基于迭代扩张状态观测器的数据驱动最优迭代学习控制

针对一类带扰动有限时间内重复运行的离散时间非线性非仿射不确定系统,本文提出了一种基于迭代扩张状态观测器的数据驱动最优迭代学习控制方法.首先,提出了改进的迭代动态线性化方法,将被控系统线性化为与控制输入有关的仿射形式,并将不确定性合并到一个非线性项中;然后,设计了迭代扩张状态观测器对非线性不确定项进行估计,作为对扰动的补偿;最后,设计了性能指标函数,通过最优技术,提出了参数迭代更新律和最优学习控制律.本文通过数学分析,证明了跟踪误差的有界收敛性.仿真结果验证了方法的有效性.所提出的新型迭代动态线性化方法可很大程度上降低线性化后的控制增益的动态复杂性,使其易于估计.所提出的迭代扩张状态观测器可以在重复中学习,对非重复扰动可进行有效的估计.此外,本文控制器的设计与分析是数据驱动的控制方法,除了被控系统的输入输出数据以外,不需要任何其他模型信息.     

基于扩张状态观测器的鲁棒迭代学习控制

针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.     

基于ESO迭代学习算法的故障估计

针对基于迭代学习的故障估计器方法,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法,以提高虚拟故障的收敛速度。该算法将ESO的输出误差非线性反馈机制用于迭代学习过程,利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值。对所建立的故障估计器的收敛性进行理论分析,并在此基础上进行了仿真实验。仿真结果表明,所提出的算法具有良好的收敛速度和故障估计精度。     

线性/非线性切换扩张状态观测器

为了解决非线性扩张状态观测器(NLESO)对大幅度扰动估计能力有限的问题,本文提出一种线性/非线性切换扩张状态观测器.首先分析了非线性扩张状态观测器对大幅度扰动估计能力有限的原因,然后提出在NLESO的非线性区间引入一段线性扩张状态观测器(LESO)弥补NLESO的缺陷,其次从理论上证明了提出的线性/非线性切换扩张状态观测器的收敛性.最后,通过数值仿真验证了提出的线性/非线性切换扩张状态观测器的可行性.     

基于迭代学习的线性不确定重复系统间歇性故障估计

针对一类带有不确定参数项的线性重复系统间歇性故障估计问题, 本文提出一种基于迭代学习的故障估计算法.该算法通过设计基于迭代学习的故障估计器和状态观测器, 构造李雅普诺夫方程和优化函数证明该算法的鲁棒性和收敛性, 并通过线性矩阵不等式, 求解出算法中的观测器增益矩阵和迭代学习参数矩阵.区别于其他观测器方法, 本文中的方法利用上一次基于迭代学习观测器输出和系统实际输出产生的残差信号, 对本次的故障信号进行跟踪估计, 从而准确地估计出故障的幅值和形状.仿真结果说明了该算法的有效性和准确性.     

基于扩张状态观测器的动态抗饱和补偿器设计方法

针对一类受外界扰动以及执行器饱和影响的不确定非线性系统,提出一种基于扩张状态观测器的动态抗饱和补偿器设计方法.首先通过将系统的不确定项以及外部扰动作为扩张状态,设计线性扩张状态观测器(ESO)对系统的总扰动进行估计;然后,在控制器中引入对扩张状态的估计值,对系统的总扰动进行补偿,设计了动态抗饱和补偿器,将控制器、观测器以及动态抗饱和补偿器的参数求解问题转化为基于LMI不等式组约束的优化问题,确保系统具有尽可能大的收敛域;最后通过数值仿真验证所提出设计方法的有效性.     

自适应扩张状态观测器收敛性分析与应用

为了实现自适应扩张状态观测器理论分析的简洁和工程应用的直观,本文提出了一种自适应扩张状态观测器(adaptive extended state observer, AESO),并给出了收敛性证明过程.然后,将其应用到直线电机伺服系统中,设计了基于AESO的PD控制器.实验结果表明,提出的AESO可以准确估计系统的状态和受到的干扰,并且可以消除高增益线性扩张状态观测器固有的峰化现象,同时还验证了设计的观测器–控制器的有效性.     

采用ESO的Boost变换器改进滑模控制

本文针对Boost变换器的负载电阻扰动和输入电压变化等系统不确定因素对输出电压的影响,提出了一种基于扩张状态观测器的改进滑模控制算法.首先,设计扩张状态观测器对系统状态、负载电阻和输入电压值进行估计,然后基于得到的估计值采用改进滑模控制算法设计系统控制器.通过理论分析,证明了Boost变换器闭环控制系统的稳定性.仿真和实验结果表明,与传统的滑模控制算法相比,本文所提出的控制算法更好地改善了系统的跟踪性能,提升了系统的鲁棒性.     

一类不确定对象的扩张状态观测器

利用观测器形式的跟踪一微分器,对形如ｘ＾（ｎ）＝ｆ（ｘ,ｘ,．．．Ｘ＾（ｎ－１）,ｔ）＋Ｗ（ｔ）的不确定系统给出了“扩张状态观测器”。只要适当选取观测器中的非线性函数和相应参数,它能很好地跟踪一批不确定对象的扩张状态。     

移动机器人的线性自抗扰控制设计与实验验证

为了实现移动机器人的高精度轨迹跟踪控制, 设计了一种基于扩张状态观测器的扰动抑制方法和相应的 实验验证平台. 首先, 考虑到不确定扰动如车轮纵向和侧向滑动对移动机器人系统控制性能的影响, 建立了受扰下 的运动学模型; 然后, 基于扩张后的运动学模型设计了扩张状态观测器来估计系统扰动; 接着, 利用扰动估计构建 了线性自抗扰控制器, 并利用Lyapunov函数证明了闭环系统的稳定性; 同时, 基于MATLAB/Simulink软件和微控制 器搭建了所推荐控制算法的实验验证平台. 最后, 仿真和实验结果都验证了所提出控制方法的有效性.     

非严格重复逆变器系统自抗扰学习控制

控制器中,误差是生成控制量的主要信息来源,其所含信息质量直接决定当前时刻的控制效果.本文利用误差有效值来反映周期误差能量的变化,通过设定其变化强度阈值对非严格重复信息进行选择和剔除,从而提高学习控制的信息品质.将学习控制简化为仅含有一个2N阶滤波器的单位正反馈环节,通过分析学习控制周期收敛条件,并结合逆变系统运行基波以及各次谐波频带,给出了滤波器截止频率的确定方法.抗扰环节则利用扩张状态观测器对负载电流等非严格重复扰动进行估计,并将其影响提前在控制端抵消,使得学习过程免受非严格重复的负面影响. MATLAB/Simulink仿真验证表明,该方法对抑制短时扰动造成的输出电压周期波动有良好效果,逆变器稳定性得到进一步提高.     

非最小相位系统的扩展Laguerre基函数迭代学习控制

针对非最小相位系统的跟踪问题,提出了一种新的基函数迭代学习控制算法.该算法利用新型的非因果Laguerre扩展基函数逼近系统逆传递函数,设计最优迭代学习律使系统输入收敛到系统的稳定逆,保证了控制性能.算法不依赖于系统的先验模型,仅需以基函数信号作为系统输入进行模型辨识,减少了模型不确定性的影响.通过对单连杆柔性机械臂这样的典型非最小相位系统跟踪问题的仿真,验证了该方法的良好效果.     

An approach to improve active disturbance rejection control

ABSTRACT

In order to reduce the error and phase delay of the classical extended state observer (ESO) in estimating the system state and disturbance, in this paper, we combine ESO and tracking differentiator (TD) to construct a tracking differential extended state observer (TDESO). The observation error and observation speed of TDESO are also discussed. Then a nonlinear active disturbance rejection control system improved by TDESO for a linear plant is transformed into a Lurie system. Moreover, the circular criterion is used to analyse the absolute stability of the transformed Lurie system. Finally, TDESO is optimised and an improved linear state error feedback (PLSEF) is proposed to improve the rapidity of the system by using simulation and time domain analysis. And a second-order system is used to illustrate the performance of the proposed scheme. The simulation results show that our algorithm is effective.     

无速度传感器的表面式永磁同步电机无源控制策略

针对高性能的表面式永磁同步电机(SPMSM)调速系统,考虑电机实际运行过程中逆变器非线性因素对传动系统的影响,推导出考虑逆变器的SPMSM系统统一端口受控耗散哈密顿数学模型。基于能量成形方法和端口受控耗散哈密顿系统原理,设计SPMSM驱动系统的无源控制器,利用带扩张状态观测器的自适应滑模控制设计速度调节器,得到??轴期望的电流并实现转速的估计,逆变器非线性扰动由扩张状态观测器进行补偿。仿真结果表明,所提出方法实现了较高的速度估计精度,使调速系统具有优良的动、静态性能。     

线性/非线性切换扩张状态观测器的收敛性和稳定性分析

线性/非线性切换扩张状态观测器(linear/nonlinear switching extended state observer,SESO)是为追求更高的控制精度和抗扰能力,在进行状态估计时根据状态误差大小在线性扩张状态观测器(linear extended state observer,LESO)和非线性扩张状态观测器(nonlinear extended state observer,NLESO)之间进行切换的一种扩张状态观测器.但由于该算法存在非线性结构,目前还没有从频域角度对该方法进行收敛性和控制系统稳定性分析的相关研究.针对此问题,以二阶系统为研究对象,首先对SESO的结构及参数选择进行了介绍,然后,分别采用等效增益法和描述函数法,从频域角度对了其状态估计误差的收敛性和基于SESO的自抗扰控制系统的稳定性进行了研究.结果表明,三阶SESO具有良好的收敛性,能实现对系统状态和"总扰动"的误差估计,并且选择适当的SESO参数,可避免极限环的产生.     

基于有限时间跟踪微分器的迭代学习控制

针对迭代学习控制（Iterative learning control,ILC）中的初始状态问题,提出了采用有限时间跟踪微分器安排过渡过程方法,根据迭代学习控制中期望轨迹已知的特点,设计了其参数有明显物理意义并且调节方便的有限时间跟踪微分器. 在此基础上,针对一类具有不确定性的非线性时变系统的迭代学习控制问题,提出了具有对不确定项进行估计的迭代学习控制算法,并应用类Lyapunov方法给出了相关定理证明. 仿真结果表明所提出的方法是有效的.     

高阶线性自抗扰控制器的性能评估

以二阶系统为研究对象,在线性扩张观测器(LESO)的基础上,给出高增益形式的高阶LESO.基于高阶线性自抗扰控制器(HLADRC)二自由度闭环传递函数和频域特性曲线,证明了其状态估计误差的收敛性以及高阶线性自抗扰控制器的稳定性.同时,系统地分析了输入增益和模型参数不确定性对稳定鲁棒性的影响,推导出满足系统稳定条件的参数??的稳定域以及系统干扰抑制动态特性与带宽的关系.最后,通过与线性自抗扰控制器(LADRC)的对比仿真表明, HLADRC在干扰抑制方面具有很大的优势,而LADRC在稳定鲁棒性和控制品质方面具有更好的效果,从而为工程设计提供了理论依据和实践参考.     

广义非线性扩张状态观测器设计及性能分析

针对时变外扰,提出广义非线性扩张状态观测器设计方法.在分析传统扩张状态观测器的设计策略的基础上,通过对总扰动进行重构、引入广义扩张状态,设计反映扰动中已知分量的广义扩张状态观测器(扩张r+1阶).理论分析了观测器的收敛性,并得出了观测误差上界与扩张阶数的定量关系式.通过仿真对广义扩张状态观测器抑制外界正弦扰动的有效性进行检验,数值模拟结果表明,本文设计的观测器能够有效利用扰动中已知分量的信息,降低系统的不确定性,提高观测精度.