CN113325709B - 转台变负载情况下的自适应控制方法 - Google Patents
转台变负载情况下的自适应控制方法 Download PDFInfo
- Publication number
- CN113325709B CN113325709B CN202110577025.8A CN202110577025A CN113325709B CN 113325709 B CN113325709 B CN 113325709B CN 202110577025 A CN202110577025 A CN 202110577025A CN 113325709 B CN113325709 B CN 113325709B
- Authority
- CN
- China
- Prior art keywords
- identification
- controller
- correction
- parameters
- self
- 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
本发明提出了转台变负载情况下的自适应控制方法,所述方法使用时域数据曲线进行递归最小二乘辨识的方法,减少了数据的需要,并增加了根据辨识结果变更控制器参数,在辨识时,将已有的参数作为已知条件给出,使转台在工作时,即使使用不同的负载也能得到变化较小,效果较好的性能指标;使用闭环方式进行辨识,可以让转台转角更小以适应限位需求;在低频时,可以更好的拟合实际转台输出,实际误差更小;且其他频率最终达到的辨识效果与已有方法相近;在自校正控制时,相比固定参数的控制器,也达到了很好的频响指标,使变负载前后的指标更加接近。
Description
技术领域
本发明属于机电系统控制器设计领域,具体地,涉及转台变负载情况下的自适应控制方法。
背景技术
在现代飞行控制、导航制导、目标探测与跟踪等众多任务荷载系统的研制、生产过程中,地面仿真测试是必不可少的。而在飞行器半实物仿真和测试中,飞行仿真转台是常用的硬件设备之一,它能够真实地复现飞行器在空中飞行时的各种姿态运动和其运动学特性,提供精确的运动测试基准。作为整个飞行仿真或测试系统中的一个组成部分,它为飞行器提供了模拟的飞行环境,因此其性能的优劣,直接关系到整个仿真系统性能的优劣。
然而转台的动态性能对其参数变化较为敏感,如系统的结构尺寸或负载变化会导致被控对象数学模型发生变化。工程上常用的转台数学模型参数的确定方法为利用频域的Bode图测定法,其主要思想是:给伺服系统加入正弦输入激励信号,则系统的输出响应也是同一频率的正弦信号,通过改变输入信号的频率,对输入的信号和输出端信号进行FFT数据处理,从而可获得被测系统或对象的频率特性。但是由于环境条件的变化、框架之间的力矩耦合以及其它干扰因素的存在等,模型参数在正常运行期间可能改变。且转台使用时往往会安装不同惯量的负载,也会使模型参数发生变化。为使系统在负载变化或存在其它干扰影响的条件下仍能够稳定且满足指标要求,需要根据转台的变化修改控制器。修改控制器的主要思路是重新得到模型参数再进行控制器设计。
目前得到模型参数的方法是通过开环输入不同频率的正弦信号得到频率特性再进行模型拟合的方式,得到扫频数据较慢而且需要离线拟合处理,步骤繁琐,此外,开环时转台转角较大,在有些转角有限的转台上使用会受到限制。
发明内容
本发明提出了转台变负载情况下的自适应控制方法,使用递归最小二乘方法,设计了需要数据更少的辨识算法,并增加了根据辨识结果变更控制器参数的方法,使转台在工作时,即使使用不同的负载也能得到变化较小,效果较好的性能指标。
本发明是通过以下方案实现的:
转台变负载情况下的自适应控制方法,所述方法包括以下步骤:
步骤一:给定转台电机模型,输入为DA值U(s),输出为角速度ω(s),电机的传递函数G0(s)如下:
其中K为增益,τm为机械时间常数,τe为电气时间常数,s为求传递函数时使用的拉氏变换中的复数变量;
得到递归最小二乘算法的标准形式,作为后续控制器参数校正的基础;
步骤二:根据实际转台的转角限定范围以及固定参数的初始控制器性能,给定符合要求的幅值和信号形式的闭环指令;所述信号形式为正弦信号或斜坡信号;存储步骤二得到的DA数据以及输出的位置或速度数据;
步骤三:根据步骤二给出的指令,初步给定一个符合步骤二中要求的新闭环指令,所述新闭环指令的信号形式和步骤二中的闭环指令相同,幅值接近;保证输入的DA信号与步骤二中一致,存储新步骤三得到的新DA数据以及新输出的位置或新速度数据;
步骤四:根据实际可测的输入输出数据,使用渐消记忆的递归最小二乘法辨识模型参数,其中遗忘因子取λ=0.999,递归最小二乘法表示为如下公式:
通过迭代,递归最小二乘法可以对性能指标进行最小化:
其中,J为性能指标,函数L为数据总个数;
步骤五:采用多点差分的方法得到速度数据,求角速度所用差分公式为:
其中,P为位置信号,T为采样时间,i,j均为变量序号;
步骤六:利用步骤二、步骤三得到的电机输出数据进行多点差分处理,由得到的速度数据以及原有的DA数据进行低通滤波处理进一步降低噪声影响;
步骤七:根据处理后的两组DA值和角速度数据进行步骤四中的递推最小二乘辨识,得到两组增益K和机械时间常数τm并存储下来;计算两组辨识结果置信度,并将置信度作为辨识结果是否可信的判断依据;
步骤八:设定在控制器中,G1为指令预处理环节,G2为前馈环节,C为校正环节,G为被控对象,则闭环传递函数为:
其中,P(s)为输出的位置信号,r(s)为指令信号;
参数变化后传递函数变为:
根据现有控制器形式设计自校正环节,使参数变化后的传递函数在经过校正后等价于原传递函数;
步骤九:在根据步骤七中的辨识结果和步骤八中的自校正环节形式设计自校正环节后,使用双线性变换法将得到的自校正环节离散化,得到离散化的参数,加入到已有的固定参数控制器的前馈及串联校正通路中完成校正。
进一步地,在步骤一中,
转台负载变更时转台参数有两处发生变化,分别是增益K和机械时间常数τm,根据已知的频率特性τe得到递归最小二乘形式;
将电机模型整理为满足最小二乘算法的格式即:
ω=KU-(τeωs2+ωs)τm
使用双线性变换法将之离散化得到:
y=ω(1+z-1)2
θ=[K τm]T
由此得到了步骤一中使用递归最小二乘法的标准形式。
进一步地,在步骤三中,所述给定的闭环指令是根据步骤二中的DA值和步骤七中的辨识结果以及已知的控制器及电机参数反算得到的;
在控制器、电机参数不可知或不准确时,根据负载变化情况采取递增或递减幅值的指令,迭代得到新的闭环指令,所述新的闭环指令产生DA值与步骤二中DA值接近。
进一步地,在步骤六中,
进行数据处理时,如果摩擦力矩影响大,通过将摩擦力矩反算到DA值上的方法进行进一步数据处理,以补偿摩擦影响;
已知摩擦力矩时,将电机模型转化为单回路模型,若电机参数可知且其反电势系数所在的反馈回路幅值远小于前项通路,则按开环模型将摩擦力矩直接反算到输入端;如果反馈回路信号幅值大,则按辨识所得电机模型及电机已知的参数推算从摩擦力矩到DA输入的传递函数来获得补偿在DA处的幅值;
实际摩擦模型如果未知,则由开环输入斜率小的位置斜坡指令,根据转台开始运动时的指令幅值直接确定补偿在DA值处的静摩擦系数。
进一步地,在步骤七中,利用时域曲线辨识,得到以曲线形式输出的辨识结果,将辨识得到的曲线在指令平稳的时间段进行积分处理取平均值,得到两组增益K和机械时间常数τm。
进一步地,在步骤七中,
增加置信度计算,对辨识曲线的方差进行计算,取方差的倒数作为置信度,并将结果存储下来作为辨识结果是否可信的判断依据。
进一步地,在步骤八中,
在转台控制器中,控制量由串联校正环节的输出和前馈环节的输出组合而成,所以在两个通路上分别校正,设G3为自校正环节,自校正控制器形式设为:
其中,K0和τ0为设计固定参数控制器时的初始增益及机械时间常数,K1和τ1为参数变化后的增益及机械时间常数,串联校正通路中加入自校正环节后
综上,串联校正通路在加入自校正环节后传递函数可以与被控对象参数变化前相等,即控制系统参数改变后传递函数
在加入自校正环节后可以与原始传递函数
本发明有益效果
(1)本发明的在辨识时,将已有的参数作为已知条件给出,使辨识更加方便,使用的数据更少;现有的扫频辨识模型的方法需要输入不同频率的正弦波,需要更多组数据,时间也更久。使用时域数据曲线进行递归最小二乘辨识的方法在原理上可以实时、在线地修正控制器参数;
(2)本发明使用闭环方式进行辨识,可以让转台转角更小以适应限位需求;现有技术中因为扫频时低频转角过大,得到的位置曲线容易不连续,相差正负一百八十度导致算得的FFT数据不准,所以扫频时不能给频率过低的信号,而本发明所使用的方法在低频时,如图4及图6所示,可以更好的拟合实际转台输出;如图5及图7所示,本方法与实际误差更小;且其他频率最终达到的辨识效果与已有方法相近。在自校正控制时,相比固定参数的控制器,也达到了很好的频响指标,使变负载前后的指标更加接近。
附图说明
图1为本发明的算法流程图;
图2为被控转台对象的理想模型;
图3为某型转台目前使用的控制器流程图;
图4为输入0.4Hz幅值渐变正弦信号时本发明与已有方法辨识结果与真实角速度的对比图;
图5为输入0.4Hz幅值渐变正弦信号时本发明与已有方法辨与真实角速度差值的对比图;
图6为输入1Hz幅值渐变正弦信号时本发明与已有方法辨识结果与真实角速度的对比图;
图7为输入1Hz幅值渐变正弦信号时本发明与已有方法辨与真实角速度差值的对比图。
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。
转台变负载情况下的自适应控制方法,所述方法包括以下步骤:
步骤一:给定转台电机模型,输入为DA值U(s),输出为角速度ω(s),电机的传递函数G0(s)如下:
其中K为增益,τm为机械时间常数,τe为电气时间常数,s为求传递函数时使用的拉氏变换中的复数变量;
得到递归最小二乘算法的标准形式,作为后续控制器参数校正的基础;
步骤二:根据实际转台的转角限定范围以及固定参数的初始控制器性能,给定符合要求的幅值和信号形式的闭环指令;所述幅值不能过小,所述信号形式为正弦信号或斜波信号;存储步骤二得到的DA数据以及输出的位置或速度数据;
步骤三:根据步骤二给出的指令,初步给定一个符合步骤二中要求的新闭环指令,所述新闭环指令的信号形式和步骤二中的闭环指令相同,幅值接近;保证输入的DA信号与步骤二中一致,存储新步骤三得到的新DA数据以及新输出的位置或新速度数据;
步骤四:根据实际可测的输入输出数据,使用渐消记忆的递归最小二乘法辨识模型参数,其中遗忘因子取λ=0.999,递归最小二乘法表示为如下公式:
通过迭代,递归最小二乘法可以对性能指标进行最小化:
其中,J为性能指标,函数L为数据总个数;
步骤五:由于实际信号存在噪声,想要得到转台的速度数据需要由位置数据差分获得,而差分会进一步放大噪声,所以采用多点差分的方法得到速度数据,且保证多点差分带来的延迟可以接受,求角速度所用差分公式为:
其中,P为位置信号,T为采样时间,i,j均为变量序号;
步骤六:利用步骤二、步骤三得到的电机输出数据进行多点差分处理,由得到的速度数据以及原有的DA数据进行低通滤波处理进一步降低噪声影响;
步骤七:根据处理后的两组DA、角速度数据进行步骤四中的递推最小二乘辨识,得到两组增益K和机械时间常数τm并存储下来;计算两组辨识结果置信度,并将置信度作为辨识结果是否可信的判断依据;
步骤八:如图3,设定在现有控制器中,G1为指令预处理环节,G2为前馈环节,C为校正环节,G为被控对象,则闭环传递函数为:
其中,P(s)为输出的位置信号,r(s)为指令信号;
参数变化后传递函数变为:
根据现有控制器形式设计自校正环节,使参数变化后的传递函数在经过校正后等价于原传递函数;
步骤九:在根据步骤七中的辨识结果和步骤八中的自校正环节形式设计自校正环节后,使用双线性变换法将得到的自校正环节离散化,得到离散化的参数,加入到已有的固定参数控制器的前馈及串联校正通路中完成校正。
在转台转动角度没有限制或范围较大的情况下,使用开环输入给定幅值和频率的正弦等形式的信号进行辨识的方式,同样可以进行相同的辨识和自校正。
在步骤一中,
转台负载变更时转台参数主要有两处发生变化,分别是增益K和机械时间常数τm,已知τe决定的频率特性距离系统关心的频率很远且其绝对值很小,所以将之提出作为已知条件,得到递归最小二乘形式;
将电机模型整理为满足最小二乘算法的格式即:
ω=KU-(τeωs2+ωs)τm
使用双线性变换法将之离散化得到:
y=ω(1+z-1)2
θ=[K τm]T
由此得到了步骤一中使用递归最小二乘法的标准形式。
在步骤三中,所选取的输入信号,在精度要求较高时,根据步骤二中的DA值,步骤七中的辨识结果以及已知的控制器及电机参数反算得到与步骤二相同的DA值时所需的闭环指令幅值;
在控制器、电机参数等不可知或不准确时,也可根据负载变化情况采取递增或递减幅值的指令,迭代寻找产生DA值最接近步骤二中DA值的闭环指令。
在步骤六中,由于选取的激励信号频率很低,所以选择的滤波器截止频率也很低,仅需比输入信号频率略高。
在步骤六中,
进行数据处理时,如果摩擦力矩影响较大,可以通过将摩擦力矩反算到DA值上的方法进行进一步数据处理,以补偿摩擦影响;
已知摩擦力矩时,将电机模型转化为单回路模型,若电机参数可知且其反电势系数所在的反馈回路幅值远小于前项通路,则可按开环模型将摩擦力矩直接反算到输入端;如果反馈回路信号幅值较大,则可按辨识所得电机模型及电机已知的参数推算从摩擦力矩到DA输入的传递函数来获得补偿在DA处的幅值;
实际摩擦模型如果未知,则由开环输入斜率很小的位置斜坡指令,根据转台开始运动时的指令幅值直接确定补偿在DA值处的静摩擦系数。
进一步地,在步骤七中,因为利用时域曲线辨识,得到的辨识结果也以曲线形式输出,为了得到单值,将辨识得到的曲线在指令平稳的时间段进行积分处理取平均值,得到两组增益K和机械时间常数τm。
在步骤七中,
当出现指令不合理或者控制器设置错误的情况,则步骤六得到的数据辨识曲线波动极大,不符合辨识需求,即辨识结果不可靠;所以增加置信度计算,对辨识曲线的方差进行计算,取方差的倒数作为置信度,并将结果存储下来作为辨识结果是否可信的判断依据。
在步骤八中,
在转台控制器中,控制量由串联校正环节的输出和前馈环节的输出组合而成,所以在两个通路上分别校正,设G3为自校正环节,自校正控制器形式设为:
其中,K0和τ0为设计固定参数控制器时的初始增益及机械时间常数,K1和τ1为参数变化后的增益及机械时间常数;
综上,串联校正通路在加入自校正环节后传递函数可以与被控对象参数变化前相等,即控制系统参数改变后传递函数
在加入自校正环节后可以与原始传递函数
某型号仿真转台在工作时需要更换不同转动惯量的负载,在更换负载后原有的固定参数控制器以及不能满足需要的性能指标,所以需要重新设计控制器以达到期望指标,为了方便控制器设计,在一定程度上使同样的控制器能适应不同的负载,设计了自校正控制器来辨识变化后的系统参数并修正控制器参数。
为验证发明的有效性,以上文提到的仿真转台为研究对象,分别使用开环和闭环方式对转台带不同负载的工作情况进行辨识和自校正,具体步骤如下:
(1)开环输入一定幅值的低频正弦波信号作为指令,得到空载时电机模型两端的输入输出数据并存储下来。
(2)根据递归最小二乘辨识得到空载时的电机模型增益K0和机械时间常数τ0,存储下来作为原始参数,计算辨识结果置信度(若原始模型已知前两步可省略)。
(3)开环输入与(1)中幅值相同或相近的同频率正弦波,在转台带不同转动惯量的负载工作时,分别得到它们的输入输出数据。
(4)根据递归最小二乘辨识得到带不同负载时,变化后电机模型的增益K1和机械时间常数τ1,计算辨识结果置信度。
(5)根据置信度判断辨识结果可用,根据自校正环节形式
设计自校正环节,将得到的自校正环节使用双线性变换离散化后加入到已有的调节好的控制器的前馈及串联通路中。
(6)为减小转台运动的总角度,采用闭环输入指令的方式进行辨识和自校正重新进行上述五步。
(7)使用加入自校正环节后的控制器对此仿真转台进行控制,测试其双十指标。原控制器可做到11赫兹的双十指标,变负载后10赫兹左右以及不能达到双十指标,但校正后可以达到且频率特性较为接近原控制器。
本发明在某型转台上实验,在转台带不同负载工作时,通过辨识和自校正结合的方法使其在不重新设计控制器的情况下也能达到更理想的性能指标。
转台空载时设计控制器,在较为关心的1Hz、9Hz、10Hz、11Hz处测试中负载及重负载情况下原控制器及校正后控制器的控制性能。校正后性能指标越接近原控制器越好,且幅值比越接近于1,相角差越接近于0°越好。
中负载时,如表1及表2所示,通过校正,1Hz、10Hz、11Hz处幅值比变化减小了-0.01%,1.8%,2.64%。相角差减小了-0.042°,0.367°,0.918°。
正弦频率(Hz) | 原控制器幅值比 | 未校正时幅值比 | 校正后幅值比 |
1 | 0.9981 | 0.9974 | 0.9973 |
10 | 1.0773 | 1.0972 | 1.0754 |
11 | 1.0975 | 1.1255 | 1.0959 |
表1为转台带中负载时校正前后与原控制器的幅值比对比
正弦频率(Hz) | 原控制器相角差(°) | 未校正时相角差(°) | 校正后相角差(°) |
1 | -0.352 | -0.364 | -0.298 |
10 | 0.264 | -0.384 | 0.281 |
11 | 0.161 | -0.929 | 0.172 |
表2为转台带中负载时校正前后与原控制器的相角差对比
重负载时,如表3及表4所示,通过校正,1Hz、9Hz、10Hz处幅值比变化减小了0.09%,3.74%,4.73,相角差减小了-0.061°1.118°,1.609°。
表3为转台带重负载时校正前后与原控制器的幅值比对比
正弦频率(Hz) | 原控制器相角差(°) | 未校正时相角差(°) | 校正后相角差(°) |
1 | -0.352 | -0.379 | -0.264 |
9 | 0.250 | -0.933 | 0.185 |
10 | 0.264 | -1.491 | 0.118 |
表4为转台带重负载时校正前后与原控制器的相角差对比
综上所述,本发明在转台变负载工作的情景下,可以有效提高所关心频率的性能指标,使之满足要求。
以上对本发明所提出的转台变负载情况下的自适应控制方法,进行了详细介绍,本文中应用了数值模拟算例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.转台变负载情况下的自适应控制方法,其特征在于,所述方法包括以下步骤:
步骤一:给定转台电机模型,输入为DA值U(s),输出为角速度ω(s),电机的传递函数G0(s)如下:
其中K为增益,τm为机械时间常数,τe为电气时间常数,s为求传递函数时使用的拉氏变换中的复数变量;
得到递归最小二乘算法的标准形式,作为后续控制器参数校正的基础;
步骤二:根据实际转台的转角限定范围以及固定参数的初始控制器性能,给定符合要求的幅值和信号形式的闭环指令;所述信号形式为正弦信号或斜坡信号;存储步骤二得到的DA数据以及输出的位置或速度数据;
步骤三:根据步骤二给出的指令,初步给定一个符合步骤二中要求的新闭环指令,所述新闭环指令的信号形式和步骤二中的闭环指令相同,幅值接近;保证输入的DA信号与步骤二中一致,存储新步骤三得到的新DA数据以及新输出的位置或新速度数据;
步骤四:利用步骤二、步骤三得到的电机输出数据进行多点差分处理,由得到的速度数据以及原有的DA数据进行低通滤波处理进一步降低噪声影响;
采用多点差分的方法得到速度数据,求角速度所用差分公式为:
其中,P为位置信号,T为采样时间,i,j均为变量序号;
步骤五:根据处理后的两组DA值和角速度数据进行递归最小二乘辨识,利用时域曲线辨识,得到以曲线形式输出的辨识结果,将辨识得到的曲线在指令平稳的时间段进行积分处理取平均值,得到第一组增益K和机械时间常数τm以及第二组增益K和机械时间常数τm并存储下来;计算两组辨识结果置信度,并将置信度作为辨识结果是否可信的判断依据;
根据实际可测的输入输出数据,使用渐消记忆的递归最小二乘法辨识模型参数,其中遗忘因子取λ=0.999,递归最小二乘法表示为如下公式:
通过迭代,递归最小二乘法可以对性能指标进行最小化:
其中,J为性能指标,函数L为数据总个数;
步骤六:设定在控制器中,G1为指令预处理环节,G2为前馈环节,C为校正环节,G为被控对象,则闭环传递函数为:
其中,P(s)为输出的位置信号,r(s)为指令信号;
参数变化后传递函数变为:
根据现有控制器形式设计自校正环节,使参数变化后的传递函数在经过校正后等价于原传递函数;
步骤七:在根据步骤五中的辨识结果和步骤六中的自校正环节形式设计自校正环节后,使用双线性变换法将得到的自校正环节离散化,得到离散化的参数,加入到已有的固定参数控制器的前馈及串联校正通路中完成校正。
3.根据权利要求1所述方法,其特征在于:在步骤三中,所述给定的闭环指令是根据步骤二中的DA值和步骤七中的辨识结果以及已知的控制器及电机参数反算得到的;
在控制器、电机参数不可知或不准确时,根据负载变化情况采取递增或递减幅值的指令,迭代得到新的闭环指令,所述新的闭环指令产生DA值与步骤二中DA值接近。
4.根据权利要求1所述方法,其特征在于:在步骤四中,
进行数据处理时,如果摩擦力矩影响大,通过将摩擦力矩反算到DA值上的方法进行进一步数据处理,以补偿摩擦影响;
已知摩擦力矩时,将电机模型转化为单回路模型,若电机参数可知且其反电势系数所在的反馈回路幅值远小于前项通路,则按开环模型将摩擦力矩直接反算到输入端;如果反馈回路信号幅值大,则按辨识所得电机模型及电机已知的参数推算从摩擦力矩到DA输入的传递函数来获得补偿在DA处的幅值;
实际摩擦模型如果未知,则由开环输入斜率小的位置斜坡指令,根据转台开始运动时的指令幅值直接确定补偿在DA值处的静摩擦系数。
5.根据权利要求1所述方法,其特征在于:在步骤五中,利用时域曲线辨识,得到以曲线形式输出的辨识结果,将辨识得到的曲线在指令平稳的时间段进行积分处理取平均值,得到两组增益K和机械时间常数τm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110577025.8A CN113325709B (zh) | 2021-05-26 | 2021-05-26 | 转台变负载情况下的自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110577025.8A CN113325709B (zh) | 2021-05-26 | 2021-05-26 | 转台变负载情况下的自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325709A CN113325709A (zh) | 2021-08-31 |
CN113325709B true CN113325709B (zh) | 2022-07-26 |
Family
ID=77416947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110577025.8A Active CN113325709B (zh) | 2021-05-26 | 2021-05-26 | 转台变负载情况下的自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325709B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5818208A (en) * | 1996-12-19 | 1998-10-06 | Abb Power T&D Company Inc. | Flicker controllers using voltage source converters |
CN107065551A (zh) * | 2017-04-24 | 2017-08-18 | 哈尔滨工大航博科技有限公司 | 一种基于模型参数精确辨识的仿真转台自校正控制方法 |
CN107124132A (zh) * | 2017-05-22 | 2017-09-01 | 珠海格力节能环保制冷技术研究中心有限公司 | 一种转动惯量辨识方法及辨识器 |
CN108279571A (zh) * | 2018-02-02 | 2018-07-13 | 哈尔滨工业大学 | 一种有限转角机电伺服系统的模型参数辨识方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5394322A (en) * | 1990-07-16 | 1995-02-28 | The Foxboro Company | Self-tuning controller that extracts process model characteristics |
US6577908B1 (en) * | 2000-06-20 | 2003-06-10 | Fisher Rosemount Systems, Inc | Adaptive feedback/feedforward PID controller |
-
2021
- 2021-05-26 CN CN202110577025.8A patent/CN113325709B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5818208A (en) * | 1996-12-19 | 1998-10-06 | Abb Power T&D Company Inc. | Flicker controllers using voltage source converters |
CN107065551A (zh) * | 2017-04-24 | 2017-08-18 | 哈尔滨工大航博科技有限公司 | 一种基于模型参数精确辨识的仿真转台自校正控制方法 |
CN107124132A (zh) * | 2017-05-22 | 2017-09-01 | 珠海格力节能环保制冷技术研究中心有限公司 | 一种转动惯量辨识方法及辨识器 |
CN108279571A (zh) * | 2018-02-02 | 2018-07-13 | 哈尔滨工业大学 | 一种有限转角机电伺服系统的模型参数辨识方法 |
Non-Patent Citations (8)
Title |
---|
An adaptive position control algorithm of a DC motor based on the first order approximation using recursive least squares with forgetting;Kwang-Seok Oh等;《2017 17th International Conference on Control, Automation and Systems (ICCAS)》;20171214;全文 * |
Dual EKF-based model parameters identification for flight simulation turntable;jinshu Wu等;《2017 36th Chinese Control Conference (CCC)》;20170911;全文 * |
Self-tuning method for PI regulators of PMSM servo system based on frequency-response characteristic;Dong-wen Wang;《2016 19th International Conference on Electrical Machines and Systems (ICEMS)》;20170202;全文 * |
变惯量负载永磁同步电机的模型参考自适应控制研究;张子晗;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20210115(第01(2021)期);第C042-685页 * |
基于xPC的三轴仿真转台模型辨识方法研究;赵斌等;《系统仿真学报》;20110208(第02期);全文 * |
转台自校正PID控制系统设计;傅楚楚;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111215(第S2(2011)期);第I140-832页 * |
连续回转马达电液伺服系统辨识及控制;王晓晶等;《哈尔滨工程大学学报》;20110825(第08期);全文 * |
飞行仿真转台无模型复合控制器设计与实验研究(英文);郭治富等;《Chinese Journal of Aeronautics》;20091215(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113325709A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363301B (zh) | 基于干扰观测滑模变结构的轮廓误差交叉耦合控制方法 | |
CN107065551B (zh) | 一种基于模型参数精确辨识的仿真转台自校正控制方法 | |
CN107688554B (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
CN108972553B (zh) | 一种基于粒子滤波算法的空间机械臂故障检测方法 | |
Sushchenko et al. | Processing of redundant information in airborne electronic systems by means of neural networks | |
CN107844618B (zh) | 用于测量推力和冲量的扭摆系统的设计方法 | |
CN112549030B (zh) | 一种基于抗干扰滤波的空间机械臂柔性关节位姿估计方法 | |
CN113128035B (zh) | 民用飞机飞控传感器信号重构容错控制方法 | |
CN112597706B (zh) | 一种运载火箭执行机构故障在线诊断方法 | |
CN111546346A (zh) | 一种柔性关节扰动观测方法、力矩控制方法和设备 | |
CN111547263B (zh) | 一种飞机操纵系统地面动态特性测试方法 | |
Rekabi et al. | Nonlinear H∞ measurement feedback control algorithm for quadrotor position tracking | |
CN116991068A (zh) | 基于分布式预设时间梯度下降法的电机控制方法及系统 | |
Sun et al. | A practical solution to some problems in flight control | |
CN113325709B (zh) | 转台变负载情况下的自适应控制方法 | |
CN111856933B (zh) | 一种考虑不确定性的航空发动机自适应控制器设计方法 | |
CN108089444B (zh) | 一种基于修正参考模型的双轴转台同步控制方法 | |
CN113189868B (zh) | 伺服系统动态误差的精确补偿方法 | |
CN111856941B (zh) | 一种基于主动抗扰的自适应终端动态滑模控制方法 | |
CN115422698A (zh) | 一种伺服驱动变周期在线惯量辨识方法 | |
CN115473467A (zh) | 基于模糊观测器的柔性关节机械臂指令滤波反步控制方法 | |
Sun et al. | Robust adaptive fault estimation for a commercial aircraft oscillatory fault scenario | |
CN112987054A (zh) | 标定sins/dvl组合导航系统误差的方法和装置 | |
CN112034710B (zh) | 过程对象的在线闭环频域辨识方法、系统及计算机可读存储介质 | |
Nejati et al. | Design of Robust State Estimation Filter in The Presence of Uncertainty, Fault, and Unknown Input |
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 |