CN113867148A - 基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 - Google Patents
基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 Download PDFInfo
- Publication number
- CN113867148A CN113867148A CN202111157791.5A CN202111157791A CN113867148A CN 113867148 A CN113867148 A CN 113867148A CN 202111157791 A CN202111157791 A CN 202111157791A CN 113867148 A CN113867148 A CN 113867148A
- Authority
- CN
- China
- Prior art keywords
- sequence set
- data
- theta
- identified
- loop system
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004044 response Effects 0.000 title claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 21
- 230000014509 gene expression Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000009776 industrial production Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本发明提供一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,属于自动控制技术领域,通过将得到的串联控制闭环系统的设定值和输出的序列集做预处理得到设定值和输出第一级序列集,进一步变换得到设定值和输出第二级序列集;基于两个反馈控制器和前馈控制器系数、第二级序列集、延迟时间常数,通过计算得到一阶惯性加纯延迟系统的待辨识参数。该方法通过适当变换可以得到二阶惯性加纯延迟系统的待辨识参数。本发明能够辨识含串联控制器的待辨识对象,为控制策略设计和优化提出模型,具有一定的应用潜力。
Description
技术领域
本发明涉及自动控制技术领域,具体的说,涉及了一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法。
背景技术
系统辨识是工业过程中控制策略优化改进和先进控制方法实施的基础,针对离散系统相关技术中常见的辨识方法包括开环辨识方法和闭环辨识方法。为了保证系统的安全进行,工业生产中一般不允许进行开环试验,尽管开环试验的辨识方法比较成熟,开环辨识过程中需要从自动投入状态改为人工操作状态,会打断工业生产的连续性,也会带来一定的成本增加。在工业过程中,大部分通过都可以通过一阶惯性加纯延迟或者二阶惯性加延迟的传递函数系统进行描述,由于延迟的时间常数可以根据闭环系统的输入和输出数据的关系直接获得,一阶惯性或者二阶惯性中的其他参数需要进行辨识。
然而,工业过程中有一类存在串联控制器的系统,该类系统均有两个控制器,对于如何在闭环条件下能够得到该类串联控制器系统的模型目前的研究还比较欠缺,因此如何能够在基于含串联控制器的闭环系统基础上辨识出连续系统模型是十分必要的。
为了解决以上存在的问题,人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足,从而提供了一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,还提供了一种电子设备。
为了实现上述目的,本发明所采用的技术方案是:一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,所述串联控制闭环系统包括依次串联的两个反馈控制器和待辨识对象,所述两个反馈控制器两端还并联有前馈控制器,所述待辨识对象为m阶惯性加纯延迟的传递函数,所述串联控制闭环系统辨识方法包括以下步骤:
1)提取串联控制闭环系统在设定值阶跃响应时的设定值序列集R0和与设定值序列集R0相对应的输出序列集Y0,设定值序列集R0和输出序列集Y0的数据长度为n,采样周期为ΔT;
2)将步骤1)中提取的设定值序列集R0和输出序列集Y0中每一个数据均减去所述串联控制闭环系统在设定值阶跃响应前的稳态值rss,分别得到设定值第一级序列集R1和输出第一级序列集Y1;
3)基于所述串联控制闭环系统的设定值阶跃响应的幅值l以及不超过τ/ΔT的最大整数对所述设定值第一级序列集R1和所述输出第一级序列集Y1进行代数变换,得到设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51;
其中,1≤h≤m,设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51中数据的数据长度为n;
4)基于所述串联控制闭环系统的两个反馈控制器和前馈控制器的已知控制参数对所述设定值第二级序列集R11、R21、R31、R41和R51以及所述输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51进行代数变换,得到三级序列集θ,
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ21(i)=-y10(i)
θ2h(i)=-yh0(i)
θ2m(i)=-ym0(i);
其中θ1(i)、θ21(i)、θ2h(i)、θ2m(i)分别是序列集θ1、序列集θ21、序列集θ2h和序列集θ2m中的第i个数据;r11(i)、r21(i)、r31(i)、r41(i)和r51(i)分别为设定值第二级序列集R11、R21、R31、R41和R51中的第i个数据;y10(i)、yh0(i)、ym0(i)、y11(i)、y21(i)、y31(i)、y41(i)和y51(i)分别是输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51中的第i个数据;kp1、ki1和kd1为反馈控制器Gc1(s)已知参数,分别为Gc1(s)的比例增益系数、积分增益系数和微分增益系数;其中kp2、ki2和kd2为反馈控制器Gc2(s)已知参数,分别为Gc2(s)的比例增益系数、积分增益系数和微分增益系数;kpf、kif和kdf为前馈控制器为Cf(s)的已知参数,分别为Cf(s)的比例增益系数、积分增益系数和微分增益系数;
5)基于所述三级序列集和所述输出第一级序列集Y1辨识出待辨识对象的待辨识参数,并基于待辨识对象的已知参数,获得待辨识对象的传递函数模型;
在具体实施时,所述待辨识对象为一阶惯性加纯延迟的传递函数,数学表达式如下:
其中G(s)为待辨识对象的传递函数,s和t分别为微分算子和待辨识对象已知的延迟时间常数,a1和a2为待辨识对象的待辨识参数。
基于上述,设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据的数学计算式分别如下:
其中,j为数据在序列集中超不过i的位置,1≤j≤i;
θ1和θ2中数据的数学计算式分别如下
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ2(i)=-y10(i)。
在具体实施时,所述待辨识对象为二阶惯性加纯延迟的传递函数,数学表达式如下:
其中G(s)为待辨识对象的传递函数,s和t分别为微分算子和待辨识对象已知的延迟时间常数,a1、a2和a3为待辨识对象的待辨识参数。
基于上述,设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51中数据可以从下式得到
其中,j为数据在序列集中超不过i的位置,1≤j≤i;
序列集θ1、θ2和θ3中数据的数学计算式分别如下:
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ21(i)=-y10(i)
θ22(i)=-y20(i)。
基于上述,所述待辨识对象为水位控制系统、凝汽器控制系统、火力机组二次风系统、或者燃烧系统。
基于上述,采集的数据长度n满足400≤n≤100000,采样周期ΔT满足0.01s≤ΔT≤10s。
基于上述,反馈控制器Gc1(s)的参数满足-105≤kp1≤105、-105≤ki1≤105和-105≤kd1≤105;反馈控制器Gc2(s)的参数满足-105≤kp2≤105、-105≤ki2≤105和-105≤kd2≤105;前馈控制器Cf(s)的参数满足-105≤kpf≤105、-105≤kif≤105和-105≤kdf≤105。
本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如前述的串联控制闭环系统辨识方法。
本发明相对现有技术具有突出的实质性特点和显著的进步,具体的说,能够基于串联控制闭环系统设定值的序列集和输出序列集、两个反馈控制器和前馈控制器参数以及待辨识对象的延迟时间常数,将待辨识对象辨识为一阶惯性加纯延迟或二阶惯性加纯延迟的连续系统,能够有效避免系统进行开环辨识的操作,得到的一阶惯性加纯延迟或二阶惯性加纯延迟的连续系统,能够直接应用于控制策略的设计以及参数优化,并为先进控制方法实施提供模型基础,具有很强的工业应用价值和应用前景。
附图说明
图1为考虑前馈的串联控制闭环系统。
图2为实施例3中设定值序列集、输出序列集和辨识模型输出的趋势。
具体实施方式
下面通过具体实施方式,对本发明的技术方案做进一步的详细描述。
实施例1
如图1所示,本实施例提供一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,所述串联控制闭环系统包括依次串联的两个反馈控制器Gc1(s)、Gc2(s)和待辨识对象G(s),所述两个反馈控制器两端还并联有前馈控制器Cf(s),所述待辨识对象G(s)为一阶惯性加纯延迟的传递函数,数学表达式如下:
其中,s和t分别为微分算子和待辨识对象已知的延迟时间常数,a1和a2为待辨识对象的待辨识参数;
所述反馈控制器Gc1(s)和Gc2(s)的数学表达式分别如下:
kp1、ki1和kd1为反馈控制器Gc1(s)已知参数,分别为Gc1(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kp1、ki1和kd1分别满足-105≤kp1≤105、-105≤ki1≤105和-105≤kd1≤105;其中kp2、ki2和kd2为反馈控制器Gc2(s)已知参数,分别为Gc2(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kp2、ki2和kd2满足-105≤kp2≤105、-105≤ki2≤105和-105≤kd2≤105;
所述前馈控制器为Cf(s)的数学表达式如下:
其中kpf、kif和kdf为前馈控制器为Cf(s)的已知参数,分别为Cf(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kpf、kif和kdf满足-105≤kpf≤105、-105≤kif≤105和-105≤kdf≤105。
所述串联控制闭环系统辨识方法包括以下步骤:
1)提取串联控制闭环系统在设定值阶跃响应时的设定值序列集R0和与设定值序列集R0相对应的输出序列集Y0,设定值序列集R0和输出序列集Y0的数据长度为n,采样周期为ΔT;
R0=[r0(1),…,r0(i),…,r0(n)]
Y0=[y0(1),…,y0(i),…,y0(n)]
其中i表示数据在序列集中的位置,1≤i≤n;r0(1)、r0(i)和r0(n)分别为设定值序列集的第一个数据、第i个数据和第n个数据;y0(1)、y0(i)和y0(n)分别为输出序列集的第一个数据、第i个数据和第n个数据;优选的,提取的数据长度一般有400≤n≤100000,典型工业过程的采样周期一般有0.01s≤ΔT≤10s;
2)将步骤1)中提取的设定值序列集R0和输出序列集Y0中每一个数据均减去所述串联控制闭环系统在设定值阶跃响应前的稳态值rss,分别得到设定值第一级序列集R1和输出第一级序列集Y1;
设定值第一级序列集R1和输出第一级序列集Y1中每一个数据可以通过下式计算得到:
r1(1)=r0(1)-rss
r1(i)=r0(i)-rss
r1(n)=r0(n)-rss
y1(1)=y0(1)-rss
y1(i)=y0(i)-rss
y1(n)=y0(n)-rss;
其中r1(1)、r1(i)和r1(n)分别为设定值第一级序列集R1的第一个数据、第i个数据和第n个数据;y1(1)、y1(i)和y1(n)分别为输出第一级序列集Y1的第一个数据、第i个数据和第n个数据;优选的,所述串联控制闭环系统在设定值阶跃响应前的稳态值rss根据实际的物理量来决定,一般有0.01≤rss≤1000;
设定值第一级序列集R1和输出第一级序列集Y1的形式分别如下:
R1=[r1(1),…,r1(i),…,r1(n)]
Y1=[y1(1),…,y1(i),…,y1(n)];
3)基于所述串联控制闭环系统的设定值阶跃响应的幅值l以及不超过τ/ΔT的最大整数对所述设定值第一级序列集R1和所述输出第一级序列集Y1进行代数变换,得到设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51;优选的,所述串联控制闭环系统阶跃响应的幅值l满足:1≤l≤1000;所述不超过τ/ΔT的最大整数满足
其中,设定值第二级序列集R11、R21、R31、R41和R51中数据的数据长度为n;具体的,设定值第二级序列集R11、R21、R31、R41和R51的形式分别如下:
R11=[r11(1),…,r11(i),…,r11(n)]
R21=[r21(1),…,r21(i),…,r21(n)]
R31=[r31(1),…,r31(i),…,r31(n)]
R41=[r41(1),…,r41(i),…,r41(n)]
R51=[r51(1),…,r51(i),…,r51(n)];
设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
r11(i)、r21(i)、r31(i)、r41(i)和r51(i)分别为设定值第二级序列集R11、R21、R31、R41和R51中的第i个数据;
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据的数据长度为n,具体的,输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51的形式分别如下:
Y10=[y10(1),…,y10(i),…,y10(n)]
Y11=[y11(1),…,y11(i),…,y11(n)]
Y21=[y21(1),…,y21(i),…,y21(n)]
Y31=[y31(1),…,y31(i),…,y31(n)]
Y41=[y41(1),…,y41(i),…,y41(n)]
Y51=[y51(1),…,y51(i),…,y51(n)];
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据的数学计算式分别如下:
其中,j为数据在序列集中超不过i的位置,1≤j≤i;y10(i)、y11(i)、y21(i)、y31(i)、y41(i)和y51(i)分别是输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中的第i个数据;
4)基于所述串联控制闭环系统的两个反馈控制器和前馈控制器的已知控制参数对所述设定值第二级序列集R11、R21、R31、R41和R51以及所述输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51进行代数变换,得到三级序列集θ,
序列集θ1、θ2的形式分别如下:
θ1=[θ1(1),…,θ1(i),…,θ1(n)]
θ2=[θ2(1),…,θ2(i),…,θ2(n)];
序列集θ1、θ2中数据的数学计算式分别如下:
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ2(i)=-y10(i);
其中θ1(i)、θ2(i)分别是序列集θ1、序列集θ2中的第i个数据;
5)基于所述三级序列集和所述输出第一级序列集Y1辨识出待辨识对象的待辨识参数,并基于待辨识对象的已知参数,获得待辨识对象的传递函数模型;
实施例2
本实施例提供一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,所述串联控制闭环系统包括依次串联的两个反馈控制器Gc1(s)、Gc2(s)和待辨识对象G(s),所述两个反馈控制器两端还并联有前馈控制器Cf(s),所述待辨识对象G(s)为二阶惯性加纯延迟的传递函数,数学表达式如下:
其中,s和τ分别为微分算子和待辨识对象已知的延迟时间常数,a1、a2和a3为待辨识对象的待辨识参数;待辨识对象的延迟时间常数一般有0≤τ≤100;
所述反馈控制器Gc1(s)和Gc2(s)的数学表达式分别如下:
kp1、ki1和kd1为反馈控制器Gc1(s)已知参数,分别为Gc1(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kp1、ki1和kd1分别满足-105≤kp1≤105、-105≤ki1≤105和-105≤kd1≤105;其中kp2、ki2和kd2为反馈控制器Gc2(s)已知参数,分别为Gc2(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kp2、ki2和kd2满足-105≤kp2≤105、-105≤ki2≤105和-105≤kd2≤105;
所述前馈控制器为Cf(s)的数学表达式如下:
其中kpf、kif和kdf为前馈控制器为Cf(s)的已知参数,分别为Cf(s)的比例增益系数、积分增益系数和微分增益系数,优选的,kpf、kif和kdf满足-105≤kpf≤105、-105≤kif≤105和-105≤kdf≤105。
所述串联控制闭环系统辨识方法包括以下步骤:
1)提取串联控制闭环系统在设定值阶跃响应时的设定值序列集R0和与设定值序列集R0相对应的输出序列集Y0,设定值序列集R0和输出序列集Y0的数据长度为n,采样周期为ΔT;
R0=[r0(1),…,r0(i),…,r0(n)]
Y0=[y0(1),…,y0(i),…,y0(n)]
其中i表示数据在序列集中的位置,1≤i≤n;r0(1)、r0(i)和r0(n)分别为设定值序列集的第一个数据、第i个数据和第n个数据;y0(1)、y0(i)和y0(n)分别为输出序列集的第一个数据、第i个数据和第n个数据;优选的,提取的数据长度一般有400≤n≤100000,典型工业过程的采样周期一般有0.01s≤ΔT≤10s;
2)将步骤1)中提取的设定值序列集R0和输出序列集Y0中每一个数据均减去所述串联控制闭环系统在设定值阶跃响应前的稳态值rss,分别得到设定值第一级序列集R1和输出第一级序列集Y1;
设定值第一级序列集R1和输出第一级序列集Y1中每一个数据可以通过下式计算得到:
r1(1)=r0(1)-rss
r1(i)=r0(i)-rss
r1(n)=r0(n)-rss
y1(1)=y0(1)-rss
y1(i)=y0(i)-rss
y1(n)=y0(n)-rss;
其中r1(1)、r1(i)和r1(n)分别为设定值第一级序列集R1的第一个数据、第i个数据和第n个数据;y1(1)、y1(i)和y1(n)分别为输出第一级序列集Y1的第一个数据、第i个数据和第n个数据;优选的,所述串联控制闭环系统在设定值阶跃响应前的稳态值rss根据实际的物理量来决定,一般有0.01≤rss≤1000;
设定值第一级序列集R1和输出第一级序列集Y1的形式分别如下:
R1=[r1(1),…,r1(i),…,r1(n)]
Y1=[y1(1),…,y1(i),…,y1(n)];
3)基于所述串联控制闭环系统的设定值阶跃响应的幅值l以及不超过τ/ΔT的最大整数对所述设定值第一级序列集R1和所述输出第一级序列集Y1进行代数变换,得到设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51;优选的,所述串联控制闭环系统阶跃响应的幅值l满足:1≤l≤1000;所述不超过τ/ΔT的最大整数满足
其中,设定值第二级序列集R11、R21、R31、R41和R51中数据的数据长度为n;具体的,设定值第二级序列集R11、R21、R31、R41和R51的形式分别如下:
R11=[r11(1),…,r11(i),…,r11(n)]
R21=[r21(1),…,r21(i),…,r21(n)]
R31=[r31(1),…,r31(i),…,r31(n)]
R41=[r41(1),…,r41(i),…,r41(n)]
R51=[r51(1),…,r51(i),…,r51(n)];
设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
r11(i)、r21(i)、r31(i)、r41(i)和r51(i)分别为设定值第二级序列集R11、R21、R31、R41和R51中的第i个数据;
输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51中数据的数据长度为n,具体的,输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51的形式分别如下:
Y10=[y10(1),…,y10(i),…,y10(n)]
Y20=[y20(1),…,y20(i),…,y20(n)]
Y11=[y11(1),…,y11(i),…,y11(n)]
Y21=[y21(1),…,y21(i),…,y21(n)]
Y31=[y31(1),…,y31(i),…,y31(n)]
Y41=[y41(1),…,y41(i),…,y41(n)]
Y51=[y51(1),…,y51(i),…,y51(n)];
输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51中数据的数学计算式分别如下:
其中,j为数据在序列集中超不过i的位置,1≤j≤i;y10(i)、y20(i)、y11(i)、y21(i)、y31(i)、y41(i)和y51(i)分别是输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51中的第i个数据;
4)基于所述串联控制闭环系统的两个反馈控制器和前馈控制器的已知控制参数对所述设定值第二级序列集R11、R21、R31、R41和R51以及所述输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51进行代数变换,得到三级序列集θ,
序列集θ1、θ21和θ22的形式分别如下:
θ1=[θ1(1),…,θ1(i),…,θ1(n)]
θ21=[θ21(1),…,θ21(i),…,θ21(n)]
θ22=[θ22(1),…,θ22(i),…,θ22(n)];
序列集θ1、θ21和θ22中数据的数学计算式分别如下:
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ21(i)=-y10(i);
θ22(i)=-y20(i)
其中θ1(i)、θ21(i)和θ22(i)分别是序列集θ1、θ21和θ22中的第i个数据;
5)基于所述三级序列集和所述输出第一级序列集Y1辨识出待辨识对象的待辨识参数,并基于待辨识对象的已知参数,获得待辨识对象的传递函数模型;
实施例3
本实施例通过仿真来说明技术的优越;
1)采用一阶惯性加纯延迟的传递函数描述待辨识对象,待辨识对象的数学表达式如下:
其中G(s)为对象的传递函数,s和τ分别为微分算子和待辨识对象已知的延迟时间常数,a1和a2为待辨识对象的待辨识参数;本实施例中待辨识对象的延迟时间常数为τ=10;
2)提取由待辨识对象、两个反馈控制器和前馈控制器组成的闭环系统在设定值阶跃响应时的设定值序列集R0和输出序列集Y0,数据长度为n+1,采样周期为ΔT;设定值序列集R0和输出序列集Y0的形式如下:
R0=[r0(1),…,r0(i),…,r0(n+1)]
Y0=[y0(1),…,y0(i),…,y0(n+1)]
其中i表示数据在序列集中的位置,1≤i≤n+1;r0(1)、r0(i)和r0(n+1)分别为设定值序列集的第一个数据、第i个数据和第n+1个数据;y0(1)、y0(i)和y0(n+1)分别为输出序列集的第一个数据、第i个数据和第n+1个数据;本实施例中提取的数据长度为n=4000,本实施例中采样周期为ΔT=1s;
3)闭环系统在设定值阶跃变化前的稳态值为rss,将步骤2)中提取的设定值序列集R0和输出序列集Y0中每一个数据均减去稳态值rss,分别得到设定值第一级序列集R1和输出第一级序列集Y1;
设定值第一级序列集R1和输出第一级序列集Y1中每一个数据可以通过下式计算得到:
r1(1)=r0(1)-rss
r1(i)=r0(i)-rss
r1(n)=r0(n)-rss
y1(1)=y0(1)-rss
y1(i)=y0(i)-rss
y1(n)=y0(n)-rss;
其中r1(1)、r1(i)和r1(n)分别为设定值第一级序列集R1的第一个数据、第i个数据和第n个数据;y1(1)、y1(i)和y1(n)分别为输出第一级序列集Y1的第一个数据、第i个数据和第n个数据;本实施例中所述串联控制闭环系统在设定值阶跃响应前的稳态值rss=0;
设定值第一级序列集R1和输出第一级序列集Y1的形式分别如下:
R1=[r1(1),…,r1(i),…,r1(n)]
Y1=[y1(1),…,y1(i),…,y1(n)];
4)定义为不超过τ/ΔT的最大整数,设定值阶跃的幅值为l,对步骤3)中得到的设定值第一级序列集R1中的数据进行代数变换得到设定值第二级序列集R11、R21、R31、R41和R51中的数据;设定值第二级序列集R11、R21、R31、R41和R51中数据在本实施例中的数据长度n=4000;本实施例中不超过τ/ΔT的最大整数为和l=1;
设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
r11(i)、r21(i)、r31(i)、r41(i)和r51(i)分别为设定值第二级序列集R11、R21、R31、R41和R51中的第i个数据;设定值第二级序列集R11、R21、R31、R41和R51的形式分别如下:
R11=[r11(1),…,r11(i),…,r11(n)]
R21=[r21(1),…,r21(i),…,r21(n)]
R31=[r31(1),…,r31(i),…,r31(n)]
R41=[r41(1),…,r41(i),…,r41(n)]
R51=[r51(1),…,r51(i),…,r51(n)];
5)对步骤3)中得到的输出第一级序列集Y1中的数据进行计算处理,得到输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中的数据;第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据的数据长度为n;
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据可以从下式得到:
其中,j为数据在序列集中超不过i的位置,1≤j≤i;y10(i)、y11(i)、y21(i)、y31(i)、y41(i)和y51(i)分别是输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中的第i个数据;
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51的形式分别如下:
Y10=[y10(1),…,y10(i),…,y10(n)]
Y11=[y11(1),…,y11(i),…,y11(n)]
Y21=[y21(1),…,y21(i),…,y21(n)]
Y31=[y31(1),…,y31(i),…,y31(n)]
Y41=[y41(1),…,y41(i),…,y41(n)]
Y51=[y51(1),…,y51(i),…,y51(n)];
6)闭环系统中的两个串联反馈控制器分别为Gc1(s)和Gc2(s),反馈控制器Gc1(s)和Gc2(s)的数学表达式分别如下:
其中kp1、ki1和kd1为反馈控制器Gc1(s)已知参数,分别为Gc1(s)的比例增益系数、积分增益系数和微分增益系数;其中kp2、ki2和kd2为反馈控制器Gc2(s)已知参数,分别为Gc2(s)的比例增益系数、积分增益系数和微分增益系数;本实施例中kp1=0.05、ki1=1/100和kd1=0;kp2=1、ki2=1/10000和kd2=0;
闭环系统中的前馈控制器为Cf(s),前馈控制器Cf(s)的数学表达式如下:
其中kpf、kif和kdf为前馈控制器为Cf(s)的已知参数,分别为Cf(s)的比例增益系数、积分增益系数和微分增益系数;本实施例中kpf=0、kif=0和kdf=0;
对步骤4)得到的设定值第二级序列集R11、R21、R31、R41和R51中数据以及步骤5)得到的输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中的数据,结合反馈控制器Gc1(s)和Gc2(s)以及前馈控制器Cf(s)中的参数,进行代数变换可以得到序列集θ1和θ2中的数据;
序列集θ1和θ2中数据的数学计算式分别如下:
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ2(i)=-y10(i)
其中θ1(i)和θ2(i)分别是序列集θ1和θ2中的第i个数据;序列集θ1和θ2的形式分别如下:
θ1=[θ1(1),…,θ1(i),…,θ1(n)]
θ2=[θ2(1),…,θ2(i),…,θ2(n)];
7)将步骤6)中得到的序列集θ1和θ2变换得到序列集θ;序列集θ的数学计算式如下:
9)完成步骤1)-8)可以完成一种考虑前馈的串联控制器闭环系统辨识方法,该方法可辨识出待辨识对象的待辨识参数a1和a2,结合步骤1)中待辨识对象已知的延迟时间常数τ,得到待辨识对象的传递函数;依据得到的传递函数能够分析对象动态特性,优化待辨识对象的控制策略;本实施例中待辨识对象的传递函数为
图2为实施例中设定值序列集、输出序列集和辨识模型输出序列集的趋势,点划线为设定值序列集趋势,虚线为输出序列集的趋势,实线为实施例中辨识模型在图1的闭环结构中在设定值第一序列集激励下的输出趋势。从趋势结果可知辨识的模型能够与输出序列集趋势保持一致,可以比较好的反映闭环系统的动态特性。说明了本发明提出方法的有效性,基于该方法辨识的模型能够为进一步的控制器设计以及控制优化、先进控制方法实施提供模型基础,具有很强的实用性和很广阔的工业应用前景。
实施例4
本实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如实施例1或实施例2所述的串联控制闭环系统辨识方法。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (10)
1.一种基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法,所述串联控制闭环系统包括依次串联的两个反馈控制器和待辨识对象,所述两个反馈控制器两端还并联有前馈控制器,所述待辨识对象为m阶惯性加纯延迟的传递函数,其特征在于,包括以下步骤:
1)提取串联控制闭环系统在设定值阶跃响应时的设定值序列集R0和与设定值序列集R0相对应的输出序列集Y0,设定值序列集R0和输出序列集Y0的数据长度为n,采样周期为ΔT;
2)将步骤1)中提取的设定值序列集R0和输出序列集Y0中每一个数据均减去所述串联控制闭环系统在设定值阶跃响应前的稳态值rss,分别得到设定值第一级序列集R1和输出第一级序列集Y1;
3)基于所述串联控制闭环系统的设定值阶跃响应的幅值l以及不超过τ/ΔT的最大整数θ对所述设定值第一级序列集R1和所述输出第一级序列集Y1进行代数变换,得到设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51;
其中,1≤h≤m,设定值第二级序列集R11、R21、R31、R41和R51以及输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51中数据的数据长度为n;
4)基于所述串联控制闭环系统的两个反馈控制器和前馈控制器的已知控制参数对所述设定值第二级序列集R11、R21、R31、R41和R51以及所述输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51进行代数变换,得到三级序列集θ,
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ21(i)=-y10(i)
θ2h(i)=-yh0(i)
θ2m(i)=-ym0(i);
其中θ1(i)、θ21(i)、θ2h(i)、θ2m(i)分别是序列集θ1、序列集θ21、序列集θ2h和序列集θ2m中的第i个数据;r11(i)、r21(i)、r31(i)、r41(i)和r51(i)分别为设定值第二级序列集R11、R21、R31、R41和R51中的第i个数据;y10(i)、yh0(i)、ym0(i)、y11(i)、y21(i)、y31(i)、y41(i)和y51(i)分别是输出第二级序列集Y10、Yh0、Ym0、Y11、Y21、Y31、Y41和Y51中的第i个数据;kp1、ki1和kd1为反馈控制器Gc1(s)已知参数,分别为Gc1(s)的比例增益系数、积分增益系数和微分增益系数;其中kp2、ki2和kd2为反馈控制器Gc2(s)已知参数,分别为Gc2(s)的比例增益系数、积分增益系数和微分增益系数;kpf、kif和kdf为前馈控制器为Cf(s)的已知参数,分别为Cf(s)的比例增益系数、积分增益系数和微分增益系数;
5)基于所述三级序列集和所述输出第一级序列集Y1辨识出待辨识对象的待辨识参数,并基于待辨识对象的已知参数,获得待辨识对象的传递函数模型;
3.根据权利要求2所述的串联控制闭环系统辨识方法,其特征在于:
设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
输出第二级序列集Y10、Y11、Y21、Y31、Y41和Y51中数据的数学计算式分别如下:
其中,j为数据在序列集中超不过i的位置,1≤j≤i;
θ1和θ2中数据的数学计算式分别如下
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ2(i)=-y10(i)。
5.根据权利要求4所述的串联控制闭环系统辨识方法,其特征在于:
设定值第二级序列集R11、R21、R31、R41和R51中数据的数学计算式分别如下:
输出第二级序列集Y10、Y20、Y11、Y21、Y31、Y41和Y51中数据可以从下式得到
其中,j为数据在序列集中超不过i的位置,1≤j≤i;
序列集θ1、θ2和θ2中数据的数学计算式分别如下:
θ1(i)=kd1kd2r11(i)+(kp1kd2+kd1kp2+kdf)r21(i)+(kp1kp2+ki1kd2+kd1ki2+kpf)r31(i)+(kp1ki2+ki1kp2+kif)r41(i)+(ki1ki2+kif)r51(i)-kd1kd2y11(i)-(kp1kd2+kd1kp2)y21(i)-(kp1kp2+ki1kd2+kd1ki2)y31(i)-(kp1ki2+ki1kp2)y41(i)-ki1ki2y51(i)
θ21(i)=-y10(i)
θ22(i)=-y20(i)。
6.根据权利要求1所述的串联控制闭环系统辨识方法,其特征存干,所述待辨识对象为水位控制系统、凝汽器控制系统、火力机组二次风系统、或者燃烧系统。
7.根据权利要求1所述的串联控制闭环系统辨识方法,其特征在于:采集的数据长度n满足400≤n≤100000,采样周期ΔT满足0.01s≤ΔT≤10s。
8.根据权利要求1所述的串联控制闭环系统辨识方法,其特征在于,所述串联控制闭环系统在设定值阶跃响应前的稳态值rss满足:0.01≤rss≤1000;所述串联控制闭环系统阶跃响应的幅值l满足:1≤l≤1000;所述不超过τ/ΔT的最大整数θ满足1≤θ≤1000。
9.根据权利要求1所述的串联控制闭环系统辨识方法,其特征在于,反馈控制器Gc1(s)的参数满足-105≤kp1≤105、-105≤ki1≤105和-105≤kd1≤105;反馈控制器Gc2(s)的参数满足-105≤kp2≤105、-105≤ki2≤105和-105≤kd2≤105;前馈控制器Cf(s)的参数满足-105≤kpf≤105、-105≤kif≤105和-105≤kdf≤105。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至9任意一项所述的串联控制闭环系统辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157791.5A CN113867148B (zh) | 2021-09-29 | 2021-09-29 | 基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157791.5A CN113867148B (zh) | 2021-09-29 | 2021-09-29 | 基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113867148A true CN113867148A (zh) | 2021-12-31 |
CN113867148B CN113867148B (zh) | 2023-10-10 |
Family
ID=79000782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111157791.5A Active CN113867148B (zh) | 2021-09-29 | 2021-09-29 | 基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867148B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114353044A (zh) * | 2022-01-10 | 2022-04-15 | 润电能源科学技术有限公司 | 锅炉汽包水位的闭环辨识方法及相关设备 |
CN114371624A (zh) * | 2022-01-10 | 2022-04-19 | 润电能源科学技术有限公司 | 加热器水位的闭环辨识方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635496A (zh) * | 2015-02-10 | 2015-05-20 | 华中科技大学 | 一种带串联校正的pi控制器的参数整定方法 |
CN107703746A (zh) * | 2017-09-21 | 2018-02-16 | 北京理工大学 | 一种基于自抗扰的反馈‑前馈控制器及设计方法 |
DE102018100424A1 (de) * | 2018-01-10 | 2019-07-11 | Schuler Pressen Gmbh | Verfahren und Vorrichtung zur Steuerung und/oder Überwachung eines sich wiederholenden Prozessablaufs |
CN110850740A (zh) * | 2019-11-21 | 2020-02-28 | 大连理工大学 | 基于改进型Smith预估器的航空发动机H∞控制方法 |
CN112180801A (zh) * | 2020-10-13 | 2021-01-05 | 郑州大学 | 一种过程控制系统的控制方法 |
CN112198789A (zh) * | 2020-09-11 | 2021-01-08 | 匙慧(北京)科技有限公司 | 闭环系统中的对象辨识方法、电子设备和计算机可读存储介质 |
CN113050419A (zh) * | 2021-03-03 | 2021-06-29 | 华电莱州发电有限公司 | 基于斜坡响应和已知时滞并考虑前馈的闭环系统辨识方法 |
-
2021
- 2021-09-29 CN CN202111157791.5A patent/CN113867148B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635496A (zh) * | 2015-02-10 | 2015-05-20 | 华中科技大学 | 一种带串联校正的pi控制器的参数整定方法 |
CN107703746A (zh) * | 2017-09-21 | 2018-02-16 | 北京理工大学 | 一种基于自抗扰的反馈‑前馈控制器及设计方法 |
DE102018100424A1 (de) * | 2018-01-10 | 2019-07-11 | Schuler Pressen Gmbh | Verfahren und Vorrichtung zur Steuerung und/oder Überwachung eines sich wiederholenden Prozessablaufs |
CN110850740A (zh) * | 2019-11-21 | 2020-02-28 | 大连理工大学 | 基于改进型Smith预估器的航空发动机H∞控制方法 |
CN112198789A (zh) * | 2020-09-11 | 2021-01-08 | 匙慧(北京)科技有限公司 | 闭环系统中的对象辨识方法、电子设备和计算机可读存储介质 |
CN112180801A (zh) * | 2020-10-13 | 2021-01-05 | 郑州大学 | 一种过程控制系统的控制方法 |
CN113050419A (zh) * | 2021-03-03 | 2021-06-29 | 华电莱州发电有限公司 | 基于斜坡响应和已知时滞并考虑前馈的闭环系统辨识方法 |
Non-Patent Citations (4)
Title |
---|
杨栋等: "基于斜坡响应的实用闭环系统辨识方法及其应用", 《广东电力》 * |
杨栋等: "基于斜坡响应的实用闭环系统辨识方法及其应用", 《广东电力》, vol. 34, no. 8, 31 August 2021 (2021-08-31) * |
范剑超等: "基于动态邻域微粒群的Smith预估双控制器设计", 《控制与决策》 * |
范剑超等: "基于动态邻域微粒群的Smith预估双控制器设计", 《控制与决策》, no. 07, 15 July 2012 (2012-07-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114353044A (zh) * | 2022-01-10 | 2022-04-15 | 润电能源科学技术有限公司 | 锅炉汽包水位的闭环辨识方法及相关设备 |
CN114371624A (zh) * | 2022-01-10 | 2022-04-19 | 润电能源科学技术有限公司 | 加热器水位的闭环辨识方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113867148B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112180801B (zh) | 一种过程控制系统的控制方法 | |
CN113867148A (zh) | 基于阶跃响应并考虑前馈的串联控制闭环系统辨识方法 | |
Beaufays et al. | Application of neural networks to load-frequency control in power systems | |
Dai et al. | Disturbance-observer based prescribed-performance fuzzy sliding mode control for PMSM in electric vehicles | |
CN112099359B (zh) | 一种基于斜坡响应和已知时滞的闭环系统辨识方法 | |
US11695358B2 (en) | Speed control method for permanent magnet synchronous motor considering current saturation and disturbance suppression | |
CN113050419B (zh) | 基于斜坡响应和已知时滞并考虑前馈的闭环系统辨识方法 | |
CN114077195A (zh) | 基于数据驱动的子空间模型辨识预测控制方法 | |
CN104881512A (zh) | 一种基于粒子群算法的无波纹最少拍控制器自动设计方法 | |
CN112180737A (zh) | 一种基于自抗扰控制和类史密斯预估的控制系统控制方法 | |
Li et al. | Implementation of simplified fractional-order pid controller based on modified oustaloup’s recursive filter | |
CN113885323B (zh) | 基于阶跃响应并考虑前馈的不稳定对象的闭环辨识方法 | |
CN113885325B (zh) | 基于阶跃响应的一阶惯性加纯延迟环节闭环辨识方法 | |
CN113885322B (zh) | 一种基于斜坡响应的双控制器闭环系统辨识方法 | |
Pongfai et al. | Self-tuning PID parameters using NN-GA for brush DC motor control system | |
CN113885326B (zh) | 考虑前馈的基于设定值有效激励的闭环系统辨识方法 | |
CN105846741A (zh) | 基于扩张状态观测器的双永磁同步电机混沌同步控制方法 | |
Yatim et al. | Efficiency optimization of variable speed induction motor drive using online backpropagation | |
CN108416114A (zh) | 基于Hammerstein结构的电子节气门的动态迟滞建模方法 | |
Yadav et al. | Performance analysis of PMSM drive using Artificial Neural Network technique | |
CN117170248A (zh) | 一种基于扰动输入的考虑前馈控制的闭环系统辨识方法 | |
Cui et al. | On the modeling and simulation of anti-windup proportional-integral controller | |
CN110308655B (zh) | 一种基于a3c算法的伺服系统补偿方法 | |
Vahidi-Moghaddam et al. | Data-Enabled Neighboring Extremal Optimal Control: A Computationally Efficient DeePC | |
CN113985730B (zh) | 一种基于斜坡响应的一类不稳定对象的闭环辨识方法 |
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 |