有传统闭环控制系统中可用的设计方法，在进行闭环控制时，C(s)和Q(s)之间的设计相互不影响，如何设计控制C(s)仅由被控对象自身的特性和系统的要求决定；

表达式(2)体现了噪声抑制能力：通过设计Q(s)可以在不同频点上调节噪声的抑制比例，当|Q(s)|＝0时可实现对噪声的完全抑制；

4)对被控对象不确定性的适应性也可通过设计Q(s)实现，设被控对象存在一定的不确定性，并可以表示为P≈kP_n(s)，其中k是一个大于0的常数，可以证明该控制算法稳定的充分必要条件为：表达式δ(s)＝DD_c+NN_c(1+(1-τ)(1-1/k))满足赫尔维兹稳定判据，其中

Q(s)＝τ，τ为大于等于0小于1的常数，因此当τ取不同值时，使系统稳定的k范围也相应变化，当τ值提高时，k的取值范围也相应变大，系统可以接受的被控对象的不确定范围也越大。

本发明与现有技术相比具有如下优点：

(1)相对于传统的闭环控制方法，该发明有效地抑制了传感器噪声对闭环控制的影响，在传感器信号反馈端消除了传感器噪声，从而防止闭环精度下降和由噪声造成的系统不稳定等情况的发生。

(2)传统的用滤波器的方式消除传感器噪声可能造成闭环控制性能下降的问题，不能用于对频率接近或在带宽内的传感器有色噪声进行抑制。而该发明对噪声的抑制方式不会影响闭环系统的跟踪性能。

(3)该发明可通过对Q(s)的调节，控制各频点噪声的抑制比，同时，也可以通过对Q(s)的调节，控制系统可以接受的被控对象的不确定范围。

(4)应用该发明的所基于的硬件单元和传统闭环控制的硬件单元一样，通过一个控制处理器即可实现，在系统硬件上无需增加额外单元。而通过传统滤波方法通常需要在传感器输出端插入滤波电路，增加了硬件复杂程度。

附图说明

图1是对被控对象实施扫频的示意图。

图2是本发明一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法的控制框图。

图3是传统的闭环控制框图。

图4是在闭环校正函数相同的情况下，本发明控制方法和传统闭环控制方法的闭环特性对比图。

图5是在传感器反馈信号受干扰情况下，传统闭环控制方法的控制效果。其中，上图为传感器反馈信号在受干扰情况下的时域图和频谱图，下图为控制系统的实际输出。

图6是在传感器受干扰情况下，本发明的控制效果。其中，上图为传感器反馈信号在受干扰情况下的时域图和频谱图，下图为控制系统的实际输出。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

本发明一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法的具体实施方式、过程和效果说明如下：

步骤1：如图1所示，用扫频信号对所要控制的被控对象进行扫频，并测量扫频后的传感器输出信号。用y_sp(s)/r_sp(s)得到控制输入信号对传感器输出信号的传递特性P(s)，并通过曲线拟合的方式得到P(s)的数学模型P_n(s)，其中在控制所关心的频段内P(s)≈P_n(s)。

步骤2：根据如图3所示的传统闭环控制结构设计闭环校正函数C(s)，使闭环控制的性能达到相关要求。

步骤3：根据传感器的噪声干扰情况和系统的实际要求设计Q(s)。传感器噪声的抑制能力和Q(s)之间的关系为

步骤4：根据被控对象的不确定性范围设计Q(s)。设被控对象存在一定的不确定性，并可以表示为P≈kP_n(s)，其中k是一个大于0的常数。则令Q(s)＝τ并调节τ使其令δ(s)＝DD_c+NN_c(1+(1-τ)(1-1/k))满足赫尔维兹稳定判据。最后再结合步骤3中得到的Q(s)设计要求，得到最终的Q(s)。

步骤5：在上述工作的基础上，在系统的控制单元中实现如图2所示的控制结构。

为验证本发明的效果，搭建了一套光束偏转控制系统。使用电涡流作为系统闭环的传感器，利用其反馈信号控制光束偏转。使用位置敏感探测器(PSD)作为检验控制性能装置测量光束偏转轨迹。用1hz的正弦信号作为系统的输入控制信号。

表1展示了为保证系统稳定τ和k之间的关系。可见τ值越大，k的变化范围也越大，系统越稳定。本次实验中采用了τ＝0.2的取值。

表1

τ	k
		0	0.5<k<2.73
0.2	0.44<k<2.92
		0.4	0.38<k<3.16
0.6	0.29<k<3.47

图4对比了在相同校正函数C(s)的情况下，传统闭环控制法和本发明的闭环控制法的系统闭环特性y(s)/r(s)。可见两者是相当的，因此采用本发明方法不会对系统的闭环特性产生影响。

图5展示了在传统闭环控制方法下光束的控制效果。通过电涡流的反馈信号可以看出，传感器受到了噪声的干扰。由于干扰的频率低于控制带宽且为频谱丰富有色噪声，因此无法使用低通滤波器或均值滤波等方法进行消除。通过PSD的检验发现光束偏转的闭环控制精度受到了传感器噪声的影响，光束的偏转轨迹中包含了大量和传感器噪声同频的分量。

图6展示了采用本发明方法下光束的控制效果。可以看到，在电涡流受到同样噪声干扰的情况下，使用本发明方法光束的控制精度明显得到了提高，光束控制轨迹中和传感器噪声同频的分量的幅值大大减少，其抑制比和τ的取值相当。

Claims (1)

1.一种基于模型观测的对传感器噪声抑制比可调的闭环控制方法，其特征在于：包括：

1)在对被控对象实施闭环控制前，通过扫频方式建立从控制输入信号r_sp(s)到传感器输出信号y_sp(s)的传递关系P(s)＝y_sp(s)/r_sp(s)，再通过曲线拟合获得传递函数的数学模型P_n(s)≈P(s)，其中C(s)代表闭环校正函数，P(s)代表被控对象自身，P_n(s)代表被控对象的数学模型，Q(s)代表噪声抑制函数；r代表控制输入信号，y代表闭环控制输出，y′代表传感器输出，n代表传感器噪声；

2)对传感器噪声抑制的原理如下：1)通过将传感器的输出信号和数学模型输出的理论信号相减得到传感器噪声的观测值；2)将噪声的观测值经过Q滤波器进行处理，得到想要的噪声抑制比|Q(s)|；3)将处理后的噪声观测值反相叠加于传感器的输出端从而进行噪声抑制；

3)闭环控制性能和噪声抑制性能如下：设由r(s)到y(s)的传递函数为T_yr(s)，由n(s)到y(s)的传递函数为T_yn(s)，则：

表达式(1)体现了闭环性能：当P_n(s)准确时，闭环跟踪性能和传统闭环控制系统的闭环跟踪性能完全等效，C(s)的设计方法包含所有传统闭环控制系统中可用的设计方法，在进行闭环控制时，C(s)和Q(s)之间的设计相互不影响，如何设计控制C(s)仅由被控对象自身的特性和系统的要求决定；

表达式(2)体现了噪声抑制能力：通过设计Q(s)可以在不同频点上调节噪声的抑制比例，当|Q(s)|＝0时可实现对噪声的完全抑制；

4)对被控对象不确定性的适应性也可通过设计Q(s)实现，设被控对象存在一定的不确定性，并可以表示为P≈kP_n(s)，其中k是一个大于0的常数，可以证明该控制算法稳定的充分必要条件为：表达式δ(s)＝DD_c+NN_c(1+(1-τ)(1-1/k))满足赫尔维茨稳定判据，其中

Q(s)＝τ，τ为大于等于0小于1的常数，因此当τ取不同值时，使系统稳定的k范围也相应变化，当τ值提高时，k的取值范围也相应变大，系统可以接受的被控对象的不确定范围也越大。

Images