自抗扰控制思想探究

韩京清先生1989年的《控制理论: 模型论还是控制论》一文, 反映了他对控制科学与工程实践的深刻理解和整体把握, 为日后自抗扰控制技术(active disturbance rejection control, ADRC)的创建和发展奠定了基础. 可以说它既是源头活水, 又是深入理解自抗扰控制的必经之路. 本文对控制论的范式、本质问题和基本原理进行了进一步的梳理和反思, 探讨了自抗扰控制思想的内涵和意义, 目的是为自抗扰控制技术和理论的进一步发展做好铺垫.     

基于扩张状态观测器的故障诊断方法研究

在分析现有基于观测器故障诊断方法的基础上,提出基于扩张状态观测器(ESO)故障诊断新方法.该方法利用ESO估计出系统的动态特性,完成对动态系统的故障检测与识别,同时,由于ESO只依赖于系统的输入参数b.和观测器的整定参数ω,因而具有很强的鲁棒性.最后,借助于三水箱非线性动态系统验证了算法的有效性.     

线性自抗扰控制参数整定鲁棒性的根轨迹分析

从极点配置和根轨迹的角度研究了二阶线性定常对象的线性自抗扰控制.提出一个新传递函数框图.基于该框图,将线性自抗扰控制的参数整定解释为闭环极点配置问题,控制器带宽、观测器带宽等参数的整定被看作开环极、零点位置的选择.建议用根轨迹法研究线性自抗扰控制的鲁棒性.通过分析根轨迹定性说明了观测器带宽可以等于控制器带宽,以及线性自抗扰控制对被控对象参数变化的鲁棒性.     

最优分配问题中误差对效益的影响

本文分析了费用函数误差及最优分配执行误差对最优分配效益的影响,证明了一个定理,给出了计算这些误差减少最优效益(增加费用)的方法。     

ON THE EXPECTED TRAVEL TIME

Ｈｉｌｉｅｒ和Ｌｉｅｂｅｒｍａｎ给出一种基本游历时间模型估计工作者往返服务设备的平均时间，其基本算法是积分法．本文提出一种分解算法把服务区域划分成由三种基本模块（短形、三角形１和三角形２）组成，每种模块的期望游历时间都可用公式表示，而总的期望游历时间用加权平均法得到．实例表明所提方法是方便易行的．     

实用自抗扰控制在大时滞厚度自动监控系统中的应用

针对热连轧监控AGC(自动厚度控制)大时滞系统具有不确定和干扰因素多等特点, 采用线性降阶模型及参数优化设计, 提出一种实用自抗扰控制(ADRC)控制方案, 以满足简单、实用、好调、节能等工业界的要求. 通过对被控对象和状态观测器的降阶, 使得系统总扰动(内部不确定性、外部扰动) 的实时估计由一个仅为一阶的扩张状态观测器就可实现. 为了把所设计的实用ADRC与常规ADRC、常规Smith预估器和PID控制器进行公平比较, 各控制器的最佳参数均采用变尺度混沌优化方法得到. 仿真结果表明, 两种ADRC的抗扰性和鲁棒性优于常规的Smith预估器和PID控制器. 与常规ADRC相比, 实用ADRC的可调参数大大减少, 能耗指标也明显降低, 为下一步的工程实现提供了途径.     

高阶不确定系统的线性串级自抗扰控制

自抗扰控制是我国著名学者韩京清原创的先进控制技术,本文针对自抗扰控制(ADRC)在高阶系统应用中控制器设计和参数整定问题,提出了串级自抗扰控制(CADRC). CADRC把高阶被控对象分解为含确定性部分和含总扰动的低阶部分的串联组合,采用由内环和外环组成的串级控制系统来完成控制.该CADRC方案的内环采用内模控制,外环采用经典ADRC.外环ADRC的被控对象是一个等效的低阶系统,可以采用带宽法进行整定,而内环的内模控制采用高阶低通滤波器进行回路成形设计和参数整定.仿真研究表明,所提出的方法是有效的,具有良好的工程应用前景.     

大时滞不确定系统的滞后时间削弱与自抗扰控制

针对具有变时滞、变参数和扰动的大时滞不确定系统的控制问题,本文提出了滞后时间削弱与自抗扰控制方法,综合应用了前馈控制、反馈控制和自抗扰补偿控制.为了提高系统的稳定性,在前馈控制器的设计中采用了系统的边界模型确定控制器参数取值范围;采用系统边界模型输出与系统实际输出的动态加权和作为反馈控制器的输入.为了提高系统控制的性能,自抗扰补偿控制回路的设计基于标称模型的补偿控制器.理论证明和仿真结果表明,所提出的方法是有效的,其在具有模型参数变化、滞后时间变化和外部扰动情况下,能保证系统的稳定性和良好的控制性能.     

热连轧板宽板厚的实用自抗扰解耦控制

针对热连轧板宽板厚多变量系统存在强耦合、大时滞和随机不确定等难题,提出了一种线性自抗扰动态解耦方案.考虑到系统的大时滞问题,在常规的降阶扩张状态观测器(ESO)之前,增加了一个纯时滞环节.为了把所设计的实用自抗扰控制(ADRC)与常规PID控制器进行公平比较,各控制器的最佳参数均采用变尺度混沌优化方法得到.仿真结果表明,优化后的ADRC不仅具有较好的解耦性能,而且对模型参数的不确定性和外扰具有较强的鲁棒性和参数适应性.