CN116224788A - 一种模型参考自适应抗扰优化控制方法 - Google Patents
一种模型参考自适应抗扰优化控制方法 Download PDFInfo
- Publication number
- CN116224788A CN116224788A CN202310059100.0A CN202310059100A CN116224788A CN 116224788 A CN116224788 A CN 116224788A CN 202310059100 A CN202310059100 A CN 202310059100A CN 116224788 A CN116224788 A CN 116224788A
- Authority
- CN
- China
- Prior art keywords
- control signal
- model reference
- actual system
- disturbance
- total
- 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.)
- Pending
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
本发明公开了一种模型参考自适应抗扰优化控制方法,利用模型参考系统,通过模型参考自适应的方法生成第一控制信号;获取实际系统中,PD控制器经过扰动补偿后生成的第二控制信号;将第一控制信号和第二控制信号相加作为总控制信号,利用总控制信号控制被控对象,获取实际系统输出;将实际系统输出和总控制信号输入至实际系统中的扩张状态观测器内,得到总扰动的估计量,再利用总扰动的估计量对实际系统总扰动进行反馈补偿;利用模型参考系统中参考模型输出和实际系统输出之间的误差,构造基于误差的Lyapunov函数,得到自适应律,以此更新第一控制信号,达到系统自适应并减小输出误差的效果,且可使系统更加平稳,抗扰动能力更强。
Description
技术领域
本发明公开了一种模型参考自适应抗扰优化控制方法,属于自抗扰控制技术领域。
背景技术
自抗扰控制(Active Disturbance Rejection Control,ADRC)是以对经典控制理论的反思为开端提出的以反馈系统的标准型(积分器串联型)为基础,以工程控制的鲁棒性为目标的控制技术。其思想是以工业界占主导地位的PID控制为出发点,在改进非线性PID的基础上提出自抗扰的概念,算法简单,在未知强非线性和不确定强扰动的作用下仍能够保持控制精度。
自抗扰控制目前主要包括三方面的内容:非线性跟踪微分器,扩张状态观测器(Extended State Observer,ESO)以及一系列自抗扰控制律的设计。
ESO不仅能估计状态,还能估计“总扰动”,使ADRC在处理非线性、不确定和干扰时具有很大的优势。调整控制器带宽和观测器带宽可获得满意的控制效果。但是对于ADRC而言,实际系统带宽往往受限,且高带宽亦会引入高频噪声,而带宽受限时会使得ESO估计不准,带来较大的估计误差,影响系统动态。
发明内容
本申请的目的在于,提供一种模型参考自适应抗扰优化控制方法,以解决现有自抗扰控制技术中带宽受限时系统动态不理想,且高带宽会引入高频噪声等问题。
本发明提供了一种模型参考自适应抗扰优化控制方法,包括:
利用模型参考系统,通过模型参考自适应的方法生成第一控制信号uad;
获取实际系统中,PD控制器经过扰动补偿生成的第二控制信号u′adrc;
将第一控制信号uad和第二控制信号u′adrc相加作为总控制信号u,利用总控制信号u控制被控对象,获取实际系统输出yp;
利用模型参考系统中参考模型输出ym和实际系统输出yp之间的误差,构造基于误差的Lyapunov函数,得到自适应律,以此更新第一控制信号uad。
优选地,实际系统输出yp满足第一公式,所述第一公式为:
式中,为yp的二阶导数,f为总扰动,/>为总扰动的估计量,kp为PD控制器的比例系数,kd为PD控制器的微分系数,r为设定值,z1为实际系统输出的估计值,z2为实际系统输出一阶导/>的估计值,b0为增益参数,u为总控制信号,uad为第一控制信号。
优选地,更新第一控制信号uad,具体包括:
利用第二公式更新第一控制信号uad,所述第二公式为:
式中,b0为增益参数,kc=Γ1+Γ2+Γ3,P、Γ1、Γ2、Γ3均为正定矩阵,Bk T∈R2为常数行向量,e∈R2为参考模型输出ym和实际系统输出yp之间的误差及误差的一阶导构成的列向量。
优选地,e根据第三公式确定,所述第三公式为:
e=xm-xp
式中,xm为模型参考系统的状态向量,xp为实际系统的状态向量。
优选地,利用模型参考系统,通过模型参考自适应的方法生成第一控制信号uad,具体包括:
根据第四公式给出第一控制信号uad,所述第四公式为:
式中,k1、k2、k3为可调参数,b0为增益参数。
本发明的模型参考自适应抗扰优化控制方法,相较于现有技术,具有如下有益效果:
本发明中通过模型参考自适应控制(Model Reference Adaptive Control,MRAC)与自抗扰控制(Active Disturbance Rejection Control,ADRC)相结合的控制策略,达到了单一ADRC所达不到的满意效果。具体为:
(1)ADRC带宽参数较低时,系统会产生超调,只有增大带宽才能减小或消除超调,但是高带宽会引入噪声。而本发明的模型参考自适应抗扰优化控制(Model ReferenceActive Disturbance Rejection Control,MRADRC)可以通过调节独立增益参数kc来消除ESO的估计误差,增加系统的平稳性,且不会引入噪声;
(2)抗扰动能力方面,MRADRC也具有比ADRC更加优越的性能,且kc值越大,MRADRC的抗扰能力越强;
(3)MRADRC通过引入独立增益参数kc,可增加控制系统设计的灵活性。
附图说明
图1为本发明方法对应的控制结构图;
图2中的(a)和(b)分别为ωo=10,ωc=5时以及ωo=50,ωc=5时的ADRC与MRADRC仿真效果对比图;
图3中的(a)为ω0=10,ωc=5时MRADRC产生的控制信号,(b)为ω0=10,ωc=5时ADRC产生的控制信号;
图4中的(a)为kc=20对MRADRC控制效果的影响图,(b)为kc=400对MRADRC控制效果的影响图,(c)为kc=800对MRADRC控制效果的影响图,(d)为kc=2000对MRADRC控制效果的影响图;
图5中的(a)为kc=20时MRAC控制量uad对比图,(b)为kc=400时MRAC控制量uad对比图,(c)为kc=800时MRAC控制量uad对比图,(d)为kc=2000时MRAC控制量uad对比图;
图6中的(a)为加入阶跃扰动后,kc=30时MRADRC与ADRC抗扰性能对比图,(b)为加入阶跃扰动后,kc=500时MRADRC与ADRC抗扰性能对比图,(c)为加入阶跃扰动后,kc=3000时MRADRC与ADRC抗扰性能对比图,(d)加入阶跃扰动后,为kc=300000时MRADRC与ADRC抗扰性能对比图;
图7中的(a)为加入正弦扰动后,kc=50时MRADRC与ADRC的抗扰性能对比图,(b)为加入正弦扰动后,kc=500时MRADRC与ADRC的抗扰性能对比图,(c)为加入正弦扰动后,kc=2000时MRADRC与ADRC的抗扰性能对比图,(d)为加入正弦扰动后,kc=30000时MRADRC与ADRC的抗扰性能对比图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例为保证带宽受限时,系统仍具有期望的动态响应,引入了模型参考自适应思想,综合自抗扰控制估计、补偿扰动以及模型参考自适应控制校正误差使系统输出趋近参考模型的特点和优势,获得期望控制效果的同时,也给控制器设计带来更大的灵活性。本发明实施例所采用的控制算法为模型参考自抗扰控制(Model Reference ActiveDisturbance Rejection Control,MRADRC)。
图1为本发明所采用的控制结构,包括模型参考系统和实际系统;
其中模型参考系统中包括依次连接的参考模型和自适应机构;实际系统为二阶自抗扰控制闭环系统。本发明实施例中,模型参考系统为通过模型参考自适应方法形成的系统,参考模型为理想二阶ADRC闭环系统传递函数实际系统为一标准二阶ADRC闭环系统。图1中,u0为实际系统中PD控制器产生的控制信号;u′adrc为实际系统中PD控制器经过扰动补偿后生成的第二控制信号;uad为MRAC通过模型参考自适应的方法生成第一控制信号。本发明将ADRC与MRAC结合起来,具体思想为:利用MRAC生成一个独立的第一控制信号,该第一控制信号与实际系统中PD控制器经过扰动补偿后生成的第二控制信号相加,作为总控制信号进入ESO,利用总的控制信号和实际系统输出来估计总扰动,通过补偿可以消除扰动对实际系统的影响。通过模型参考系统理想输出(即图1中的参考模型输出ym)与实际系统输出(即图1中的yp)之间的误差,利用Lyapunov函数推导出自适应律,以此来不断减小误差,使实际系统逐渐趋近于模型参考系统。上述思想对应的详细方法为:
步骤1、利用模型参考系统,通过模型参考自适应的方法生成第一控制信号uad。
步骤2、获取实际系统中,PD控制器经过扰动补偿后生成的第二控制信号u′adrc。
本发明实施例中,实际系统为二阶自抗扰控制闭环系统,该系统中,u0为实际系统中PD控制器产生的控制信号;u′adrc为实际系统中PD控制器经过扰动补偿后生成的第二控制信号。
步骤3、将第一控制信号uad和第二控制信号u′adrc相加作为总控制信号u,利用总控制信号u控制被控对象,获取实际系统输出yp。
步骤5、利用模型参考系统理想输出(即模型参考系统中参考模型输出ym)与实际系统输出yp之间的误差,构造Lyapunov函数,得到自适应律,以此更新第一控制信号uad。
上述方法中实际系统输出yp满足第一公式,第一公式为:
式中,为yp的二阶导数,f为总扰动,/>为总扰动的估计量,kp为PD控制器的比例系数,kd为PD控制器的微分系数,r为设定值,z1为实际系统输出yp的估计值,z2为实际系统输出一阶导/>的估计值,b0为增益参数,u为总控制信号,uad为第一控制信号。
进一步地,更新第一控制信号uad,具体包括:
利用第二公式更新第一控制信号uad,第二公式为:
式中,b0为增益参数,kc=Γ1+Γ2+Γ3,P、Γ1、Γ2、Γ3均为正定矩阵,Bk T∈R2为常数行向量,e∈R2为参考模型输出ym和实际系统输出yp之间的误差及误差的一阶导构成的列向量,其根据第三公式确定,第三公式为:e=xm-xp。
式中,xm为模型参考系统的状态向量,xp为实际系统的状态向量。
其中利用模型参考系统,通过模型参考自适应的方法生成第一控制信号uad,具体包括:
根据第四公式给出第一控制信号uad,第四公式为:
式中,k1、k2、k3为可调参数(实数),b0为增益参数。
本发明中,自适应律uad的推导过程为:
结合图1,由ADRC知识可知,实际系统输出yp满足:
式(2)中,yp为实际系统输出,为yp的二阶导数,f为总扰动,/>为总扰动的估计量,kp为PD控制器的比例系数,kd为PD控制器的微分系数,r为设定值,z1为yp的估计值,z2为实际系统输出一阶导/>的估计值,b0为增益参数,u为总控制信号,uad为第一控制信号。
设系统广义误差向量:
由式(1)、式(3)和式(4)可得广义误差状态方程为:
式(6)中,k1、k2、k3为模型参考系统的可调参数,b0为增益参数。
假设当k1=k1 *,k2=k2 *,k3=k3 *时,实际系统和模型参考系统达到完全匹配,即达到式(3)中μ=0,亦即满足:
将式(6)和式(7)代入式(5)中可得:
构造二次型正定函数作为Lyapunov函数:
上式两边对时间求导可得:
因为Am为稳定矩阵,即可选定一个正定矩阵Q,使得Am TP+PAm=-Q成立。结合式(11),式(10)可化为
因为
得(15)
结合式(8)可得
至此,可得出模型参考自适应律为:
本发明实施例主要针对MRADRC(结构如图1)与单一ADRC(结构与图1中实际系统相同)两种控制策略,从参数调整、系统稳定性、抗扰动性能等方面对比各自的控制效果,从而说明MRADRC控制策略的优越性。
(1)相同带宽下MRADRCA与ADRC控制效果对比
其中取b0=1,自适应律增益kc=2000。如图2(a)所示,在观测器带宽较低时,ADRC会产生超调,但MRADRC可以通过调节独立参数kc达到良好的效果;如图2(b)所示,ADRC要达到跟MRADRC一样良好的效果,只有增大观测器带宽ωo到50左右。由此可见,相同低带宽条件下,MRADRC比ADRC有更好的控制效果。
如图3所示为相同带宽(ω0=10,ωc=5)和b0(b0=1)参数下MRADRC与ADRC控制量对比(kc=2000),其中图3(a)所示uad为MRADRC控制策略中由模型参考系统产生的控制信号(也即上文所述的第一控制信号),图3(b)所示uadrc为单一ADRC控制策略中的控制信号(也即直接进入被控对象的控制信号)。可以看出,在2s左右,ADRC产生超调,此时MRAC会通过自适应律产生一个负值的控制信号uad,于是在MRADRC控制策略中负值的uad会抵消ADRC由于带宽不足而产生的超调,从而使系统稳定。
(2)kc值对MRADRC控制效果的影响
如图4为不同值下MRADRC控制效果的对比图,四种情况下观测器带宽ωo均为10,控制器带宽ωc均为5,b0值均为1。由图4可以看出,在带宽和b0值不变的情况下,增大kc值输出响应的超调量逐渐减小,表明kc越大,控制效果越好。
图5所示为对应上述四种kc值,MRAC产生的控制量uad的对比情况图,从图5中可以看出,在超调出现时刻,随着kc值增大,MRAC通过自适应律产生的负值的控制量uad绝对值越大,其对超调的“抵消力”越大,因此超调越小,控制效果越好。
(3)MRADRC与ADRC抗扰能力的对比
在图1所示的总控制信号u处加入幅值为5,阶跃时间为3s的阶跃扰动,取ωo=10,ωc=5,b0=1。如图6所示为加入阶跃扰动后的MRADRC与ADRC的抗扰性能对比,由图6可以看出,加入扰动后,会给系统带来较大影响,在kc值较小时,MRADRC与ADRC的抗扰表现都较差,但是随着kc值的增大,MRADRC的抗扰能力变好,扰动对系统的影响减弱。
在图1所示的总控制信号u处加入频率为1、相位为0、幅值为3的正弦扰动,取ωo=10,ωc=5,b0=1。如图7所示为加入正弦扰动后,在不同kc值下MRADRC与ADRC的抗扰性能对比。由图7可以看出,在低带宽情况下随着kc值的增大,扰动对MRADRC系统带来的超调和波动等明显减小,系统稳定性显著提高,而ADRC由于带宽参数的限制,抗扰性能较差。
本发明中通过模型参考自适应控制(MRAC)与自抗扰控制(ADRC)相结合的控制策略,达到了单一ADRC所达不到的满意效果。具体为:
(1)ADRC带宽参数较低时,系统会产生超调,只有增大带宽才能减小或消除超调,但是高带宽会引入噪声。而本申请的模型参考自适应抗扰优化控制(MRADRC)可以通过调节独立增益参数kc来消除ESO的估计误差,增加系统的平稳性,且不会引入噪声;
(2)抗扰动能力方面,同带宽条件下MRADRC也具有比ADRC更加优越的性能,且kc值越大,MRADRC的抗扰能力越强;
(3)MRADRC通过引入独立增益参数kc,可增加控制系统设计的灵活性。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。
Claims (5)
4.根据权利要求3所述的模型参考自适应抗扰优化控制方法,其特征在于,e根据第三公式确定,所述第三公式为:
e=xm-xp
式中,xm为模型参考系统的状态向量,xp为实际系统的状态向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059100.0A CN116224788A (zh) | 2023-01-17 | 2023-01-17 | 一种模型参考自适应抗扰优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059100.0A CN116224788A (zh) | 2023-01-17 | 2023-01-17 | 一种模型参考自适应抗扰优化控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116224788A true CN116224788A (zh) | 2023-06-06 |
Family
ID=86577926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310059100.0A Pending CN116224788A (zh) | 2023-01-17 | 2023-01-17 | 一种模型参考自适应抗扰优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116224788A (zh) |
-
2023
- 2023-01-17 CN CN202310059100.0A patent/CN116224788A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Fuzzy-based dynamic event triggering formation control for nonstrict-feedback nonlinear MASs | |
Zheng et al. | Command filter and universal approximator based backstepping control design for strict-feedback nonlinear systems with uncertainty | |
Zhou | Decentralized adaptive control for large-scale time-delay systems with dead-zone input | |
CN109541935B (zh) | 一种参数自适应分数阶自抗扰自动发电控制方法 | |
CN113703313B (zh) | 一种基于改进预设性能的无模型自适应滑模约束控制方法 | |
CN108762083B (zh) | 一种基于加速度观测器的自动控制系统 | |
CN111290281A (zh) | 一种基于ADRC-Smith算法的波前控制方法 | |
Padhan et al. | Modified Smith predictor and controller for time delay processes | |
Wang et al. | Command filtered finite-time control for nonlinear systems with state constraints and its application to TCP network | |
CN115437425A (zh) | 温度控制方法、装置、设备以及存储介质 | |
CN112769364A (zh) | 一种直流电机伺服系统的快速自适应抗扰控制方法 | |
CN111474922A (zh) | 一种连续非线性系统的控制器构建方法 | |
CN112859602B (zh) | 一种非最小相位系统输出重定义方法 | |
CN116224788A (zh) | 一种模型参考自适应抗扰优化控制方法 | |
CN115685757A (zh) | 一种纯时滞系统中基于滤波的自抗扰预估控制方法 | |
CN116088306A (zh) | 基于线性二次型最优控制下模糊扩张状态观测器设计方法 | |
CN107168047B (zh) | 提高重复补偿pid控制系统的控制性能的方法 | |
CN115755627A (zh) | 基于模型预测的纳米级精密运动台前馈控制方法 | |
Balbayev et al. | Neural Control for Image Stabilisation Using a Reference Model | |
CN114137834A (zh) | 一种基于改进型eso的运动控制系统扰动抑制方法 | |
CN113934138A (zh) | 一种用于伺服系统的摩擦补偿前馈控制器 | |
CN112099344A (zh) | 一种基于自适应投影算法的迟滞补偿方法 | |
Wang et al. | An adaptive gradient method with differentiation element in deep neural networks | |
Qin et al. | An improved dsc scheme for strict feedback nonlinear systems with unknown control gains | |
CN115981165B (zh) | 一种高阶非严格反馈非线性系统全局自适应跟踪控制方法 |
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 |