CN114167734B - 一种强耦合非线性系统高精度控制方法及控制系统 - Google Patents
一种强耦合非线性系统高精度控制方法及控制系统 Download PDFInfo
- Publication number
- CN114167734B CN114167734B CN202210131728.2A CN202210131728A CN114167734B CN 114167734 B CN114167734 B CN 114167734B CN 202210131728 A CN202210131728 A CN 202210131728A CN 114167734 B CN114167734 B CN 114167734B
- Authority
- CN
- China
- Prior art keywords
- nonlinear
- observer
- model
- attitude parameter
- control
- 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种强耦合非线性系统高精度控制方法及系统,适应复杂航天器强耦合非线性的动力学特性,采用超螺旋滑模干扰观测器对耦合项进行解耦,采用反步控制法对解耦后模型中的非线性特性进行控制,克服传统方法对精确建模需求高、鲁棒性低等缺点,在被控对象姿态系统稳定的前提下,保证控制精度,满足任务需求,同时对于系统中的未建模特性与干扰不敏感,鲁棒性强,提高了系统的控制精度。
Description
技术领域
本发明涉及控制技术领域,尤其涉及一种强耦合非线性系统高精度控制方法及系统。
背景技术
在对强耦合非线性系统进行控制时,通常需要先对强耦合非线性系统进行解耦。而现有的解耦方法包括:(1)采用多变量过程控制解耦方法,该方法在系统结构较为简单的情况下,易于操作,效果显著,但该方法适用的模型较为简单,并且未考虑系统非线性环节,无法适用于强耦合非线性系统的解耦过程。(2)针对变量系统采用前馈结构,该方法的优点是原理简单,便于操作,对于不太复杂的系统效果显著,但缺点是需要精确要求系统模型,且仅适用于线性定常系统,不适用于非线性系统,无法适用于强耦合非线性系统的解耦过程。(3)采用动态逆解耦,该方法在模型精确的情况下可以取得良好的控制效果,但该方法需要得知系统精确模型,且鲁棒性较差。可见现有的解耦方法仅适用于简单线性系统或者模型精确的非线性系统,且鲁棒性差,难以满足实际需求。
基于此,亟需一种能够提高对强耦合非线性系统的控制精度的控制方法及系统。
发明内容
有鉴于此,本发明提供一种强耦合非线性系统高精度控制方法及系统,至少部分解决现有技术中存在的问题,实现强耦合非线性系统的高精度控制。
本发明用于提供一种强耦合非线性系统高精度控制方法,所述控制方法包括:
根据被控对象特性,建立强耦合非线性模型;
利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制。
本发明还用于提供应用上述控制方法的强耦合非线性系统高精度控制系统,所述控制系统包括:
模型构建模块,用于根据被控对象特性,建立强耦合非线性模型;
解耦模块,用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
控制模块,用于基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制。
本发明用于提供一种强耦合非线性系统高精度控制方法及系统,适应复杂航天器强耦合非线性的动力学特性,采用超螺旋滑模干扰观测器对耦合项进行解耦,采用反步控制法对解耦后模型中的非线性特性进行控制,克服传统方法对精确建模需求高、鲁棒性低等缺点,在被控对象姿态系统稳定的前提下,保证控制精度,满足任务需求,同时对于系统中的未建模特性与干扰不敏感,鲁棒性强,提高了系统的控制精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例1所提供的控制方法的方法流程图;
图2为本发明实施例1所提供的控制原理图;
图3为本发明实施例3所提供的控制系统的系统框图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
实施例1:
本实施例用于提供一种强耦合非线性系统高精度控制方法,如图1和图2所示,所述控制方法包括:
S1:根据被控对象特性,建立强耦合非线性模型;
所述强耦合非线性模型为:
其中,为被控对象姿态参数,为第i个姿态参数;为的微分;为第i个姿态参数对应的第一非线性已知函数;为第i个姿态参数对应的第二非线性已知函数;为第i个姿态参数对应的包含耦合项的未知项;为控制力矩;为被控对象的期望姿态。
S2:利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
超螺旋滑模干扰观测器用于对系统中包含耦合项的未知特性进行观测,在有限时间后估计项可以表达未知特性,从而实现解耦的目的。
S2可以包括:
(1)建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式;
所述观测变量表达式为:
则所述观测器表达式为:
(2)基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件;
所述约束条件包括:
(3)在约束条件下,基于观测变量表达式和观测器表达式进行迭代计算,对未知项进行估计,得到估计项。
S3:基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制。
具体的,本实施例可利用反步控制法设计非线性控制器。反步法控制法用于针对解耦后模型,将系统拆分成多个子系统,自上而下递推设计理想输入,得出最终控制律。
定义跟踪误差
本实施例所述方法主要包括:一、在强耦合非线性系统模型上,采用超螺旋滑模干扰观测器对强耦合环节与未建模特性进行估计,从而实现系统的解耦;二、针对解耦后的非线性系统,采用反步控制法,设计非线性控制器实现对被控对象的高精度控制。该方法对系统模型的精确度要求不高,在对强耦合系统进行解耦后,针对系统非线性环节设计控制器,具有较强鲁棒性,对于系统中不确定特性有较强控制效果,同时对于系统中的未建模特性与干扰不敏感,鲁棒性强,适用性广,提高了系统的控制精度。
实施例2:
早期发射的航天器体积较小,结构简单,按照传统的刚体建模方法可以对航天器进行精确的建模,此时采用结构简单的控制方法就能够取得良好的控制效果。但是随着航天任务的不断升级,航天器的规模日益增大,动力学特性愈加复杂,且加入了组合刚体、挠性结构等复杂结构,引入了多模态、强耦合、非线性和更多的未建模特性。此时的航天器姿态控制模型为一强耦合非线性模型,传统的控制方法难以满足越来越高的控制精度要求,甚至会使得航天器失控,导致航天任务失败。
基于此,以下以对航天器姿态系统这一强耦合非线性系统进行控制为例,对实施例1所述的控制方法进行进一步的说明,所述控制方法包括:
其中,为航天器姿态参数,为第i个姿态参数;为第i个姿态参数的微分;为第i个姿态参数对应的包含转动惯量矩阵和挠性振动振型函数在内的第一非线性已知函数;为第i个姿态参数对应的包含转动惯量矩阵和挠性振动振型函数在内的第二非线性已知函数;为第i个姿态参数对应的包含耦合项的未知项,该未知项包括关于耦合项的耦合环节和系统中的各种未建模特性,为的耦合变量,其为包含挠性振动与建模误差在内的耦合项;为航天器姿态控制所施加的控制力矩,通过控制该控制力矩以使航天器以期望姿态运行,本实施例的目的即确定一控制律,通过该控制律对控制力矩进行控制,以对航天器姿态进行控制;为航天器的期望姿态。
俯仰角、滚转角同理。
(2)利用超螺旋滑模干扰观测器对非线性模型中的未知项进行估计,以对非线性模型进行解耦,得到解耦后模型;
超螺旋滑模干扰观测器对航天器姿态系统中包含耦合项的未知特性进行观测,在有限时间后估计项可以表达未知特性,从而实现航天器姿态系统解耦的目的。
具体的,利用超螺旋滑模干扰观测器对非线性模型中的未知项进行估计包括:
(2.1)建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式;
超螺旋滑模干扰观测器的观测变量表达式如下:
则超螺旋滑模干扰观测器的观测器表达式如下:
(2.2)基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件;
所述约束条件包括:
(2.3)在约束条件下,基于观测变量表达式和观测器表达式进行迭代计算,对未知项进行估计,得到估计项。
由超螺旋滑模干扰观测器理论,存在正常数,当观测器中的参数满足上述约束条件,此时在有限时间内,滑模面会收敛到零,由此可知估计项在有限时间后收敛到不确定项,以有限时间T后的估计项替换非线性模型中的,以完成对非线性模型的解耦,得到解耦后模型。
(3)基于解耦后模型,利用反步控制法设计非线性控制器,并利用非线性控制器对航天器姿态进行控制。
系统解耦后,采用反步控制法对航天器姿态系统进行控制。针对解耦后模型,将航天器姿态系统拆分成多个子系统,自上而下递推设计理想输入,得出最终控制律。
定义跟踪误差
本实施例的方法针对复杂航天器强耦合非线性的动力学特性,采用超螺旋滑模干扰观测器对耦合项进行解耦,采用反步控制法对解耦后模型中的非线性特性进行控制,克服传统方法对精确建模需求高、鲁棒性低等缺点,在航天器姿态系统稳定的前提下,保证控制精度,满足任务需求,实现了对强耦合系统的解耦,同时对于航天器姿态系统中的未建模特性与干扰不敏感,鲁棒性强,提高了系统的控制精度。
实施例3:
本实施例用于提供一种应用实施例1所述控制方法的强耦合非线性系统高精度控制系统,如图3所示,所述控制系统包括:
模型构建模块M1,用于根据被控对象特性,建立强耦合非线性模型;
解耦模块M2,用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
控制模块M3,用于基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制。
本实施例的控制系统对系统模型的精确度要求不高,且实现了有效的解耦,基于解耦模型进行了反步控制法控制,对于系统中的未建模特性不敏感,鲁棒性强,适用性广,有效提高控制精度。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种强耦合非线性系统高精度控制方法,其特征在于,所述控制方法包括:
根据被控对象特性,建立强耦合非线性模型;所述被控对象为航天器;
利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制;
所述强耦合非线性模型为:
其中,x为被控对象姿态参数,x=[x1…xn]T;xi为第i个姿态参数;为xi的微分;fi(x)为第i个姿态参数对应的第一非线性已知函数;gi(x)为第i个姿态参数对应的第二非线性已知函数;di(x′)为第i个姿态参数对应的包含耦合项x′的未知项;ux为控制力矩;y1为被控对象的期望姿态;
所述利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计包括:
建立超螺旋滑模干扰观测器的观测变量表达式和观测器表达式;
基于超螺旋滑模干扰观测器理论构建观测器参数的约束条件;
在所述约束条件下,基于所述观测变量表达式和所述观测器表达式进行迭代计算,对未知项进行估计,得到估计项;
所述观测变量表达式为:
所述观测器表达式为:
所述非线性控制器为:
2.根据权利要求1所述的控制方法,其特征在于,利用反步控制法设计所述非线性控制器。
5.应用权利要求1-4中任一项所述控制方法的强耦合非线性系统高精度控制系统,其特征在于,所述控制系统包括:
模型构建模块,用于根据被控对象特性,建立强耦合非线性模型;
解耦模块,用于利用超螺旋滑模干扰观测器对所述强耦合非线性模型中的未知项进行估计,以对所述强耦合非线性模型进行解耦,得到解耦后模型;
控制模块,用于基于所述解耦后模型,设计非线性控制器,并利用所述非线性控制器对被控对象进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131728.2A CN114167734B (zh) | 2022-02-14 | 2022-02-14 | 一种强耦合非线性系统高精度控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131728.2A CN114167734B (zh) | 2022-02-14 | 2022-02-14 | 一种强耦合非线性系统高精度控制方法及控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114167734A CN114167734A (zh) | 2022-03-11 |
CN114167734B true CN114167734B (zh) | 2022-04-22 |
Family
ID=80489889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210131728.2A Active CN114167734B (zh) | 2022-02-14 | 2022-02-14 | 一种强耦合非线性系统高精度控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114167734B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779628B (zh) * | 2022-03-16 | 2024-05-24 | 哈尔滨工业大学 | 基于rbf和多模态切换机制的自抗扰运动控制方法 |
CN116436300B (zh) * | 2023-06-14 | 2023-08-22 | 佛山仙湖实验室 | 一种基于反步超螺旋的dc-dc变换器控制方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105116934B (zh) * | 2015-08-14 | 2017-03-22 | 北京航空航天大学 | 基于自适应滑模补偿的双框架mscmg框架系统高精度控制方法 |
CN106802660B (zh) * | 2017-03-09 | 2019-08-09 | 北京航天自动控制研究所 | 一种复合强抗扰姿态控制方法 |
CN107450588B (zh) * | 2017-09-29 | 2018-06-22 | 北京航空航天大学 | 一种挠性航天器姿态控制系统的强抗扰控制方法 |
CN110320925B (zh) * | 2019-04-18 | 2021-08-10 | 南京航空航天大学 | 基于高阶干扰观测器的四旋翼飞行器安全控制方法 |
CN111610794A (zh) * | 2019-11-26 | 2020-09-01 | 南京航空航天大学 | 基于滑模干扰观测器的战斗机大迎角动态逆控制方法 |
CN111722634B (zh) * | 2020-05-28 | 2022-09-23 | 南京邮电大学 | 一种基于非线性扰动观测器的四旋翼飞行器滑模控制方法 |
-
2022
- 2022-02-14 CN CN202210131728.2A patent/CN114167734B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114167734A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114167734B (zh) | 一种强耦合非线性系统高精度控制方法及控制系统 | |
Ye et al. | State damping control: A novel simple method of rotor UAV with high performance | |
Miao et al. | Adaptive fast nonsingular terminal sliding mode control for attitude tracking of flexible spacecraft with rotating appendage | |
CN111752280B (zh) | 一种基于有限时间不确定观测器的多无人船编队固定时间控制方法 | |
Rahmani | MEMS gyroscope control using a novel compound robust control | |
Chowdhary et al. | Aerodynamic parameter estimation from flight data applying extended and unscented Kalman filter | |
CN109270946B (zh) | 挠性航天器的姿态控制方法、电子设备及可读存储介质 | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服系统摩擦补偿控制方法 | |
CN108628172B (zh) | 一种基于扩张状态观测器的机械臂高精度运动控制方法 | |
CN106218922B (zh) | 挠性敏捷卫星的联合执行机构控制方法 | |
Zhang et al. | Extended state observer based robust adaptive control on SE (3) for coupled spacecraft tracking maneuver with actuator saturation and misalignment | |
CN105607473B (zh) | 小型无人直升机的姿态误差快速收敛自适应控制方法 | |
CN107015567B (zh) | 一种超大尺度柔性航天器分散协同控制方法 | |
CN110044385B (zh) | 一种大失准角情况下的快速传递对准方法 | |
CN111965976B (zh) | 基于神经网络观测器的机器人关节滑模控制方法及系统 | |
CN110132287B (zh) | 一种基于极限学习机网络补偿的卫星高精度联合定姿方法 | |
CN112558468B (zh) | 基于双观测器的发射平台自适应鲁棒输出反馈控制方法 | |
CN112506045A (zh) | 非标准型离散时间非线性系统的自适应控制方法及系统 | |
Shao et al. | Input-and-measurement event-triggered control for flexible air-breathing hypersonic vehicles with asymmetric partial-state constraints | |
CN115981162A (zh) | 一种基于新型扰动观测器的机器人系统滑模控制轨迹跟踪方法 | |
Perrusquía et al. | Stable robot manipulator parameter identification: A closed-loop input error approach | |
CN115535305B (zh) | 一种抗振抗饱和的多星分布式定时姿态协同跟踪控制方法 | |
CN111958606A (zh) | 一种应用于多自由度机械臂的分布式鲁棒跟踪控制方法 | |
CN113377121A (zh) | 一种基于深度强化学习的飞行器智能抗扰动控制方法 | |
CN108762088B (zh) | 一种迟滞非线性伺服电机系统滑模控制方法 |
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 |