CN1618044A - 确定控制系统控制参数的方法 - Google Patents
确定控制系统控制参数的方法 Download PDFInfo
- Publication number
- CN1618044A CN1618044A CNA028278623A CN02827862A CN1618044A CN 1618044 A CN1618044 A CN 1618044A CN A028278623 A CNA028278623 A CN A028278623A CN 02827862 A CN02827862 A CN 02827862A CN 1618044 A CN1618044 A CN 1618044A
- Authority
- CN
- China
- Prior art keywords
- controller
- model
- equipment
- performance index
- function
- 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
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
-
- 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
- G05B5/00—Anti-hunting arrangements
- G05B5/01—Anti-hunting arrangements electric
-
- 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
Abstract
一个确定有控制器(14)和设备(10)的控制系统的控制参数的方法包括建立设备的模型(70)和控制器的模型(64),并计算闭环系统的性能指数为控制器参数的函数,说明选择的稳定性边缘。
Description
技术领域
本发明涉及系统机器或过程的控制。具体地说,本发明涉及确定调整系统的控制器的控制参数,并获得可接受的闭环控制。
背景技术
控制系统用于广泛的领域,如工业过程,环境系统,电子系统,机械系统和任何其它输出表示测量的变量的系统,处理用户规定的希望的输出,产生控制改变系统的设备的信号。例如,众所周知的振动系统适用于负载和/或运动以测试样本。振动系统广泛的用于性能评估,耐久力测试,和各种其它的用途,因为它们在产品研发中是高效的。例如,在汽车,摩托车等的研发中,机动车或其子结构进行模拟运行条件,如道路或试车跑道的实验室环境的影响是十分普遍的。
为了研发能用于振动系统重新产生运行环境的驱动信号,在实验室中的物理模拟包括众所周知的数据采集和分析的方法。此方法包括将具有“远程”传感器的机动车装备到操作环境的物理输入端口。通常的远程传感器包括但不限于应变仪,加速计和位移传感器,它们隐含地规定感兴趣的运行环境。然后在运行环境中驱动机动车,同时记录远程传感器的响应(内部的负载和/或运动)。在模拟安装在振动系统中的机动车时,驱动振动系统的调节器,以便重新产生记录的远程传感器对在实验室中机动车的响应。
然而,在能出现模拟试验前,必须调整控制系统。调整是建立控制器的内部逻辑,电路系统和/或变量的过程,以便控制器的输出信号产生给定的控制器的反馈要求的效果。
通常,可以组织或定义整个系统为有两个主要部件,即,“控制器”和“设备”。在闭环控制的运行中,控制器接收输入或其它与设备期望的运行有关的存储信息。控制器给设备提供制动信号,并从那里接收反馈信号,包括如上面讨论的,与设备期望的响应和/或认为得到设备期望的响应必须的中间反馈信号有关的远程传感器。设备包括不是控制器部分的所有部件。用上面讨论的振动系统作为例子,设备或物理系统包括伺服阀,其接收来自控制器的制动信号,同时使用控制器操作直动器对试验样本施以力或运动。设备也包括调节器和试验样本以及试验样本本身和所用传感器(中间的和/或远程的)之间的任何必须的联接,以便向控制器提供反馈信号。
直到完成可接受的闭环控制前,控制系统的试运转通常由构建合适结构的控制器、连接控制器到要控制的设备、激励系统而同时调整控制参数(调整系统)来完成。在单输入单输出(SISO)系统的情况中,调整过程要求有相当的技术水平,并常常是十分冗长乏味的,在有高度交叉耦合的多路输入多路输出(MIMO)系统的情况中,调整是不可抗拒的。
因此,需要改进调整控制系统的方法。容易使用和要求最小实际设备操作的方法和系统是非常有用的。
发明内容
本发明的目的是提供一种确定控制系统的控制参数的方法。
为实现上述目的,确定控制系统的控制参数的方法包括控制器和设备,其中,建立设备模型和控制器模型,并计算闭环系统的性能指数作为控制器参数的函数,提供选择的稳定性边缘。
附图说明
图1是实践本发明示例环境的框图;
图2是实现本发明的计算机;
图3是说明图1环境的闭环控制系统的部件的框图;
图4是说明本发明的调整装配和其它方面的框图;
图5是z-平面轮廓;
图6是s-平面轮廓;
图7是建立设备模型的方法的流程图;
图8是脉冲响应函数和锥形函数图;
图9是单通道的二维尼奎斯特图;
图10和图11是三维尼奎斯特图;
图12是多通道的幅度对频率的图;
图13是调整过程的流程图;
图14是计算性能指数的流程图;
图15是说明有多设备配置的调整装配的框图;
图16是说明图1环境的闭环控制系统的第二种形式的部件的框图;
图17是说明级联控制环的框图。
具体实施方式
图1说明设备或物理系统10。在实施例中,物理系统10一般包括具有伺服控制器14和调节器15的振动系统13。在图1的原理性说明中,调节器15表示一个或多个调节器,它通过适当的机械接口16连接到试验样本18。伺服控制器14提供调节器命令信号19到伺服阀25操作调节器15,同时激励试验样本18。从调节器15,或从其它传感器提供适当的反馈15A到伺服控制器14。在试验样本18上的一个或多个远程传感器20,如位移传感器,应变仪,加速计等,提供测量的或实际的响应21。当输入到伺服控制器14时,物理系统控制器23接收实际的响应21作为响应驱动17的反馈信号。在图1的说明中,信号17是参考信号,信号19是操作的变量(对调节的设备的命令),信号15A是反馈变量。也在图3中说明此关系。虽然在图1中说明单通道的情况,有包括N反馈分量的信号15A和包括M操作的可变分量的信号19的多通道的实施例是典型的,并认为是本发明的另一实施例。
虽然这里描述的环境包括振动系统13,下面描述的本发明的特征能用于其它设备。例如,在制造过程中,设备包括制造机器(例如,成型设备,构成机器等),操作变量信号19提供对机器的命令信号,反馈信号15A包括设备的手动或和自动测量的参数。其它例子包括设备是处理设备的炼油厂,反馈信号15A包括关于它的运行的中间或最后参数。
图2和相关的讨论提供能实现本发明的适当的计算环境的简要的描述。虽然不是必需的,至少部分的描述伺服控制器14,在计算机可执行指令的一般内容中,如由计算机30执行的程序模块。一般来说,程序模块包括执行特殊任务或实现特殊抽象数据类型的常规程序,对象,组件,数据结构等。下面用框图和流程图说明程序模块。本领域技术人员能对存储在计算机可读介质中的计算机可执行指令实现框图和流程图。而且,本领域技术人员清楚,可用其它计算机系统配置实现本发明,包括多处理器系统,网络的个人计算机,小型计算机,主体计算机等。本发明也可在由通过通讯网络连接的远程处理设备执行任务的分布式计算机环境中实现。在分布式计算机环境中,程序模块可位于本地的或远程的存储设备中。
在图2中说明的计算机30包括常规的个人或桌上计算机,该计算机包括中央处理器(CPU)32,和系统总线36,该总线36连接包括存储器34的各种系统部件到CPU32。系统总线36可以是总线结构的几种类型中的任何一个,包括存储器总线或存储器控制器,外围的总线和用总线结构变化的任何一种的本地总线。存储器34包括只读存储器(ROM)和随机存储器(RAM)。如在启动时,帮助在计算机30中的元件之间传输信息的包含基本常规程序的基本输入/输出(BIOS)存储在ROM中。存储设备38,如硬盘软盘驱动器,光盘驱动器等连接到系统总线36,并用于程序和数据的存储。本领域技术人员知道计算机可存取的其它类型的计算机可读介质,如盒式磁带,闪存卡,数字化视频光盘,随机存储器等也可用作存储设备。通常,程序伴随或不伴随数据从至少存储设备38之一装载到存储器34。
如键盘,指示设备(鼠标)的输入设备40允许用户提供对计算机30的命令。监视器42或其它类型的输出设备还通过适当的接口连接到系统总线36,并对用户提供反馈。提供参考信号17作为对通过通讯连接如调制解调器,或通过存储设备38的可移动介质的计算机30的输入。基于由计算机执行的程序模块,提供操作变量信号19到图1的设备,并通过适当的接口44,计算机30连接到振动系统13。接口44也接收反馈信号15A。然而,伺服控制器14也可包括有或没有众所周知的数字管理的模拟控制器。依赖于伺服控制器14的性能,可连续的提供驱动17或存储在伺服控制器14中。控制器23和14的功能可结合为一个计算机系统。在另一计算环境中,控制器14是在另一个计算机的网络总线上可操作的单板机,该单板机可以是控制器23或其它管理计算机。通常确定图2的原理图代表这些和其它合适的计算环境。
虽然下面描述关于试验机动车,应该了解下面讨论的本发明不限于仅仅试验机动车,而能用于其它处理、试验样本、子结构或部件的类型。
图4说明伺服控制器14和连同调整或优化部件60的设备10。通常,调整部件60基于用户的约束,确定伺服控制器14的控制参数或变量。例如,控制参数包括一个或多个通常用于闭环控制结构的值,在设备10实际运行时,产生部分基于反馈15A的信号19。然而,调整部件60能确定离线的没有设备10的重复运行的控制参数,因此,节约了时间和最小化对设备10的磨损或损坏。
通常,为了评估性能指数作为控制器参数设置和用户约束的函数,在一个实施例中,调整部件60使用在频域中的系统控制器14的模型64和设备10的模型70。使用优化算法如Nelder-Mead,性能指数的优化产生伺服控制器14的控制器参数的最好或优化的设置。这里使用的“最好”或“优化”涉及由给定用户约束的调整部件60已确定的那些控制器参数的值。如本领域技术人员知道的一样,由用户对确定控制器参数作可能的进一步手动调整,产生系统性能的进一步改善。然而,由调整部件60提供的确定的控制器参数可以取得基于用户约束的期望的系统性能,因此,被认为“最好”或“优化”。
调整部件60包括优化模块62和性能计算器63。性能计算器63使用系统控制器14的模型64和设备10的模型70。在进一步描述性能计算器63和优化模块62的运行前,描述伺服控制器模型64和设备模型70的结构是有帮助的。
如上面描述的,伺服控制器14可包含在数字计算机中,如在图2中说明的计算机30。在许多情况中,包含控制结构为模块或实现控制功能的仪器,如加法器,减法器,积分器,差分和滤波,只是提及很少。用模块或仪器计算信号19,如果需要,通过众所周知的数字到模拟变换器变换为模拟值。同样的,如果提供模拟形式,参考信号17和反馈信号15A能通过适当的模拟到数字变换器变换为数字值。然后由定义控制结构的模块使用参考信号17和反馈信号15A的数字值。
然后很好的定义伺服控制器14的控制结构。在频域中构建伺服控制器14结构的数学表示或模型是众所周知的。为了说明,简单的例子控制器结构可以是:
Gc=Km*(Kp+Kd*(z-1)/Tz+Kdd*((z-1)/Tz)^2),
其中Km是标量,Kp,Kd,Kdd是长度等于要控制的通道数的矢量。此形式是对如伺服-水压系统的集成设备的情况。通常,结构包括用根据图5的图的z离散值替代各控制器分量。在一个实施例中,沿四分之一圆周81的线性间隔和沿单位圆周83的对数间隔实现有最小数据点数的精确模型。也应该注意到此模型的形式涉及变换函数(TF)。复数值的矢量成为相应控制器元件的频域表示。此模型也排列在通常矢量沿矩阵对角线安排的矩阵中,但不排除其它的形式。
应该注意到,如果伺服控制器14由模拟部件构成,伺服控制器模型64由用根据图6的图的离散值s替代各控制器分量形成。为此简单的说明的控制器结构是Gc=Km*(Kp+Kd*s+Kdd*s^2),其中Km,Kp,Kdh和Kdd是如上面所述的。此形式是对如伺服-水压系统的集成设备的情况。为了最小化数据点数,可使用在s平面中沿四分之一圆周85的线性间隔和沿虚数轴87的对数间隔。对随后的计算基于s或z轮廓的模型可能是更加有效的(数据量少10倍),同等重要的是从此数据的稳定性分析起源于复数分析的基本原理。此近似直接使用FRF表示的简化,在一些状况中是有益的。必须适应的实际控制器结构典型的是很复杂的,但替代z和s轮廓的方法是同样的。
在第一实施例中,用图7的方法80由模型建立模块74从经验数据可以获得设备模型70。从步骤82开始,运行图1的伺服控制器14产生操作变量信号19作为有宽谱内容的驱动17的函数。例如,驱动17可包括瞬变过程,和/或有随机相位的重复的周期信号。形成驱动17的适当的方法在美国专利6385564中有描述,合并在此作为参考。在设备10运行期间,记录操作变量信号19和相应的反馈信号15,这在图4的84原理性的说明。
在步骤86,从记录的操作变量信号19和记录的反馈信号15A计算FRF(频率响应函数)。在步骤88计算FRF的逆变换获得脉冲响应函数。应该注意到在存储器84中收集的数据的基本属性提供设备10的有足够保真度和可信度的一个动态估计。此外,存储器84表示收集的这些数据,实际存储或实时的使用。因此,依赖于执行调整部件60和/或控制器14的计算机的能力,“在线”(当设备10正运行时)或设备10还没有运行的“离线”确定控制参数是可能的。
为了降低在信号中可能存在的噪声,在步骤89,逆响应函数可以是锥形的,以提高模型的保真度。图8说明在90的脉冲响应函数的表示。锥形函数92可作用于脉冲函数90,去除称为噪声的内容。根据噪声,衰减等,系统的特征,除了表示被截的实际可实现的元素的傅立叶变换,可以调整锥形函数92的特性(即锥形的周期和形状)。
在步骤96,执行沿着复数z域轮廓(图5),或复数s域轮廓(图6)的离散值脉冲响应函数(可能的,锥形)的正向变换,因此产生与上面描述的伺服控制器模型64一致的频域模型70。此过程最小化数据点数并产生与伺服控制器模型64一致的模型。
在步骤98,为了容易解释在下面讨论的优化时使用的值,可以归一化频域模型70的元素。例如,表示位移的反馈的元素可归一化为相应于在低频的l/s。在步骤100,存储设备模型70和归一化因数。
在适当的计算机上实现调整部件60,例如,上面讨论的计算机30。通常,如上面讨论的,为了估计性能指数为控制器参数设置和用户约束的函数,调整部件60使用在频域上的系统控制器14的模型和设备10的模型。用优化算法如Nelder-Mead优化性能指数产生伺服控制器14的控制器参数的最好的设置。
在详细讨论由调整部件60执行的运行前,简要的回顾多变量控制理论是有帮助的。
确定在图3中说明的所有术语,可以计算闭环(c1)频率响应如下:
Gcl=[I+Km*H*Gp*Gc]-1*Km*Gp*Gc (1)
从此关系可以看到,如果元件是稳定的(没有“rhp”(右半平面)极点),因此,在闭环解决方案中的任何rhp极点从逆运算产生。如果逆表示为伴随矩阵/行列式,可以看到从方程的rhp根产生任何rhp极点。
行列式([I+Km*H*Gp*Gc])=0 (2)
因此,分析行列式可以确定稳定性,在此情况中表示为复数频率的标量值函数。
因此行列式的尼奎斯特图可用于确定稳定性(注意,在此情况中原点的周围)。然而,这不产生稳定性边缘的测量。建立稳定性边缘的方法是使用Schur分解来分解项H*Gp*Gc(有Km因数的开环),获得:
行列式(U*[I+Km*GHt]*U′)=0 (3)
其中,GHt是频率函数的三角形矩阵,U是函数的酉矩阵,“′”表示共轭变换。
因为乘积的行列式是行列式的乘积,对角线矩阵的行列式是对角线的乘积,结果是:
行列式([I+Km*GHd])=0 (4)
其中GHd包含GHt的对角线元素(本征函数)。
写作为:
(I+Km*GHd(1))*(I+Km*GHd(2))*…=0 (5)
可以看到乘积最接近零的项(Km*GHd(i)最接近负的一个)确定稳定性边缘。也应看到所有Km*GHd(i)项的图随Km线性增长。
如上面指出的,调整部件60部分的基于在图4框图的101说明的用户约束优化控制器参数。通常,用户约束可包括独立变量约束,即,控制器的参数和对系统性能的约束(即,稳定性边缘和闭环频率响应的尖峰)。
图9说明分析稳定性边缘的常规表示。在此例子中,“-1,0”附近的圆圈102表示用户约束的稳定性边缘的边界。此形状是用户可调整的。虽然显示常数半径,可以使用其它形状的稳定性边缘边界限制。在此例子中,画出单通道的本征值轨迹。
在另一实施例中,三维的画出三维频率的尼奎斯特稳定性,说明稳定性边缘为管或柱104,这里有中心在“-1,0”的常数半径。图10是此说明的例子。
应该注意到图10说明多通道例子。用此说明的形式,用户能容易的确定影响稳定性的重要频率如画出本征值轨迹所看到的。
在另一实施例中,可允许稳定性边缘边界限制变化为频率的函数。图11说明稳定性边缘边界(这里有中心在实数-虚数平面上变化位置的不同半径的部分的管106),允许在更大的不确定区域,如在更高的频率增加的稳定性边缘。如本领域人员所了解的,可以按要求改变图10和11的三维透视图的观测,允许容易看到关于稳定性边缘的轨迹。虽然可以调整稳定性边缘的边界106的形状,但可由用户存储和选择预先确定的形状。
如上面讨论的,除了计算稳定性,其它可能的系统性能用户约束可包括频域尖峰。图12图示的说明整个频譜上的绝对的上限108。图12也说明是用户可选择的“调整带宽”110。调整带宽确定了闭环性能的主要感兴趣的频率区域。
参考调整部件60,调整步骤一般在图13的130说明,在步骤132,获得如上面讨论的控制器模型64和设备模型70。
在步骤133,用户能选择调整或优化的所有通道或其子集(操作的变量和反馈响应)。在许多系统环境中,在通道之间的交叉耦合对一些通道比其它通道可能是更普遍的。例如,在背景技术部分讨论的道路模拟器中,负载和运动可作用于从连接到各机动车主轴的负载部件分离的各种机动车主轴。各负载部件包括运行施加关于轴的正交系,通常相当于主轴的一个轴的力和运动的分离的调节器和联接器。各负载部件包括一组控制调节器的伺服值的操作变量信号和一组相当的反馈信号。如果各机动车主轴包括负载部件,因此对伺服控制器提供四组通道(操作变量信号和反馈信号)。然而,一些负载部件组之间,或甚至在任何一个负载部件中的一些通道之间的交叉耦合可以是最小的。例如,通常在机动车前和后主轴负载部件之间的交叉耦合是低的。
步骤133允许用户选择调整或优化那一个通道(子集或所有的)。在此方式中,如果愿意,用户可以各自选择要优化的信号输入和信号输出通道。通常,优化大量通道的子集或部分设备比立刻优化整个设备更快。在处理子集中的设备时,忽略一些交叉耦合,而如上面所述的,这是给予设备的配置所可接受的。
也应注意到,允许用户选择要优化的单个通道或子集通道,可提供设备的诊断。例如,从设备模型或从优化过程,通道紊乱或性能不好是显然的。在此方式中,可使用优化或调整过程诊断在设备中的问题。当在所有通道上重复的使用单通道调整时这是特别正确的,因为这确定了各个通道运行性能适当,没有与其它通道的相互作用。
在步骤134,用户提供用户约束值。如上面描述的,用户约束值包括稳定性边缘,如果有要求,如频率函数,频率尖峰界限和调整带宽。
在一个实施例中,由运行的额定频率用频率归一化控制器模型64的增益。在步骤134,用户约束值也可包括期望的系统带宽110(图12)。
在步骤136,提供调整参数的初始值。如果调整参数是归一化的,可以设置各初始值为它们的一个额定值。
然后,在步骤138调用优化的例行程序,如Nelder-Mead。优化的例行程序重复的提供一组控制器参数140到性能计算器63,直到达到优化值(即在选择的公差范围中),从性能计算器63返回性能指数142。优化的例行程序是可容易地得到的并是众所周知,如在从Mathworks,Inc.ofNatick,Massachusetts,USA得到的例行程序。
在图9中说明由性能计算器63计算性能指数的方法150。在步骤152,由性能计算器63从优化模块62接收一组调整参数(独立变量)。通常,调整参数包括导数增益,二次导数增益(如果存在),各种反馈和/或正向环路滤波器设置。可选择的,可包括成比例的增益的函数。在许多例子中,成比例的增益可合并到性能指数,即,最大化成比例的增益可以是单通道系统的期望的参数。
在步骤154,计算开环TF模型(H*Gp*Gc)为调整参数的函数,调整参数说明包括滤波器设置的独立变量的任何约束。应该注意到,这些约束也可以方便的由直接管理约束的优化的例行程序管理。
在步骤156,用产生本征函数的Schur分解,逐个频率的分解开环TF模型。如果有要求,可使用本征值分解。
在步骤158调整主增益Km(典型的迭代算法),使得本征函数轨迹接触稳定性边缘区域(额定区域,例如,包括复平面的(-1,0)的圆圈,椭圆等)。
在步骤160,计算闭环设备响应为[I+Km*H*Gp*Gc]-1。如果闭环响应的尖峰超过规定的最大值,在获得规定的最大值前减低Km(典型的迭代算法)。Km的特性是增加稳定性边缘,所以仍满足稳定性的约束。
在步骤160获得的Km值可选择的加上附加的加权性能值,在步骤162返回到优化模块62。
此时应该注意到在图15中说明的另一实施例,设备可包括在10,10A和10B指出的多配置。例如,不同的配置10,10A和10B可以是对不同的试验样本或无样本,设备运行水平,或其它各种设备运行。对各设备配置10,10A和10B,获得相应的设备模型70,70A和70B。调整部件60能确定最好的一组控制器参数,这是在所有的各种设备配置中可使用的。特别是,在步骤152,提供一组调整参数,而各个步骤154,156,158和160执行各个设备配置。直到各设备配置满足所有系统模型配置的稳定性边缘,在步骤158,需要调整主增益Km。当确定产生所有模型的稳定性的最大的主增益Km时,如果需要,在步骤160,主增益Km进一步减小,因此尖峰界限满足所有设备配置的所有通道的交叉。在实施例中,尖峰界限可以是各通道的函数和/或频率的函数。
参考图13,在步骤170,可对用户提供直观表现,用优化的参数显示稳定性和系统性能。包括本发明的另一特征,此表现能包括上面描述的任何三维尼奎斯特图。由画出本征函数轨迹,因为轨迹不与选择的稳定性边缘在视觉上相交,用户能容易的确认系统的稳定性已满足。同样能直观表现频率尖峰,如在图12中说明的。
如果基于处理大量的通道子集优化设备,用基于优化在子集计算中的参数确定的控制器参数,校验系统模型的稳定性和性能是有用的。在步骤172,相似于步骤170的直观表现系统稳定性,可对用户提供整个系统的系统性能。如果任何本征函数轨迹直观的与选择的稳定性边缘相交,系统稳定性是不可接受的。同样,由直观表现的系统性能如在图12中说明的,可以校验频率尖峰。应该注意到直观表现不是必需的,而是解释系统稳定性和/或系统性能方便的形式。当然,其它的指示形式(例如,数字的表格,听得见的警报等),能对用户提供传达系统模型稳定性或系统模型性能的破坏。
在步骤174,用存储的设备模型和控制器模型的归一化值,计算控制器14的控制参数为优化一组由优化的例行程序确定的控制器参数的函数。
“性能指数”是伺服系统的“优质”的量度标准。通常这是控制带宽的量度标准。当使用归一化的设备(比例到1/s)时,控制器参数和控制带宽之间有便利的关系,这是:
FBW=Km*Kp*2ПHz (6)
注意,对归一化的设备,Kp可处理为有弧度/秒,环带宽的单位。
在多通道的系统中,Kp是长度等于通道数的矢量(Km总是标量)。如果Kp是等于常数的矢量(如果归一化,即,成比例的增益在互相之间有选择的关系),因此,所有的通道有由Km*Kp确定的环带宽值的相等的环带宽。因此在调整参数(导数增益,滤波器设置等)上最大化Km是有意义的。运行有同样环带宽的所有通道在系统中,如多轴轨迹系统中是高度期望的。在此情况中,系统性能必须由最弱的通道所限制。
由各环的动态和与其它通道的交叉耦合确定在系统中最弱的通道。当存在交叉耦合时,在某种意义上通道分享稳定性。因此增加一个通道的环带宽能要求降低在一个或更多其它通道上的环带宽。
在优化Km前,Kp矢量的元素设置为不同值,可以完成在通道中的环带宽分配。使它的相关环带宽最小的通道产生优化的Km值。
在可期望有与所有其它通道一起运行在尽可能高的环带宽的各通道的情况中,优化处理有更复杂的形式。有用的例子是:
ωref设置为额定环带宽,x有0和1之间的值有额定值0.5。此性能指数在最弱的通道中表达最大的增强,而鼓励不受交叉耦合损害的通道具有尽可能高的环带宽。用此性能指数,必须在Kp和前面提到的调整参数上执行优化。大于0.5的x值在最弱的通道中表达甚至更大的增强,而小于0.5的x值在最弱的通道中表达较小的增强。
另一有用的性能指数的改变包括对特殊频率范围表达更多注意的因数。例子是在用户规定的频率范围上最小闭环频率响应(在图12的109图解说明的)。这也能作用于每个单个通道(对角线元素)或在所有对角线元素上取作最小。
当作用于单个通道(对角线元素)时,此效果可逻辑的包括在方程7的环平衡性能指数中。
另一性能指数的改变是使用方程7到预先选择的通道组中而不是各单个通道。在和中的各项是相对该组平衡的组的性能的量度标准。在对称的情况中,这可能是特别有用的,例如,设备的通道一边对一边对称。在此情况中,相应的左边和右边通道能处理为对,并在整个处理中形成组。
用图3说明的图例能表示多变量的伺服系统模型的广阔种类。然而在其它的多变量系统中,图16作为选择的实施例是有用的。在此配置中,设备10表示为许多控制器方框的组合(例如,四个)。特别是,有分离的方框或各反馈变量类型的模型。在说明的例子中,各模型G1,G2,G3和G4表示各控制的变量为所有在多变量系统意义中的操作的变量的函数。例如,在振动系统中G1-G4的输出,分别相当于控制的变量,位移反馈,速度反馈和加速度反馈。Kp,Kd和Kdd分别是G2,G3和G4的可调整的增益矢量。Km是相似于上面讨论的主增益。
以相似于图3的最佳方式,用调整部件60可以调整图16的配置,其中,闭环频率响应可表示为:
Gc1=G1*[I+Km*(KpG2+KdG3+KddG4)]-1*KmKp (9)
其中特征方程是:
行列式[I+Km*(KpG2+KdG3+KddG4)]=0 (10)
也应该注意到,本发明也能作用到涉及在环中的环的伺服控制配置。一个例子是有内部环180和外部环182的众所周知的级联配置,外部环182包括如在图16中说明的内部环180。调整过程首先作用到内部环180。用确定的内部环180的控制参数,内部环180成为外部环182的部分设备,那么,在这一点调整过程作用到外部环182确定其控制参数。在另一实施例中,外部环182的调整或优化过程可包括作为部分性能指数的计算,内部环180的调整过程。
因此,当描述远没有覆盖闭环调整/优化时,因为稳定性不受开环级补偿的影响,包括开环级补偿是直接延伸系统/模式。
虽然已参考优选的实施例描述本发明,本领域的技术人员认识到不偏离本发明的精神和范围可以作形式和细节的改变。例如,在一些情况中,当频域计算常常是最佳时,使用其它模型形式如有限元模型或动态模型是有利的。
Claims (10)
1.一个确定有控制器和设备的控制系统的控制参数的方法,方法包括:
建立设备的模型和控制器的模型;
计算闭环系统的性能指数为控制器参数的函数,说明选择的稳定性边缘。
2.根据权利要求1所述的方法,还包括:
提供优化的例行程序,优化的例行程序重复的执行计算性能指数的步骤。
3.根据权利要求2所述的方法,其特征在于优化的例行程序重复的执行计算性能指数的步骤直到达到优化值。
4.根据权利要求3所述的方法,其特征在于设备的模型和控制器的模型各包括多通道,其中控制器参数包括有关于控制器模型的各通道的成比例的增益的元素的矢量Kp,成比例的增益在互相之间有选择的关系,其中性能指数是作用到控制器模型的各通道的主要成比例的增益Km的函数,其中性能指数重复计算到最大Km值。
6.根据权利要求1所述的方法,其特征在于稳定性边缘是频率的函数并以三维表示。
7.根据权利要求1所述的方法,其特征在于计算的性能指数包括说明频域尖峰的限制。
8.根据权利要求7所述的方法,其特征在于限制包括常数。
9.根据权利要求1所述的方法,其特征在于计算的性能指数包括在规定的频率范围上说明频率响应的最小值。
10.根据权利要求1所述的方法,其特征在于建立的控制器的模型和设备的模型包括在频域建立控制器的模型和设备的模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US34188701P | 2001-12-18 | 2001-12-18 | |
US60/341,887 | 2001-12-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1618044A true CN1618044A (zh) | 2005-05-18 |
CN100380254C CN100380254C (zh) | 2008-04-09 |
Family
ID=23339433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB028278623A Expired - Fee Related CN100380254C (zh) | 2001-12-18 | 2002-12-18 | 确定控制系统控制参数的方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US6917840B2 (zh) |
EP (1) | EP1466219B1 (zh) |
JP (2) | JP2005513601A (zh) |
KR (1) | KR100989395B1 (zh) |
CN (1) | CN100380254C (zh) |
AT (1) | ATE413633T1 (zh) |
AU (1) | AU2002364184A1 (zh) |
DE (1) | DE60229782D1 (zh) |
WO (1) | WO2003052529A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770782A (zh) * | 2008-12-23 | 2010-07-07 | 通用电气公司 | 用于多层光学数据存储的拾取头的级联控制 |
CN102279563A (zh) * | 2010-06-13 | 2011-12-14 | 天津理工大学 | 非标数字装备操作机参数化运动学模型库建立方法 |
CN104583881A (zh) * | 2012-08-29 | 2015-04-29 | 丰田自动车株式会社 | 设备控制装置 |
CN112415897A (zh) * | 2020-11-30 | 2021-02-26 | 北京罗克维尔斯科技有限公司 | 控制系统的优化方法、装置、系统、车辆、介质及设备 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030035376A1 (en) * | 2001-08-20 | 2003-02-20 | Xiaofen Chen | Derivation of composite step-function response |
US8041436B2 (en) | 2002-04-18 | 2011-10-18 | Cleveland State University | Scaling and parameterizing a controller |
US8180464B2 (en) * | 2002-04-18 | 2012-05-15 | Cleveland State University | Extended active disturbance rejection controller |
JP4223894B2 (ja) * | 2003-08-21 | 2009-02-12 | 株式会社山武 | Pidパラメータ調整装置 |
DE102004058238B4 (de) * | 2003-12-03 | 2016-02-04 | Fisher-Rosemount Systems, Inc. | Adaptive, multivariable Prozesssteuerung, die Modellschaltung und Attribut-Interpolation nutzt |
US7346402B1 (en) * | 2004-10-22 | 2008-03-18 | Expertcontrol, Llc | Technique for an integrated and automated model generation and controller tuning process |
US7451004B2 (en) * | 2005-09-30 | 2008-11-11 | Fisher-Rosemount Systems, Inc. | On-line adaptive model predictive control in a process control system |
CN100517135C (zh) * | 2005-11-18 | 2009-07-22 | 鸿富锦精密工业(深圳)有限公司 | 自动控制模拟系统及自动控制模拟方法 |
US7363094B2 (en) * | 2006-01-09 | 2008-04-22 | General Electric Company | Multivariable controller design method for multiple input/outputs systems with multiple input/output constraints |
US7917240B2 (en) | 2006-09-29 | 2011-03-29 | Fisher-Rosemount Systems, Inc. | Univariate method for monitoring and analysis of multivariate data |
US7987005B2 (en) * | 2006-12-19 | 2011-07-26 | Chevron U.S.A. Inc. | System, method and program for dynamic control and optimization of a process having manipulated and controlled variables |
KR100925874B1 (ko) * | 2007-12-10 | 2009-11-09 | 에스케이텔레시스 주식회사 | 간섭신호제거 컴퓨터 시뮬레이터 및 그 구현방법 |
JP2010039966A (ja) | 2008-08-08 | 2010-02-18 | Hitachi Ltd | データ管理方式 |
US8631046B2 (en) * | 2009-01-07 | 2014-01-14 | Oracle International Corporation | Generic ontology based semantic business policy engine |
US9672478B2 (en) | 2009-02-26 | 2017-06-06 | Oracle International Corporation | Techniques for semantic business policy composition |
US8949236B2 (en) | 2010-02-26 | 2015-02-03 | Oracle International Corporation | Techniques for analyzing data from multiple sources |
US9760073B2 (en) * | 2010-05-21 | 2017-09-12 | Honeywell International Inc. | Technique and tool for efficient testing of controllers in development |
US9158291B1 (en) * | 2010-06-04 | 2015-10-13 | The Mathworks, Inc. | Automatic H-infinity optimization for multivariable control systems |
US9400958B2 (en) | 2010-06-30 | 2016-07-26 | Oracle International Corporation | Techniques for display of information related to policies |
US8898096B2 (en) | 2011-05-31 | 2014-11-25 | Oracle International Corporation | Application configuration generation |
US8954309B2 (en) * | 2011-05-31 | 2015-02-10 | Oracle International Corporation | Techniques for application tuning |
US20130150984A1 (en) * | 2011-12-13 | 2013-06-13 | Richard M. Nigro | Test system with configurable closed loop |
US9041337B2 (en) | 2012-05-18 | 2015-05-26 | Linestream Technologies | Motion profile generator |
US8710777B2 (en) | 2012-04-20 | 2014-04-29 | Linestream Technologies | Method for automatically estimating inertia in a mechanical system |
US20150015631A1 (en) * | 2013-07-11 | 2015-01-15 | Dan C. Lyman | Adaptive control of continuous inkjet parameters |
US10061275B2 (en) | 2014-07-29 | 2018-08-28 | Linestream Technologies | Optimized parameterization of active disturbance rejection control |
EP3248072A4 (en) * | 2015-01-21 | 2018-08-01 | Linestream Technologies | Cascaded active disturbance rejection controllers |
FR3039130B1 (fr) * | 2015-07-21 | 2019-05-31 | Airbus Operations | Procede et dispositif de gestion automatique d’un actionneur commande par une servo-vanne. |
US10126202B2 (en) | 2015-09-11 | 2018-11-13 | Linestream Technologies | Method for automatically estimating inertia, coulomb friction, and viscous friction in a mechanical system |
TWI681274B (zh) * | 2018-11-14 | 2020-01-01 | 財團法人工業技術研究院 | 工具機頻率響應參數的調整方法及應用其之調整系統 |
US11188453B1 (en) | 2020-12-15 | 2021-11-30 | International Business Machines Corporation | Verification of software test quality using hidden variables |
US11113167B1 (en) | 2020-12-15 | 2021-09-07 | International Business Machines Corporation | System testing infrastructure with hidden variable, hidden attribute, and hidden value detection |
US11379352B1 (en) | 2020-12-15 | 2022-07-05 | International Business Machines Corporation | System testing infrastructure with hidden variable, hidden attribute, and hidden value detection |
US11132273B1 (en) | 2020-12-15 | 2021-09-28 | International Business Machines Corporation | System testing infrastructure with hidden variable, hidden attribute, and hidden value detection |
US11204848B1 (en) | 2020-12-15 | 2021-12-21 | International Business Machines Corporation | System testing infrastructure with hidden variable, hidden attribute, and hidden value detection |
CN113325699B (zh) * | 2021-05-25 | 2022-08-12 | 上海机电工程研究所 | 一种适用于复合稳定控制系统的调参方法及系统 |
CN115079577B (zh) * | 2022-07-22 | 2022-11-11 | 浙江中控技术股份有限公司 | 基于实时控制性能评估的闭环阶跃测试方法和测试装置 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1603825A (en) * | 1977-05-17 | 1981-12-02 | Jones K R | Three term (pid) controllers |
FR2423806A1 (fr) * | 1977-05-26 | 1979-11-16 | Anvar | Procede de regulation a modele de reference et regulateur mettant en oeuvre ce procede |
US4234142A (en) * | 1978-06-08 | 1980-11-18 | The United States Of America As Represented By The Secretary Of The Navy | High angle-of-attack missile control system for aerodynamically controlled missiles |
US4537077A (en) | 1984-02-08 | 1985-08-27 | Mts Systems Corporation | Load dynamics compensation circuit for servohydraulic control systems |
US4882526A (en) * | 1986-08-12 | 1989-11-21 | Kabushiki Kaisha Toshiba | Adaptive process control system |
JPH02308305A (ja) * | 1989-05-24 | 1990-12-21 | Toshiba Corp | システムモデリング装置 |
JP2954660B2 (ja) * | 1990-05-30 | 1999-09-27 | 株式会社東芝 | モデル予測制御装置 |
US5329443A (en) * | 1992-06-16 | 1994-07-12 | Praxair Technology, Inc. | Two-phase method for real time process control |
US5400247A (en) * | 1992-06-22 | 1995-03-21 | Measurex Corporation, Inc. | Adaptive cross-directional decoupling control systems |
US5623402A (en) * | 1994-02-10 | 1997-04-22 | Schenck Pegasus Corporation | Multi-channel inverse control using adaptive finite impulse response filters |
US5689427A (en) * | 1995-09-01 | 1997-11-18 | Industrial Technology Research Institute | Method and apparatus for optimal feedrate control on wire-cutting electric discharging machine (WEDM) |
JP3502208B2 (ja) * | 1995-10-25 | 2004-03-02 | 太平洋セメント株式会社 | プロセス同定方法およびその装置 |
US5754023A (en) * | 1995-10-26 | 1998-05-19 | Cybernet Systems Corporation | Gyro-stabilized platforms for force-feedback applications |
EP0944865A1 (de) * | 1996-12-11 | 1999-09-29 | Siemens Aktiengesellschaft | Verfahren zur automatischen einstellung eines pid-reglers, der eine lineare regelstrecke steuert, unter verwendung des bode-diagramms des regelkreises |
US6128541A (en) * | 1997-10-15 | 2000-10-03 | Fisher Controls International, Inc. | Optimal auto-tuner for use in a process control network |
KR19990033511A (ko) * | 1997-10-24 | 1999-05-15 | 전주범 | 가상 현실 운동 재현기의 구동 제어 장치 |
US6185470B1 (en) * | 1997-11-07 | 2001-02-06 | Mcdonnell Douglas Corporation | Neural network predictive control method and system |
US6253113B1 (en) * | 1998-08-20 | 2001-06-26 | Honeywell International Inc | Controllers that determine optimal tuning parameters for use in process control systems and methods of operating the same |
EP1014240A1 (en) * | 1998-12-17 | 2000-06-28 | Siemens Aktiengesellschaft | A system of case-based reasoning for sensor prediction in a technical process, especially in a cement kiln, method and apparatus therefore |
JP3469136B2 (ja) * | 1999-08-20 | 2003-11-25 | 三菱重工業株式会社 | 波形制御装置 |
US6640638B1 (en) | 1999-09-03 | 2003-11-04 | Mts Systems Corporation | Loading assembly for a vehicle spindle test fixture |
US6697767B2 (en) * | 2000-10-18 | 2004-02-24 | The National University Of Singapore | Robust process identification and auto-tuning control |
-
2002
- 2002-12-18 US US10/323,707 patent/US6917840B2/en not_active Expired - Lifetime
- 2002-12-18 WO PCT/US2002/040685 patent/WO2003052529A1/en active Application Filing
- 2002-12-18 CN CNB028278623A patent/CN100380254C/zh not_active Expired - Fee Related
- 2002-12-18 KR KR1020047009683A patent/KR100989395B1/ko active IP Right Grant
- 2002-12-18 JP JP2003553352A patent/JP2005513601A/ja active Pending
- 2002-12-18 AU AU2002364184A patent/AU2002364184A1/en not_active Abandoned
- 2002-12-18 AT AT02799259T patent/ATE413633T1/de not_active IP Right Cessation
- 2002-12-18 EP EP02799259A patent/EP1466219B1/en not_active Expired - Lifetime
- 2002-12-18 DE DE60229782T patent/DE60229782D1/de not_active Expired - Lifetime
-
2009
- 2009-02-09 JP JP2009026841A patent/JP5048693B2/ja not_active Expired - Fee Related
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770782A (zh) * | 2008-12-23 | 2010-07-07 | 通用电气公司 | 用于多层光学数据存储的拾取头的级联控制 |
CN101770782B (zh) * | 2008-12-23 | 2014-06-04 | 通用电气公司 | 用于多层光学数据存储的拾取头的级联控制 |
CN102279563A (zh) * | 2010-06-13 | 2011-12-14 | 天津理工大学 | 非标数字装备操作机参数化运动学模型库建立方法 |
CN104583881A (zh) * | 2012-08-29 | 2015-04-29 | 丰田自动车株式会社 | 设备控制装置 |
CN104583881B (zh) * | 2012-08-29 | 2017-05-24 | 丰田自动车株式会社 | 设备控制装置 |
CN112415897A (zh) * | 2020-11-30 | 2021-02-26 | 北京罗克维尔斯科技有限公司 | 控制系统的优化方法、装置、系统、车辆、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
AU2002364184A1 (en) | 2003-06-30 |
US6917840B2 (en) | 2005-07-12 |
KR20040068305A (ko) | 2004-07-30 |
EP1466219A1 (en) | 2004-10-13 |
JP5048693B2 (ja) | 2012-10-17 |
JP2005513601A (ja) | 2005-05-12 |
EP1466219B1 (en) | 2008-11-05 |
US20030139825A1 (en) | 2003-07-24 |
ATE413633T1 (de) | 2008-11-15 |
KR100989395B1 (ko) | 2010-10-25 |
JP2009104659A (ja) | 2009-05-14 |
CN100380254C (zh) | 2008-04-09 |
WO2003052529A1 (en) | 2003-06-26 |
DE60229782D1 (de) | 2008-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1618044A (zh) | 确定控制系统控制参数的方法 | |
Liao et al. | Tool wear state recognition based on GWO–SVM with feature selection of genetic algorithm | |
Simpson et al. | Design and analysis of computer experiments in multidisciplinary design optimization: a review of how far we have come-or not | |
JP6856768B2 (ja) | 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム | |
Lu et al. | Speedup your analytics: Automatic parameter tuning for databases and big data systems | |
US20170330078A1 (en) | Method and system for automated model building | |
Ye et al. | Accelerating CNN training by pruning activation gradients | |
WO2018113521A1 (en) | Generating knowledge base to assist with the modeling of large datasets | |
CN108133223B (zh) | 确定卷积神经网络cnn模型的装置和方法 | |
Brookes et al. | Parallel computational techniques for the analysis of sedimentation velocity experiments in UltraScan | |
US20220237513A1 (en) | Method and apparatus with optimization for deep learning model | |
TW202022633A (zh) | 基於特徵擷取與機器學習的優化方法及其模組 | |
JP2007188164A (ja) | 音響構造連成最適設計解析方法とその最適設計システム、およびその解析プログラム、ならびにその解析プログラムを記録した記録媒体 | |
Zare et al. | Perturbation of system dynamics and the covariance completion problem | |
Jasa et al. | Effectively using multifidelity optimization for wind turbine design | |
CN114970028A (zh) | 一种数字孪生驱动的制造装备研发方法及系统 | |
Esmaeili et al. | Variable reduction for multi-objective optimization using data mining techniques; application to aerospace structures | |
JP2008234589A (ja) | 車体の構造設計支援システム及び構造設計支援プログラム | |
CN111191884A (zh) | 一种基于数据集距离评价样本集划分质量的方法 | |
Hartwig et al. | Compressor blade design for stationary gas turbines using dimension reduced surrogate modeling | |
Huang et al. | PSynDB: accurate and accessible private data generation | |
Sudjianto et al. | Single-index model tree | |
Zeng et al. | Milling surface roughness prediction method based on spatiotemporal ensemble learning | |
Krimpenis et al. | Balancing multiple criteria in formulation of weighted, single-objective genetic algorithm optimization for CNC machining problems | |
CN116341121B (zh) | 一种电驱系统噪声优化方法、装置、存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080409 Termination date: 20201218 |
|
CF01 | Termination of patent right due to non-payment of annual fee |