CN114879502B - 一种位置环自抗扰控制器参数自整定方法 - Google Patents

一种位置环自抗扰控制器参数自整定方法 Download PDF

Info

Publication number
CN114879502B
CN114879502B CN202210561575.5A CN202210561575A CN114879502B CN 114879502 B CN114879502 B CN 114879502B CN 202210561575 A CN202210561575 A CN 202210561575A CN 114879502 B CN114879502 B CN 114879502B
Authority
CN
China
Prior art keywords
particle
parameter
transfer function
parameters
disturbance rejection
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
Application number
CN202210561575.5A
Other languages
English (en)
Other versions
CN114879502A (zh
Inventor
王冉珺
朱华
刘志文
程天霁
韩重阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Optics and Electronics of CAS
Original Assignee
Institute of Optics and Electronics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Optics and Electronics of CAS filed Critical Institute of Optics and Electronics of CAS
Priority to CN202210561575.5A priority Critical patent/CN114879502B/zh
Publication of CN114879502A publication Critical patent/CN114879502A/zh
Application granted granted Critical
Publication of CN114879502B publication Critical patent/CN114879502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

本发明提供了一种位置环自抗扰控制器参数自整定方法，该方法包括：步骤(1)，建立位置环被控对象传递函数模型；步骤(2)，将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系；步骤(3)，通过辨识算法辨识位置环被控对象传递函数模型参数，由辨识的模型参数得到b0，并将得到的b0代入控制系统；步骤(4)，将自抗扰控制器剩余待整定参数ωc、ωo作为进化算法的待优化参数，用进化算法对ωc、ωo进行迭代优化。通过本发明解决相关技术中采用进化算法自整定自抗扰控制器3个参数时易陷入局部最优的问题，减轻了人工重复调试控制参数的负担，提高了控制器参数自整定效率。

Description

一种位置环自抗扰控制器参数自整定方法
技术领域
本发明属于控制系统领域，具体涉及一种位置环自抗扰控制器参数自整定方法。
背景技术
粗指向机构(Coarse Pointing Assembly,CPA))是卫星光通信中控制光束初始指向及跟踪的装置。自抗扰控制器凭借抗扰能力强的优势，应用于空间粗指向机构的位置控制，以提升控制精度。CPA从地面到太空，因为空间环境与地面环境相差大，加上长期工作，必然导致自抗扰控制器受控对象模型发生改变。被控对象模型变化后，为了维持自抗扰控制器的优良性能，控制器需要具备参数自整定能力。
自抗扰控制器需要整定的参数主要包括扩张状态观测器参数以及状态反馈环节参数。工程上通常可对这两个环节进行线性化，线性化后需要调节的控制器参数仅剩下控制量增益b0、控制器带宽ωc和观测器带宽ωo，降低了参数整定的难度。
现有的自抗扰控制器参数自整定方法主要有基于模糊规则的参数自整定方法、基于继电反馈的参数自整定方法和基于进化算法的参数自整定方法。基于模糊规则的自整定方法由于只能得出状态误差反馈环节参数的模糊规则，扩张状态观测器参数以及的模糊规则难以确定，用于自整定自抗扰控制器参数具有局限性；基于继电反馈的自整定方法由于需要激励电机产生持续稳定的振荡，这会导致机构震动。而机构的震动在某些高精密平台上是有风险的，如卫星平台上的设备震动可能损害平台其他精密设备，因此基于继电反馈的自整定方法适用场景受限；基于进化算法的自抗扰控制器参数自整定将三参数优化问题当成黑箱处理，不限制优化参数的个数，无需知道优化问题的具体信息。但是也正因为该方法未利用模型信息，使得参数自整定效率较低，同时易陷入到局部最优。综上所述，可采用进化算法对CPA位置环自抗扰控制器进行参数自整定，但针对其未利用模型信息导致自整定效率较低的问题，有必要提出一种改进的参数自整定方法。
发明内容
本发明的目的在于：针对模糊规则法和继电反馈法不适合用于自整定CPA位置自抗扰控制器参数，而进化算法自整定CPA位置环自抗扰控制器时，未利用模型信息使得自整定效率较低、易陷入局部最优的问题，提供一种自抗扰控制器参数自整定方法，在现有进化算法的基础上提高参数自整定的效率。
为解决上述技术问题，本发明提供的技术方案是：一种位置环自抗扰控制器参数自整定方法，该包括步骤：
步骤(1)，建立位置环被控对象传递函数模型；
步骤(2)，将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系；
步骤(3)，通过辨识算法辨识位置环被控对象传递函数模型参数，由辨识的模型参数得到b0，并将得到的b0代入控制系统；
步骤(4)，将自抗扰控制器剩余待整定参数ωc、ωo作为进化算法的待优化参数，用进化算法对ωc、ωo进行迭代优化。
进一步地，步骤(1)中建模所用电机为永磁同步电机，建立电机位置环被控对象传递函数模型为：
Figure BDA0003656809480000021
其中，J为总转动惯量，α为电机负载与控制器输出之间的比例关系，np为极对数，ψf为转子永磁体产生的磁链，Tceq为电流环等效时间常数，B为粘滞阻尼系数，τs、Kps为速度环PI控制器系数。速度环PI控制器结构为：
Figure BDA0003656809480000022
进一步地，步骤(1)中建立位置环被控对象传递函数模型包括：
假设电流环带宽很大，电机总转动惯量很小，这时电流环等效时间常数Tceq很小，可将位置环被控对象传递函数模型简化为
Figure BDA0003656809480000023
简化模型化为分母首1型：
Figure BDA0003656809480000024
进一步地，步骤(2)中将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系，包括：
位置环被控对象传递函数的自抗扰形式：
Figure BDA0003656809480000031
其中，u为控制量，y为位置输出。
从而得到控制量增益
Figure BDA0003656809480000032
进一步地，步骤(3)中通过辨识算法辨识位置环被控对象传递函数模型参数，具体为：通过测量输入输出u和y，采用递推最小二乘算法对位置环简化模型的参数进行辨识。
递推最小二乘算法辨识b0的步骤为：
步骤1：确定参数矩阵和数据矩阵，
Figure BDA0003656809480000033
参数矩阵/>
Figure BDA0003656809480000034
数据矩阵/>
Figure BDA0003656809480000035
步骤2：设初值θ(0)和P(0)；
步骤3：采样当前的被控对象输入u(k)和输出y(k)；
步骤4：计算K矩阵、P矩阵，更新k时刻的参数θ(k)，其中K矩阵计算公式为：
Figure BDA0003656809480000036
P矩阵计算公式为：
Figure BDA0003656809480000037
θ(k)计算公式为：
Figure BDA0003656809480000038
为：k时刻参数矩阵
Figure BDA0003656809480000039
步骤5：k＝k+1，返回步骤3。
进一步地，步骤(4)中进化算法具体为一种改进的粒子群算法。
改进粒子群算法自整定ωc、ωo的实现步骤为：
步骤1：初始化粒子群，包括设置粒子位置区间、速度限幅区间、随机设置初代粒子群位置；
步骤2：将每个粒子位置对应的参数分别代入控制系统中，计算每个粒子的评价函数值，更新粒子个体历史最优位置和全局历史最优位置；
步骤3：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的粒子并对该粒子讲行进化操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤4：对全局历史最优粒子讲行扰动操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤5：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的三个粒子，根据找到的三个头狼粒子位置，联合粒子个体历史最优位置和全局历史最优位置对粒子群进行速度更新和位置更新；
步骤6：判断是否满足终止条件，是则算法结束，此时全局历史最优粒子位置即为控制器参数ωc和ωo的整定值；否则迭代次数加1并返回步骤2。
本发明的有益技术效果为：
(1)本发明提供的自抗扰控制器参数自整定方法可以实现全部参数的自整定，不需要知道被控对象模型参数。可以解决被控对象模型参数未知或发生改变情况下的参数重新整定问题，减轻了人工重复调试控制参数的负担。
(2)本发明提供的自抗扰控制器参数自整定方法先利用模型信息实现了b0的整定，从而只需要采用2维的进化算法，相比3维的进化算法缩小了参数搜索空间。相比于采用进化算法直接对3个参数自整定，理论上会降低陷入局部最优的概率。
(3)本发明提供的自抗扰控制器参数自整定方法采用改进粒子群算法对ωc、ωo进行自整定，改进粒子群算法在粒子群算法的基础上进行了3方面的改进，理论上可以进一步降低算法陷入局部最优的概率，从而使系统实现更好的控制性能。
附图说明
图1为本发明位置环自抗扰控制器参数自整定方法的流程框图；
图2为本发明提供的永磁同步电机位置环对象结构框图；
图3为本发明的一个实施例的递推最小二乘算法流程图；
图4为本发明的一个实施例的改进粒子群算法流程图。
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。
本发明位置环自抗扰控制器参数自整定方法整体过程如图1所示，
第一步，建立位置环被控对象传递函数模型；
位置环被控对象的控制结构框图如图2所示，根据框图可以求得电机位置环被控对象传递函数模型为：
Figure BDA0003656809480000051
其中，J为总转动惯量，α为电机负载力矩与控制器输出之间的比例关系，np为极对数，ψf为转子永磁体产生的磁链，Tceq为电流环等效时间常数，B为粘滞阻尼系数，τs、Kps为速度环PI控制器系数。速度环PI控制器结构为：
Figure BDA0003656809480000052
步骤(1)中建立位置环被控对象传递函数模型包括：
假设电流环带宽很大，电机总转动惯量很小，这时电流环等效时间常数Tceq很小，可将位置环被控对象传递函数模型简化为
Figure BDA0003656809480000053
简化模型化为分母首1型：
Figure BDA0003656809480000054
第二步，将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系；
位置环被控对象传递函数的自抗扰形式：
Figure BDA0003656809480000055
其中，u为控制量，y为位置输出。
从而得到控制量增益
Figure BDA0003656809480000061
因此可根据第一步的简化模型，通过辨识简化模型结构系数得到b0。
第三步，通过辨识算法辨识位置环被控对象传递函数模型参数，由辨识的模型参数得到b0，并将得到的b0代入控制系统；
通过测量输入输出u和y，采用递推最小二乘算法对位置环简化模型的参数进行辨识。递推最小二乘算法流程如图3所示，其中u、
Figure BDA0003656809480000062
和/>
Figure BDA0003656809480000063
是需要采集的数据。
递推最小二乘算法辨识b0的步骤为：
步骤1：确定参数矩阵和数据矩阵，
Figure BDA0003656809480000064
参数矩阵/>
Figure BDA0003656809480000065
数据矩阵/>
Figure BDA0003656809480000066
步骤2：设初值
Figure BDA0003656809480000067
和/>
Figure BDA0003656809480000068
步骤3：被控对象采用阶跃激励，采样当前的被控对象输入u(k)和响应输出y(k)；
步骤4：计算K矩阵、P矩阵，更新k时刻的参数θ(k)，其中K矩阵计算公式为：
Figure BDA0003656809480000069
P矩阵计算公式为：
Figure BDA00036568094800000610
θ(k)计算公式为：
Figure BDA00036568094800000611
为k时刻参数矩阵
Figure BDA00036568094800000612
步骤5：k＝k+1，返回步骤3。
第四步，将自抗扰控制器剩余待整定参数ωc、ωo作为进化算法的待优化参数，用进化算法对ωc、ωo进行迭代优化。
其中进化算法采用一种改进的粒子群算法，算法流程如图4所示。
改进粒子群算法自整定ωc、ωo的实现步骤为：
步骤1：初始化粒子群，包括设置粒子位置区间、速度限幅区间、随机设置初代粒子群位置；
步骤2：将每个粒子位置对应的参数分别代入控制系统中，计算每个粒子的评价函数值，更新粒子个体历史最优位置和全局历史最优位置；
步骤3：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的粒子并对该粒子讲行进化操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤4：对全局历史最优粒子讲行扰动操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤5：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的三个粒子，根据找到的三个头狼粒子位置，联合粒子个体历史最优位置和全局历史最优位置对粒子群进行速度更新和位置更新；
步骤6：判断是否满足终止条件，是则算法结束，此时全局历史最优粒子位置即为控制器参数ωc和ωo的整定值；否则迭代次数加1并返回步骤2。
由于b0是加速度表达式中的控制量系数，与被控对象模型相关，本发明所提方法通过辨识模型参数取得b0值，将b0的整定与ωc、ωo解耦。继而在用进化算法进行控制参数自整定时，参数搜索空间从三维降为二维，降低了算法搜索的盲目性，能提高参数搜索效率，降低算法陷入局部最优的概率。

Claims (5)

1.一种位置环自抗扰控制器参数自整定方法，其特征在于，包括：
步骤(1)，建立位置环被控对象传递函数模型；
步骤(2)，将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系；
步骤(3)，通过辨识算法辨识位置环被控对象传递函数模型参数，由辨识的模型参数得到b0，并将得到的b0代入控制系统；
步骤(4)，将自抗扰控制器剩余待整定参数ωc、ωo作为进化算法的待优化参数，用进化算法对ωc、ωo进行迭代优化；
将位置环被控对象传递函数模型写成自抗扰形式，得到待整定参数b0与传递函数模型参数关系，包括：
位置环被控对象传递函数的自抗扰形式：
Figure FDA0004189185280000011
其中，u为控制量，y为位置输出；
从而得到控制量增益
Figure FDA0004189185280000012
递推最小二乘算法辨识b0的步骤为：
步骤1：确定参数矩阵和数据矩阵，
Figure FDA0004189185280000013
参数矩阵/>
Figure FDA0004189185280000014
数据矩阵/>
Figure FDA0004189185280000015
步骤2：设初值θ(0)和P(0)；
步骤3：采样当前的被控对象输入u(k)和输出y(k)；
步骤4：计算K矩阵、P矩阵，更新k时刻的参数θ(k)，其中K矩阵计算公式为：
Figure FDA0004189185280000021
P矩阵计算公式为：/>
Figure FDA0004189185280000022
θ(k)计算公式为：/>
Figure FDA0004189185280000023
Figure FDA0004189185280000024
为k时刻参数矩阵
Figure FDA0004189185280000025
步骤5：k＝k+1，返回步骤3；
改进粒子群算法自整定ωc、ωo的实现步骤为：
步骤1：初始化粒子群，包括设置粒子位置区间、速度限幅区间，随机设置初代粒子群位置；
步骤2：将每个粒子位置对应的参数分别代入控制系统中，计算每个粒子的评价函数值，更新粒子个体历史最优位置和全局历史最优位置；
步骤3：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的粒子并对该粒子讲行进化操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤4：对全局历史最优粒子讲行扰动操作，得到新位置，计算新位置的评价函数值并更新粒子个体历史最优位置和全局历史最优位置；
步骤5：比较粒子群中每个粒子的评价函数值，找到评价函数值最小的三个粒子，根据找到的三个头狼粒子位置，联合粒子个体历史最优位置和全局历史最优位置对粒子群进行速度更新和位置更新；
步骤6：判断是否满足终止条件，是则算法结束，此时全局历史最优粒子位置即为控制器参数ωc和ωo的整定值；否则迭代次数加1并返回步骤2。
2.根据权利要求1所述的一种位置环自抗扰控制器参数自整定方法，其特征在于，建立电机位置环被控对象传递函数模型，电机为永磁同步电机，建立电机位置环被控对象传递函数模型为：
Figure FDA0004189185280000026
其中，J为总转动惯量，α为电机负载与控制器输出之间的比例关系，np为极对数，ψf为转子永磁体产生的磁链，Tceq为电流环等效时间常数，B为粘滞阻尼系数，τs、Kps为速度环PI控制器系数，速度环PI控制器结构为：
Figure FDA0004189185280000027
3.根据权利要求2所述的一种位置环自抗扰控制器参数自整定方法，其特征在于，建立位置环被控对象传递函数模型包括：
假设电流环带宽很大，电机总转动惯量很小，这时电流环等效时间常数Tceq很小，可将位置环被控对象传递函数模型简化为
Figure FDA0004189185280000031
简化模型化为分母首1型：
Figure FDA0004189185280000032
4.根据权利要求1所述的一种位置环自抗扰控制器参数自整定方法，其特征在于，通过测量输入输出u和y，采用递推最小二乘算法对位置环简化模型的参数进行辨识。
5.根据权利要求1所述的一种位置环自抗扰控制器参数自整定方法，其特征在于，用于优化ωc、ωo的进化算法是一种改进的粒子群算法。
CN202210561575.5A 2022-05-23 2022-05-23 一种位置环自抗扰控制器参数自整定方法 Active CN114879502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210561575.5A CN114879502B (zh) 2022-05-23 2022-05-23 一种位置环自抗扰控制器参数自整定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210561575.5A CN114879502B (zh) 2022-05-23 2022-05-23 一种位置环自抗扰控制器参数自整定方法

Publications (2)

Publication Number Publication Date
CN114879502A CN114879502A (zh) 2022-08-09
CN114879502B true CN114879502B (zh) 2023-06-30

Family

ID=82677695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210561575.5A Active CN114879502B (zh) 2022-05-23 2022-05-23 一种位置环自抗扰控制器参数自整定方法

Country Status (1)

Country Link
CN (1) CN114879502B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104753427A (zh) * 2015-03-13 2015-07-01 西安理工大学 一种异步电机的自抗扰控制器的参数优化方法
WO2016018704A1 (en) * 2014-07-29 2016-02-04 Linestream Technologies Optimized parameterization of active disturbance rejection control
CN106647283A (zh) * 2017-01-23 2017-05-10 无锡信捷电气股份有限公司 一种基于改进cpso的自抗扰位置伺服系统优化设计方法
CN107508307A (zh) * 2017-09-12 2017-12-22 国网宁夏电力公司电力科学研究院 用于抑制次同步振荡的自抗扰直流附加阻尼控制方法
CN109858163A (zh) * 2018-12-28 2019-06-07 清华大学 一种溴化锂吸收式制冷机的自抗扰前馈控制方法
CN109960149A (zh) * 2018-12-28 2019-07-02 浙江中控软件技术有限公司 用于pH中和过程的自抗扰控制参数整定方法
CN110210087A (zh) * 2019-05-20 2019-09-06 中国科学院光电技术研究所 一种基于粒子群算法的光束抖动模型参数实时辨识方法
CN110597052A (zh) * 2019-09-24 2019-12-20 武汉理工大学 面向快速动态响应的燃料电池空气供给控制器及控制方法
CN110729939A (zh) * 2019-11-08 2020-01-24 江苏科技大学 一种永磁同步电机转速环自抗扰控制器参数整定方法
CN111211718A (zh) * 2020-01-14 2020-05-29 浙江大学 一种用于永磁同步电机矢量控制的自抗扰控制器参数自动调节系统
CN111428849A (zh) * 2020-03-24 2020-07-17 国电南瑞科技股份有限公司 基于改进粒子群算法的传递函数模型参数辨识方法及装置
CN111781835A (zh) * 2020-07-22 2020-10-16 北京化工大学 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法
CN112398397A (zh) * 2020-11-27 2021-02-23 浙江工业大学 一种基于模型辅助的线性自抗扰永磁同步电机控制方法
CN112671291A (zh) * 2020-11-06 2021-04-16 北京工业大学 一种基于改进粒子群的电机串级自抗扰控制参数优化方法
CN113253603A (zh) * 2021-04-29 2021-08-13 桂林电子科技大学 基于fopso算法的无人机自抗扰控制器设计方法
CN113985740A (zh) * 2021-12-30 2022-01-28 中国科学院空天信息创新研究院 一种基于粒子自抗扰的稳定控制方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020118513A1 (zh) * 2018-12-11 2020-06-18 大连理工大学 一种基于自抗扰理论的涡扇发动机稳态过渡态多变量控制方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016018704A1 (en) * 2014-07-29 2016-02-04 Linestream Technologies Optimized parameterization of active disturbance rejection control
CN104753427A (zh) * 2015-03-13 2015-07-01 西安理工大学 一种异步电机的自抗扰控制器的参数优化方法
CN106647283A (zh) * 2017-01-23 2017-05-10 无锡信捷电气股份有限公司 一种基于改进cpso的自抗扰位置伺服系统优化设计方法
CN107508307A (zh) * 2017-09-12 2017-12-22 国网宁夏电力公司电力科学研究院 用于抑制次同步振荡的自抗扰直流附加阻尼控制方法
CN109858163A (zh) * 2018-12-28 2019-06-07 清华大学 一种溴化锂吸收式制冷机的自抗扰前馈控制方法
CN109960149A (zh) * 2018-12-28 2019-07-02 浙江中控软件技术有限公司 用于pH中和过程的自抗扰控制参数整定方法
CN110210087A (zh) * 2019-05-20 2019-09-06 中国科学院光电技术研究所 一种基于粒子群算法的光束抖动模型参数实时辨识方法
CN110597052A (zh) * 2019-09-24 2019-12-20 武汉理工大学 面向快速动态响应的燃料电池空气供给控制器及控制方法
CN110729939A (zh) * 2019-11-08 2020-01-24 江苏科技大学 一种永磁同步电机转速环自抗扰控制器参数整定方法
CN111211718A (zh) * 2020-01-14 2020-05-29 浙江大学 一种用于永磁同步电机矢量控制的自抗扰控制器参数自动调节系统
CN111428849A (zh) * 2020-03-24 2020-07-17 国电南瑞科技股份有限公司 基于改进粒子群算法的传递函数模型参数辨识方法及装置
CN111781835A (zh) * 2020-07-22 2020-10-16 北京化工大学 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法
CN112671291A (zh) * 2020-11-06 2021-04-16 北京工业大学 一种基于改进粒子群的电机串级自抗扰控制参数优化方法
CN112398397A (zh) * 2020-11-27 2021-02-23 浙江工业大学 一种基于模型辅助的线性自抗扰永磁同步电机控制方法
CN113253603A (zh) * 2021-04-29 2021-08-13 桂林电子科技大学 基于fopso算法的无人机自抗扰控制器设计方法
CN113985740A (zh) * 2021-12-30 2022-01-28 中国科学院空天信息创新研究院 一种基于粒子自抗扰的稳定控制方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A relay feedback method for the tuning of linear active disturbance rejection controllers;CUI W, TAN W, LI D, et al;《IEEE Access》(第8期);4542-4550 *
Stabilization control mothed for two-axis inertially stabilized platform based on active disturbance rejection control with noise reduction disturbance observer;Wang, F., Wang, R., Liu, E., & Zhang, W.;《IEEE Access》(第7期);99521-99529 *
Survey on methods of increasing the efficiency of extended state disturbance observers;MADOŃSKI R, HERMAN P.;《ISA transactions》(第56期);18-27 *
一种新型控制方法—自抗扰控制技术及其工程应用综述;陈增强等;《智能系统学报》;第13卷(第6期);865-877 *
基于改进粒子群算法的自抗扰控制器参数优化及仿真;楚东来;《信息通信》(第09期);15-17 *
改进遗传算法整定自抗扰控制器参数及应用;孙雨萌;张旭秀;;《自动化与仪表》(第03期);19-23 *
永磁同步电机的自抗扰控制器参数自整定;李真等;《计算机测量与控制》;第29卷(第5期);92-96 *

Also Published As

Publication number Publication date
CN114879502A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN110687923B (zh) 无人机长距离循迹飞行方法、装置、设备及存储介质
US7180443B1 (en) Reduced state estimator for systems with physically bounded parameters
JP2021139898A (ja) 測位方法、装置、計算装置、コンピュータ可読記憶媒体及びコンピュータプログラム
JP5391164B2 (ja) 自律移動ロボットの動作計画方法、自律移動ロボットの動作計画方法を利用した自律移動ロボットの制御方法、自律移動ロボットの動作計画装置、自律移動ロボットの動作制御装置、自律移動ロボットの動作計画プログラム、自律移動ロボットの制御プログラム
KR20210090580A (ko) 경로 계획 모델 생성 방법, 장치, 기기 및 저장 매체
US20210294356A1 (en) Dynamic recovery method and system for uavs and storage medium
CN109634211B (zh) 基于频率数据的交流伺服系统模型辨识方法及控制系统
WO2021077769A1 (zh) 一种基于流式计算的地图创建方法及其系统
Liu et al. Path tracking control of a self‐driving wheel excavator via an enhanced data‐driven model‐free adaptive control approach
JP2019031268A (ja) 能動的探索なしの強化学習に基づく制御ポリシー学習及び車両制御方法
Shen et al. Attitude active disturbance rejection control of the quadrotor and its parameter tuning
CN114879502B (zh) 一种位置环自抗扰控制器参数自整定方法
CN113701742B (zh) 一种基于云端与边端融合计算的移动机器人slam方法
Havangi Mobile robot localization based on PSO estimator
Airlangga et al. Online path planning framework for UAV in rural areas
Liao et al. Optimal preview control for linear discrete-time periodic systems
CN116518982A (zh) 一种低空林业监测遥感无人机路径多目标规划方法
CN113050658B (zh) 一种基于狮群算法优化的slam算法
Liu et al. Adaptive output feedback control for the trajectory tracking of high-speed trains with disturbance uncertainties on the basis of neural network observers
Yang et al. Sliding mode predictive active fault-tolerant control method for discrete multi-faults system
Zhou et al. Parameter Optimization on FNN/PID Compound Controller for a Three‐Axis Inertially Stabilized Platform for Aerial Remote Sensing Applications
Chen et al. Influence of seeker disturbance rejection and radome error on the Lyapunov stability of guidance systems
WO2023060586A1 (zh) 自动驾驶指令生成模型优化方法、装置、设备及存储介质
Zou et al. Imaged‐Based Visual Servo Control for a VTOL Aircraft
CN114608585A (zh) 一种移动机器人同步定位与建图方法及装置

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