基于优化模型补偿自抗扰的伺服控制方法研究

在永磁同步电机(PMSM)自抗扰控制器(ADRC)系统中,扩张状态观测器(ESO)在扰动较多且幅值变化大时难以保证估计精度,而普通的模型补偿自抗扰控制器的性能又受到参数辨识精度和辨识算法复杂度的限制.针对该问题,提出一种伺服系统优化的模型补偿自抗扰控制方法.以交轴电流和实际转速作为线性扩张状态观测器(LESO)输入,采用二阶LESO对系统总扰动进行观测,将此观测值作为补偿模型补偿到速度环ADRC的ESO中,并在控制量的扰动补偿项中去除该补偿模型,实现模型补偿的目的.仿真和实验结果表明,该方法显著降低了ADRC中ESO要估计量的变化幅度,提高了扰动估计精度,同时不需要进行额外的参数辨识,可实时在线获取补偿模型,具有较好的动态特性与抗扰动能力.     

有色噪声背景下的正交子空间辨识

针对传统子空间辨识中存在的有色噪声干扰问题,本文提出一种正交子空间辨识方法.首先,根据子空间辨识算法机制构建含有色噪声的扩展状态空间模型.然后,结合有色噪声的相关性分析,研究了传统子空间辨识方法的有偏性问题,并重新设计了投影向量和正交投影方式,用以消除有色噪声干扰.最后,对投影后的数据矩阵进行奇异值分解,获取广义能观测矩阵,进而求得系统的状态空间模型参数.仿真结果表明该方法在有色噪声干扰下是一致无偏的,并且具有渐进二阶统计特性.结合陀螺仪的具体实验结果表明,该算法在实际应用中具有比传统子空间辨识法更高的辨识精度.     

基于粒子群优化的低阶时滞系统辨识

为了解决低阶时滞系统阶跃响应辨识问题,提出基于粒子群优化的参数估计方法.方法主要包括参数初值计算和参数估计两部分.首先,采用积分方程方法估计时滞系统参数初值,通过设置参数初值估计误差,得到系统参数取值范围.然后,为了减小由观测噪声引起的参数估计误差,采用粒子群优化算法优化模型参数.最后,通过仿真实验分别验证文中方法在不同噪声条件下辨识低阶时滞系统的性能.实验表明,文中方法具有良好的参数估计精度和较强的抗噪能力,可有效解决噪声条件下低阶时滞系统的阶跃响应辨识问题.     

用于带有量测噪声系统的新型扩张状态观测器

提出了扩张状态观测器的一种新的形式,用于处理量测环节带有噪声干扰时的情况.ESO可以对不确定系统中的内外扰动进行观测,并以此为基础构成自抗扰控制器.但其性能会受量测噪声的影响.本文利用滤波器消除噪声的影响,并把已知的滤波器方程扩展到原有的ESO中,以补偿滤波器对实际输出信号的偏移作用.数字仿真表明,该方法可以有效的解决输出噪声对扩张状态观测器的影响.     

改进的卡尔曼滤波算法系统参数辨识仿真研究

研究系统参数辨识精度提高问题。辨识是从实验数据中提取有关系统信息的过程,由于存在噪声影响辨识精度,针对传统的卡尔曼滤波算法不能很好地提高跟踪精度且算法复杂的缺陷,为了解决实际系统辨识中参数噪声方差和观测噪声方差未知的等相关问题,提出了一种改进的无味卡尔曼滤波算法系统参数辨识方法,仿真结果表明,算法具有更好的泛化能力,在复杂的系统负载等情况下,也可以对系统的参数精确有效的进行辨识,验证了该算法是一种有效适用的系统参数辨识方法。     

基于移动数据窗的传递函数多新息随机梯度辨识方法

一些工业过程可以近似用一个传递函数描述,结合统计辨识方法和非线性优化策略提出传递函数参数辨识方法.该方法采用动态数据方案,使用系统观测数据获得系统更多的模态信息.基于动态观测数据,提出传递函数随机梯度参数辨识方法.为进一步提高辨识精度,利用动态窗数据将随机梯度参数辨识方法中的标量新息扩展为新息向量,提出传递函数多新息随机梯度参数估计方法.最后通过仿真例子对所提出的方法进行了性能分析和模型验证.     

盾构机密封舱压力控制模型参数辨识

为了解决盾构机密封舱压力控制模型参数辨识问题,提出了基于神经网络的盾构机密封舱压力控制模型参数辨识方法。根据系统输出（密封舱压力）与系统输入（螺旋输送机转速）之间的关系,建立了串并联神经网络辨识器。数值仿真结果表明,该辨识方法对于观测噪声具有良好的鲁棒性。实验台实验结果验证了所提出的模型参数辨识方法的有效性,模型预测的密封舱压力能够较精确拟合密封舱压力观测值。     

基于强跟踪滤波器及小波变换的非线性系统参数辨识及应用

本文采用强跟踪滤波器为主要框架, 通过线性化和状态扩展解决非线性系统时变参数和状态的估计问题. 在普通强跟踪滤波器的基础上, 以小波变换估计量测噪声, 采用滤波增益调整系数解决过跟踪问题, 给出了主要的计算公式和参数的取值方法, Monte Carlo仿真和在弹道方程参数辨识中的应用结果表明, 本方法不但对突变参数具有强跟踪能力, 在噪声方差发生变化的情况下, 仍可以对非线性参数进行准确的辨识, 状态与参数估计精度高于 普通的强跟踪滤波器.     

基于辅助变量的闭环系统子空间辨识

提出一种基于辅助变量的子空间辨识方法,适用于控制器信息未知以及参考输入已知的闭环系统参数辨识.通过将输入-输出数据块正交投影到辅助变量的行空间,直接得到扩展观测矩阵垂空间的估计.由此可从闭环系统中提取出对象模型信息,同时由SVD分解得到扩展观测矩阵与下三角Toeplitz矩阵的估计.给出了系统参数矩阵、噪声矩阵的计算方法.将所提出的子空间辨识方法应用于闭环动态的系统参数估计,其结果表明了该方法的有效性.     

基于系统辨识的航空发动机稳态燃油自抗扰控制

自抗扰控制技术应用于航空发动机稳态燃油控制存在两个难点：发动机中的高频不确定动态导致扩张状态观测器(Extended State Observer,ESO)增益过高和名义控制系数整定困难。针对此现状,提出一种基于系统辨识的航空发动机稳态燃油自抗扰控制器。首先,使用经典Gram-Schmidt(Classical Gram-Schmidt,CGS)算法对控制系数和发动机未知动态进行辨识,将辨识信息加入ESO中设计改进ESO (Improved ESO,IESO),从而使总扰动中包含较少的高频动态,降低观测器增益。其次,基于IESO设计航空发动机稳态燃油自抗扰控制器,并根据辨识结果快速整定名义控制系数。最后,分析IESO观测误差的收敛性和闭环系统的稳定性。仿真结果表明,所提方法可以快速整定名义控制系数,有效降低观测器增益,进而提高系统的鲁棒性。     

自抗扰控制对具边界扰动和区间内反阻尼的波动方程的镇定

本文讨论边界具有外部扰动和区域内具有反阻尼的一维波动方程的的镇定问题. 主要的方法是后退反演变换和自抗扰控制方法. 即通过扩张状态观测器将扰动在线估计并在反馈控制中实时消除. 本文在扩张状态观测器中使用了两种增益调整策略——常数高增益与时变增益. 为避免常数高增益带来的峰值问题, 在控制环节中使用了饱和方法. 时变的增益可以在很大程度上减少扩张状态观测器中由于常数高增益引起的峰值问题同时可以达到完全消除干扰的镇定效果.     

一种兼顾带宽拓展和噪声抑制的ESO参数整定方法

从频域角度出发,提出一种兼顾观测带宽和噪声抑制的扩张状态观测器参数整定方法.首先推导传统扰动观测器与线性扩张状态观测器之间的等价关系,将三阶扩张状态观测器的参数整定问题转化为滤波器的设计问题;然后采用切比雪夫滤波器提升观测器性能.仿真结果表明,与已有的扩张状态观测器参数整定方法相比,所提出方法在提高扰动观测能力的同时,具有更好的噪声抑制能力.     

Active disturbance rejection control approach to stabilization of lower triangular systems with uncertainty

In this paper, we apply the active disturbance rejection control (ADRC) to stabilization for lower triangular nonlinear systems with large uncertainties. We first design an extended state observer (ESO) to estimate the state and the uncertainty, in real time, simultaneously. The constant gain and the time‐varying gain are used in ESO design separately. The uncertainty is then compensated in the feedback loop. The practical stability for the closed‐loop system with constant gain ESO and the asymptotic stability with time‐varying gain ESO are proven. The constant gain ESO can deal with larger class of nonlinear systems but causes the peaking value near the initial stage that can be reduced significantly by time‐varying gain ESO. The nature of estimation/cancelation makes the ADRC very different from high‐gain control where the high gain is used in both observer and feedback. Copyright © 2015 John Wiley & Sons, Ltd.     

基于反双曲正弦函数的扩张状态观测器

首先,采用反双曲正弦函数设计一种三阶扩张状态观测器,利用Lyapunov函数证明三阶扩张状态观测器误差系统渐近稳定;然后,利用反双曲正弦函数选取扩张状态观测器初始阶段的参数,以抑制微分峰值现象;最后,通过仿真实验结果,表明了所提出的三阶扩张状态观测器能够获取二阶系统各状态变量和非线性扰动高精度的估计值,而且能够较好地抑制微分峰值.     

基于扩张状态观测器的二质量系统非奇异快速终端滑模控制

针对含未知负载信息的二质量伺服系统,提出一种基于有限时间扩张状态观测器的非奇异快速终端滑模控制方法.首先,利用电机侧位置信息设计有限时间扩张状态观测器估计系统的扰动,并将估计值融入到控制器中作为前馈项对系统的未知扰动进行补偿;然后,引入一种新型的滑模趋近律,该趋近律能够避免传统滑模控制中存在的奇异性问题,据此设计非奇异快速终端滑模控制器,保证系统状态在有限时间内收敛到原点,并根据李雅普诺夫稳定性理论分析闭环系统的稳定性;最后,通过仿真和实验验证所提出方法的优越性.结果表明,与传统的PID等控制相比较,所提出的基于扩张状态观测器的有限时间滑模控制方法能够提高系统的跟踪性能,并有效增强二质量伺服系统的抗扰动能力.     

基于扩张状态观测器的 连铸结晶器振动位移系统自适应滑模控制

针对伺服电机驱动的连铸结晶器振动位移系统中存在时变负载转矩、参数不确定性等问题,本文提出了一种基于扩张状态观测器(extended state observer, ESO)的自适应非奇异终端滑模(nonsingular terminal sliding mode,NTSM)控制方法.首先,设计ESO对系统存在的综合扰动和不可测状态进行估计.然后,采用分层设计的方法,分别对位移跟踪子系统和电流环子系统设计基于ESO的自适应NTSM控制器和滑模控制器.为削弱ESO估计误差对跟踪精度的影响,在NTSM控制器中引入了自适应增益.可以证明,所设计的控制器能够保证闭环系统所有信号有界,系统状态可渐近收敛到原点附近的小邻域内.最后,仿真结果验证了所提出控制方法的有效性.     

An effective direct closed loop identification method for linear multivariable systems with colored noise

Multivariable control systems with colored noise widely exist in the most industrial fields, while the system identification under the closed loop conditions is needed in many cases. In view of the above two situations, it needs to find a convenient and effective method to solve the problem. Firstly, the design of the external input signals ensures the identifiability of closed loop system. Secondly, to make the direct method feasible for closed loop identification, the noise model selected is reasonably flexible and independently parameterized. On this basis, this paper proposes an improved method combining the direct closed loop identification approach with the iterative least squares parameter estimation algorithm, which can be an practical solution to the closed loop identification of multivariable systems with colored noise. The presented algorithm based hierarchical identification principle has a strong anti-jamming capability to effectively deal with colored noise existed in the system. Finally, the illustrative examples are given to demonstrate the effectiveness and accuracy of the proposed algorithm.