CN116339135A - 基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 - Google Patents
基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 Download PDFInfo
- Publication number
- CN116339135A CN116339135A CN202310047776.8A CN202310047776A CN116339135A CN 116339135 A CN116339135 A CN 116339135A CN 202310047776 A CN202310047776 A CN 202310047776A CN 116339135 A CN116339135 A CN 116339135A
- Authority
- CN
- China
- Prior art keywords
- actual industrial
- industrial system
- smith
- algorithm
- estimation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002620 method output Methods 0.000 description 3
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012546 transfer 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
本发明提供了一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,属于自动控制领域。包括下述步骤:将一类实际工业系统采用高阶惯性系统进行描述;基于高阶惯性系统的输入量和输出量设计类史密斯预估算法;将得到的类史密斯预估算法的输出量和高阶惯性系统的输入量设计基于模型辅助的扩张状态观测算法;将得到的扩张状态观测算法的输出量和系统设定值设计控制律;得到高阶惯性系统的新输入值,根据该值对被高阶惯性系统的输出进行调节与控制,该方法能够充分利用已知的模型信息,并保留了自抗扰控制结构简单和参数易整定的特点,使得闭环系统能够更好地兼顾跟踪能力与抗干扰能力,并且使得闭环系统具有较强的鲁棒性。
Description
技术领域
本发明涉及工业控制领域,尤其涉及一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
背景技术
自抗扰控制算法由于其具有较强的处理系统非线性、系统不确定性的能力,并具有结构简单、可靠性高等优点得到广泛的关注和应用。自抗扰控制算法尤其是一阶自抗扰控制算法在运动系统、热力系统、航天系统等得到广泛应用。
然而过程控制系统中存在的传热、流动过程,是典型的分布参数,一般通过采用高阶惯性系统进行描述其中s、K、T和n分别表示微分算子、高阶惯性系统的增益、高阶惯性系统的时间常数、高阶惯性系统的阶次,且n≥2,Y(s)和U(s)分别为高阶惯性系统的输出和输入;以脱硝系统为例,上式中各参数的含义为:输出Y(s)是脱硝系统的氮氧化物浓度输出值,输入U(s)是脱硝系统的喷氨量,增益系数K是指高阶系统对输入值的放大倍数,输入值为1吨喷氨量对应脱硝系统的氮氧化物浓度变化量,时间常数T是指系统响应达到稳态值的63.2%时所需要的时间。
发明内容
本发明的目的是为了克服已有技术的不足之处,针对一类采用高阶惯性系统描述的实际工业系统提供了一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,基于高阶惯性系统的输入量和输出量设计类史密斯预估算法;将得到的类史密斯预估算法的输出量和高阶惯性系统的输入量设计基于模型辅助的扩张状态观测算法;将得到的扩张状态观测算法的输出量和系统设定值设计控制律;得到高阶惯性系统的新输入值,根据该值对被高阶惯性系统的输出进行调节与控制,该方法能够充分利用已知的模型信息,并保留了自抗扰控制结构简单和参数易整定的特点,使得闭环系统能够更好地兼顾跟踪能力与抗干扰能力,并且使得闭环系统具有较强的鲁棒性,为在解决一类高阶惯性工业系统的控制问题提供有效的、可靠的控制策略支撑。
本发明第一方面提供一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,包括以下步骤:
(1)将一类被控的实际工业系统采用高阶惯性系统进行描述,数学表达式为:
其中,Y(s)和U(s)分别表示实际工业系统的输出量和输入量,s、K、T和n分别表示微分算子、实际工业系统的增益、实际工业系统的时间常数、实际工业系统的阶次,且n≥2;y(Γ-1)和u(Γ-1)分别表示实际工业系统上一计算步序时的输出量和上一计算步序时的输入量;K的取值范围为[-105,0)和(0,105],T的取值范围为(0,105];
(2)针对(1)中的一类被控的实际工业系统,基于实际工业系统的输入量和输出量设计类史密斯预估算法:
yp(Γ)=y1(Γ-1)-y2(Γ-1)+y(Γ-1)
yp(Γ)为在当前计算步序Γ时的类史密斯预估算法输出量;y1(Γ-1)为G1(s)在上一计算步序Γ-1时的输出量,y2(Γ-1)为G2(s)在上一计算步序Γ-1时的输出量,且G1(s)的输入量为在上一计算步序时的实际工业系统输入量u(Γ-1),G2(s)的输入量为在上一计算步序Γ-1时的y1(Γ-1);G1(s)和G2(s)为类史密斯预估算法设计的计算表达式,k1为G1(s)的增益,T1为G1(s)和G2(s)的时间常数;一般地有,k1=K和T1=T;
(3)针对(1)中实际工业系统的输入量和(2)中类史密斯预估算法的输出量设计基于模型辅助的扩张状态观测算法:
其中,z1(Γ+1)、z1(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统输出量y(Γ+1)、y(Γ)的跟踪量;z2(Γ+1)、z2(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统所受干扰的观测量;h为采样步长;u(Γ)为在当前计算步序Γ时的实际工业系统输出量;
β1、β2和b0为计算系数:
其中,ωo为基于模型辅助的扩张状态观测算法的带宽且ωo∈(0,1015],ξ为可调参数且ξ∈(0,1015];h的取值范围为[0.001,100];
(4)基于(3)中得到的扩张状态观测算法的输出量和实际工业系统的设定值设计控制律算法如下:
或者
其中,u(Γ+2)为控制率计算的实际工业系统在下两计算步序Γ+2的输入量,r(Γ+1)为实际工业系统在下一计算步序Γ+1的设定值,kp为计算系数;
(5)将(4)得到的实际工业系统下两计算步序Γ+2的输入量u(Γ+2)送到实际工业系统的执行器,调整执行器的开度,实现实际工业系统的控制量调整,从而实现对实际工业系统的输出量调节。
本发明第二方面提供一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制系统,其特征在于,包括被控的实际工业系统、用于运行类史密斯预估算法的第一控制器、用于运行基于模型辅助的扩张状态观测算法的第二控制器、用于运行控制律算法的第三控制器;
实际工业系统、第一控制器、第二控制器和第三控制器相互通信连接,用以实现所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
本发明第三方面提供一种一阶改进自抗扰控制装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令执行所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
本发明第四方面提供一种非瞬时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
本发明的特点及有益效果在于:
1、本发明提出了一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,保留了已有改进自抗扰控制算法结构简单,易于整定的优势;
2、设计的基于模型信息的扩张状态观测算法能够充分利用已知的部分模型信息,提高扩张状态观测算法的带宽上限,从而提高扩张状态观测算法的估计精度,并减轻扩张状态观测算法的在线估计负担;
3、设计的控制律算法能够增强跟踪能力与抗干扰能力,并实现基于模型辅助和类史密斯预估的改进自抗扰控制的无扰跟踪性能;
4、本发明通过结合已知被控对象的部分模型信息和类史密斯预估的优势,对扩张状态观测算法和控制律算法进行改进,实现控制性能的提升,为解决一类高阶惯性工业系统的控制问题提供有效的、可靠的控制策略。
附图说明
图1为已有的基于类史密斯预估的一阶改进自抗扰控制算法结构框图。
图2为本发明一阶改进自抗扰控制算法的结构框图。
图3为本发明另一种一阶改进自抗扰控制算法的结构框图。
图4为实施例2中实际工业对象设定值、本发明方法输出值和对比方法输出值对比图。
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
本实施例提出一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,包括以下步骤:
(1)将一类被控的实际工业系统采用高阶惯性系统进行描述,数学表达式为:
其中,Y(s)和U(s)分别表示实际工业系统的输出量和输入量,s、K、T和n分别表示微分算子、实际工业系统的增益、实际工业系统的时间常数、实际工业系统的阶次,且n≥2;y(Γ-1)和u(Γ-1)分别表示实际工业系统上一计算步序时的输出量和上一计算步序时的输入量;K的取值范围为[-105,0)和(0,105],T的取值范围为(0,105];
(2)针对(1)中的一类被控的实际工业系统,基于实际工业系统的输入量和输出量设计类史密斯预估算法:
yp(Γ)=y1(Γ-1)-y2(Γ-1)+y(Γ-1)
yp(Γ)为在当前计算步序Γ时的类史密斯预估算法输出量;y1(Γ-1)为G1(s)在上一计算步序Γ-1时的输出量,y2(Γ-1)为G2(s)在上一计算步序Γ-1时的输出量,且G1(s)的输入量为在上一计算步序时的实际工业系统输入量u(Γ-1),G2(s)的输入量为在上一计算步序Γ-1时的y1(Γ-1);G1(s)和G2(s)为类史密斯预估算法设计的计算表达式,k1为G1(s)的增益,T1为G1(s)和G2(s)的时间常数;一般地有,k1=K和T1=T;
(3)针对(1)中实际工业系统的输入量和(2)中类史密斯预估算法的输出量设计基于模型辅助的扩张状态观测算法:
其中,z1(Γ+1)、z1(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统输出量y(Γ+1)、y(Γ)的跟踪量;z2(Γ+1)、z2(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统所受干扰的观测量;h为采样步长;u(Γ)为在当前计算步序Γ时的实际工业系统输出量;
β1、β2和b0为计算系数:
其中,ωo为基于模型辅助的扩张状态观测算法的带宽且ωo∈(0,1015],ξ为可调参数且ξ∈(0,1015];h的取值范围为[0.001,100];
(4)基于(3)中得到的扩张状态观测算法的输出量和实际工业系统的设定值设计控制律算法如下:
图2中所示的控制律算法:
或者图3中所示的控制律算法:
其中,u(Γ+2)为控制率计算的实际工业系统在下两计算步序Γ+2的输入量,r(Γ+1)为实际工业系统在下一计算步序Γ+1的设定值,kp为计算系数;
(5)将(4)得到的实际工业系统下两计算步序Γ+2的输入量u(Γ+2)送到实际工业系统的执行器,调整执行器的开度,实现实际工业系统的控制量调整,从而实现对实际工业系统的输出量调节。
实施例2
本实施例以某一个实际工业系统控制为例说明本实施例方法的技术优越性:
(1)将被控的实际工业系统采用高阶惯性系统进行描述,数学表达式为:
本实施例中,实际工业系统的K=0.5、T=10和n=2;
(2)针对(1)中的被控的实际工业系统,基于实际工业系统的输入量和输出量设计类史密斯预估算法:
本实施例中,k1=K和T1=T;
(3)针对(1)中实际工业系统的输入量和步骤2)中类史密斯预估算法的输出量设计基于模型辅助的扩张状态观测算法:
(4)基于(3)中得到的扩张状态观测算法的输出量和实际工业系统的设定值设计控制律算法如图3所示,即如下:
本实施例中,kp=1.5;
(5)将(4)得到的实际工业系统下两计算步序Γ+2的输入量u(Γ+2)送到实际工业系统的执行器,调整执行器的开度,实现实际工业系统的的控制量调整,从而实现对实际工业系统的输出量调节。
仿真对比
图4为本实施例中实际工业对象设定值、本实施例方法输出值和对比方法(专利ZL202011125339.6)输出值对比图;其中,对比方法中基于类史密斯预估的一阶自抗扰控制算法,其参数分别为k1=K、T1=T、β1=1、β2=0.25、b0=0.25和kp=1.5;细实线、虚线和粗实线分别为本实施例中实际工业系统的设定值、对比方法输出值和本实施例方法输出值。
具体的仿真过程为:仿真开始时刻,系统处于稳态时刻,在10s时将设定值从0变为1,在100s时对闭环回路进行控制量的扰动,由0变为1,直到200s时仿真结束。通过仿真可知,本实施例方法通过充分利用已知的模型信息,具有比较快的跟踪能力和较强的抗干扰能力。
实施例3
本实施例提供一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制系统,包括被控的实际工业系统、用于运行类史密斯预估算法的第一控制器、用于运行基于模型辅助的扩张状态观测算法的第二控制器、用于运行控制律算法的第三控制器;
实际工业系统、第一控制器、第二控制器和第三控制器相互通信连接,用以实现实施例1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
实施例4
本实施例提供一种一阶改进自抗扰控制装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令执行实施例1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
本实施例装置还可以包括输入输出接口、网络接口、存储接口等。这些接口以及存储器和处理器之间例如可以通过总线连接。其中,输入输出接口为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口为各种联网设备提供连接接口。存储接口为SD卡、U盘等外置存储设备提供连接接口。
实施例5
本实施例提供一种非瞬时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
本领域内的技术人员应当明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机程序代码的计算机非瞬时性可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (4)
1.一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法,其特征在于,包括以下步骤:
(1)将一类被控的实际工业系统采用高阶惯性系统进行描述,数学表达式为:
其中,Y(s)和U(s)分别表示实际工业系统的输出量和输入量,s、K、T和n分别表示微分算子、实际工业系统的增益、实际工业系统的时间常数、实际工业系统的阶次,且n≥2;y(Γ-1)和u(Γ-1)分别表示实际工业系统上一计算步序时的输出量和上一计算步序时的输入量;K的取值范围为[-105,0)和(0,105],T的取值范围为(0,105];
(2)针对(1)中的一类被控的实际工业系统,基于实际工业系统的输入量和输出量设计类史密斯预估算法:
yp(Γ)=y1(Γ-1)-y2(Γ-1)+y(Γ-1)
yp(Γ)为在当前计算步序Γ时的类史密斯预估算法输出量;y1(Γ-1)为G1(s)在上一计算步序Γ-1时的输出量,y2(Γ-1)为G2(s)在上一计算步序Γ-1时的输出量,且G1(s)的输入量为在上一计算步序时的实际工业系统输入量u(Γ-1),G2(s)的输入量为在上一计算步序Γ-1时的y1(Γ-1);G1(s)和G2(s)为类史密斯预估算法设计的计算表达式,k1为G1(s)的增益,T1为G1(s)和G2(s)的时间常数;
(3)针对(1)中实际工业系统的输入量和(2)中类史密斯预估算法的输出量设计基于模型辅助的扩张状态观测算法:
其中,z1(Γ+1)、z1(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统输出量y(Γ+1)、y(Γ)的跟踪量;z2(Γ+1)、z2(Γ)分别为在下一计算步序Γ+1、当前计算步序Γ时的实际工业系统所受干扰的观测量;h为采样步长;u(Γ)为在当前计算步序Γ时的实际工业系统输出量;
β1、β2和b0为计算系数:
其中,ωo为基于模型辅助的扩张状态观测算法的带宽且ωo∈(0,1015],ξ为可调参数且ξ∈(0,1015];h的取值范围为[0.001,100];
(4)基于(3)中得到的扩张状态观测算法的输出量和实际工业系统的设定值设计控制律算法如下:
或者
其中,u(Γ+2)为控制率计算的实际工业系统在下两计算步序Γ+2的输入量,r(Γ+1)为实际工业系统在下一计算步序Γ+1的设定值,kp为计算系数;
(5)将(4)得到的实际工业系统下两计算步序Γ+2的输入量u(Γ+2)送到实际工业系统的执行器,调整执行器的开度,实现实际工业系统的控制量调整,从而实现对实际工业系统的输出量调节。
2.一种基于模型辅助和类史密斯预估的一阶改进自抗扰控制系统,其特征在于,包括被控的实际工业系统、用于运行类史密斯预估算法的第一控制器、用于运行基于模型辅助的扩张状态观测算法的第二控制器、用于运行控制律算法的第三控制器;
实际工业系统、第一控制器、第二控制器和第三控制器相互通信连接,用以实现权利要求1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
3.一种一阶改进自抗扰控制装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令执行权利要求1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
4.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1所述的基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047776.8A CN116339135A (zh) | 2023-01-31 | 2023-01-31 | 基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310047776.8A CN116339135A (zh) | 2023-01-31 | 2023-01-31 | 基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116339135A true CN116339135A (zh) | 2023-06-27 |
Family
ID=86879758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310047776.8A Pending CN116339135A (zh) | 2023-01-31 | 2023-01-31 | 基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116339135A (zh) |
-
2023
- 2023-01-31 CN CN202310047776.8A patent/CN116339135A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Simonetto et al. | A class of prediction-correction methods for time-varying convex optimization | |
Beschi et al. | Characterization of symmetric send-on-delta PI controllers | |
CN103838139B (zh) | 具有积分饱和预处理功能的pid控制方法 | |
CN113128018B (zh) | 摩擦力计算方法、装置、机器人及可读存储介质 | |
Oliveira et al. | Adaptive sliding mode control based on the extended equivalent control concept for disturbances with unknown bounds | |
CN112305907A (zh) | 自适应pid温度控制方法、装置及设备 | |
CN109634123A (zh) | 用于pH中和过程的自抗扰控制参数整定方法 | |
CN109298636A (zh) | 一种改进的积分滑模控制方法 | |
CN115981159A (zh) | 基于模型辅助和类史密斯预估的广义改进自抗扰控制方法 | |
CN113359413B (zh) | 一种实际微分器的参数调节系统及方法 | |
Gao et al. | Control with prescribed performance tracking for input quantized nonlinear systems using self-scrambling gain feedback | |
CN116339135A (zh) | 基于模型辅助和类史密斯预估的一阶改进自抗扰控制方法 | |
CN114035436B (zh) | 一种基于饱和自适应律的反步控制方法、存储介质及设备 | |
Haddad et al. | Practical finite‐time fuzzy control of uncertain nonstrict‐feedback systems with actuator saturation and output constraints | |
Xin et al. | Finite time adaptive learning for tracking control of constraint nonlinear systems via command filtered output feedback | |
CN113655816A (zh) | 钢包底吹氩系统流量控制方法及计算机可读存储介质 | |
CN110554601B (zh) | 一种抗扰pid控制器的设计方法及装置 | |
CN109695893B (zh) | 一种锅炉系统中的氧气浓度控制方法、装置、设备及系统 | |
CN116125806A (zh) | 一种基于模型辅助和类史密斯预估的二阶改进自抗扰控制设计方法、装置及存储介质 | |
CN111273625B (zh) | 一种动态矩阵控制的前馈计算方法及装置 | |
Xu et al. | Sampled‐data‐based event‐triggered adaptive prescribed performance control of uncertain strict‐feedback nonlinear systems | |
Ruelas et al. | Comparative Study of PI and PID Controls with Kalman Filter Implemented for Water Level Control Based on Matlab and Factory I/O | |
CN117452807B (zh) | 一种系统的过程给定信号的处理方法和控制系统 | |
Chen et al. | The improved Fuzzy-Smith compensator based on modeling error for network control system | |
CN112503957A (zh) | 一种保温炉的温控方法 |
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 |