자동 적응 제어: 모델 규범형 멜빵법을 바탕으로 한 디자인
6743 단어 제어 공학
개요
안녕하세요.
PID로 대체로 제어할 수 있다.
다른 한편, 불안정한 시스템의 경우 측정할 수 없는 상태량이 있으면 모델을 바탕으로 관찰원을 사용하여 제어 시스템을 만들 수 있다.
그러나 모델 기반의 제어를 하기 위해서는 모델의 매개 변수를 식별해야 한다.
이렇게 되면 식별 매개 변수와 실제 매개 변수 간의 오차가 문제가 되고 제어가 좋지 않을 때 관찰원의 수치가 나쁘고 피드백 이득이 나쁘며 공식 모델 자체가 틀렸다는 것을 모른다.
이번에 제어 자체 적응 제어 매개 변수를 제어할 때 조정하여 규범 모델과 일치하는 제어를 실험하였다
총괄하고 싶습니다.
기초 이론
읽은 책의 토대는 현실주의의 안정된 정리와 바바라트의 정리였다.후치노프의 안정정리는 g로 표시하는 것이 가장 좋다.
Barbalat의 정리는 직관적이다.
$g(t)$\displaystyle lim{t\to\infty}g(t)그리고 $\int0^{infty}g(t)^2dt联infty달러는 $g(t)$의 면적이 경계가 있을 때
$lim_{t\to\infty} g (t) = 0달러
이런 정리.이것은 무한하지 않다. (디라크 함수처럼 면적은 경계가 포함되지 않는다.) 게다가 면적이 경계가 있으면 0까지 수렴된다.
면적이 경계가 있는 이유는 $g(t)$가 안정적이고 0이 아니면 면적이 무한하기 때문에 안정적인 0으로 여겨진다.
상세한 증명을 몰라요.
실천: 낙후계
의 목적
사양 $yM(s)=G_제어 개체 출력 $y(s)$를 제어하여 M(s)r(s)$와 일치시킵니다.
설정
$y(s)=G(s)u(s)$.G_M(s) = \frac{a_M}{s+b_M} \\
G(s) = \frac{a}{s+b}
입력 제어
u=\theta_1 r+\theta_2 y
.이 두 달러1 r+\theta_2y, y(s)=G(s)u(s)$의 순환을 합친 후y(s)=\frac{b\theta_1}{s+(a-b\theta_2)} r
$우리의 목표는\theta달러를 잘 조정하여 규범 모델과 일치하게 하는 것이다.즉b\theta_1 = b_M\\
a-b\theta_2 = a_M
확정하다θ조정하다
오차 계통
$e = y_e-y달러 e에 대한 방정식을 만들다.시간에 따라 만들다\begin{eqnarray}
\dot{e} + a_M e &=& b_M r + (a -a_M)y-bu \\
&=&b{(b_M/b -\theta_1) r + [(a-a_M)/b -\theta_2] y }\\
&=& b {\tilde{ \theta_1} r + \tilde{\theta_2}y}
\end{eqnarray}
및 새 문자의 정의입니다.
후면 함수
여기서부터 $\theta에 대한 조정 규칙을 설정합니다.안정성 즉 오차의 수렴을 확보하기 위해 후방 함수 V 제작V(e,\tilde{\theta_1},\tilde{\theta_2}) = \frac{1}{2}e^2+\frac{1}{2} (q1\tilde{\theta_1}^2 + q2\tilde{\theta_2}^2)
제곱만이 정정함수이기 때문에 뚜렷하다.만약 시간 도수가 마이너스라면 $e,\tild {theeta 1},\tild {theeta 2}를 0으로 모을 것이다.\begin{eqnarray}
\dot{V} &=& e\dot{e} + {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& e( - a_M e +b( \tilde{ \theta_1} r + \tilde{\theta_2}y ))+ {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& -a_M e^2 + \tilde{\theta_1 } (q1 \dot{\tilde{\theta_1}} +e b r ) + \tilde{\theta_2} (q2 \dot{\tilde{\theta_2} -eby} )
\end{eqnarray}
여기 있다\dot{\tilde{\theta_1}} = -ebr/q1 \\
\dot{\tilde{\theta_2}} = -eby/q2\\
그렇다면\dot{V}=-a_M e^2
마이너스
여기에는 바바라트의 정리를 사용합니다.\int_0^{\infty} e(t)^2 dt =\int_0^{\infty}\dot{V}/(-a_M) dt = -a_M(V) - V(0)lim_{t \to \infty}e(t) = 0
를 참고하십시오.
$\tild{theeta{1,2}의 실험 결과는 특정한 값을 수렴했지만 0까지 수렴하지 않았다는 것이다.아마도 $\dot{V}은 $e의 함수만 되기 때문에 마이너스를 표시해도 0 수렴을 표시할 수 없습니다. 경계가 있음을 증명할 수 있을 뿐입니다.
$\dot{tild{theeta 1}=\dot{(b M/b-\theta 1)}=-\dot{theta 1}, $'dot{tilde{theeta 2}=\dot{(a-a M)/b-theeta 2}=-\dot{theta 2}달러\dot{\theta_1} = ebr/q1 \\
\dot{\theta_2} = eby/q2\\
... 에 따라θ업데이트하면 더 좋아요.오차와 출력, 목표치를 곱하는 비선형 제어를 하기 때문에 동작은 일반적인 선형 제어와 완전히 다르다고 할 수 있다.선형 시스템이 아니어서 주파수 대역에서의 평가도 어려워졌다.
matlab로 실험 진행
×상자는 곱셈을 의미한다g1=b/q1, g2=b/q2달러입니다.초기값은 0입니다.
실제로sin파를 목표치로 지정$y, yM$M이 다음과 같이 관측되었습니다.
처음엔 오차가 있었지만 서서히 사라진 걸 알게 될 거야.더 오래 봐요.
오차가 완전히 수렴되다.b\theta_1 = b_M\\
a-b\theta_2 = a_M
즉\theta_1 = 5\\
\theta_2 = (3-1)/(-1) = -2
조정 여부를 말씀드리자면요.
목적과 마찬가지로 규범 모델과 일치하기 위해 컨트롤러의 이득 조정을 진행한다.
컨트롤에 적응하는 실력이 느껴지지 않나.
고주파 입력 시
목표치의sin을 고주파로 설정하면
합의에 이르기까지는 상당한 시간이 필요하다.
g1, g2 변경
g2를 최대한 작게 (0.01)하면...
θ2의 조정이 느려졌기 때문에 오차를 천천히 줄일 수밖에 없었다.
둘 다 줄이면...
두 초기의 값은 0이고 천천히 변화하기 때문에 출력값은 거의 0이다
g1, 2 확대하면
진동성의 미세한 배합을 볼 수 있다.
실험 시간을 늘리면
완전히 수렴해도 발산되지 않는다.
참고 문헌
자체 적응 통제 궁리 의언저 옴회사 앞으로 물구나무 진자의 측정 각도는 안정각과 상대적으로 안정적인 편차가 있기 때문에 이 편차를 추측하는 방법을 연구하고 싶습니다.다만, 어려워요.
이전에 물구나무 진자는 완전히 모델을 바탕으로 식별되었지만 온라인에 놓으면 모델이 제어를 바꿀 수 없기 때문에 물구나무 진자에 대해 제어에 적응해 보려고 합니다.
Reference
이 문제에 관하여(자동 적응 제어: 모델 규범형 멜빵법을 바탕으로 한 디자인), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/hiRina/items/143bd791d7d5680d055e
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
읽은 책의 토대는 현실주의의 안정된 정리와 바바라트의 정리였다.후치노프의 안정정리는 g로 표시하는 것이 가장 좋다.
Barbalat의 정리는 직관적이다.
$g(t)$\displaystyle lim{t\to\infty}g(t)
$lim_{t\to\infty} g (t) = 0달러
이런 정리.이것은 무한하지 않다. (디라크 함수처럼 면적은 경계가 포함되지 않는다.) 게다가 면적이 경계가 있으면 0까지 수렴된다.
면적이 경계가 있는 이유는 $g(t)$가 안정적이고 0이 아니면 면적이 무한하기 때문에 안정적인 0으로 여겨진다.
상세한 증명을 몰라요.
실천: 낙후계
의 목적
사양 $yM(s)=G_제어 개체 출력 $y(s)$를 제어하여 M(s)r(s)$와 일치시킵니다.
설정
$y(s)=G(s)u(s)$.G_M(s) = \frac{a_M}{s+b_M} \\
G(s) = \frac{a}{s+b}
입력 제어
u=\theta_1 r+\theta_2 y
.이 두 달러1 r+\theta_2y, y(s)=G(s)u(s)$의 순환을 합친 후y(s)=\frac{b\theta_1}{s+(a-b\theta_2)} r
$우리의 목표는\theta달러를 잘 조정하여 규범 모델과 일치하게 하는 것이다.즉b\theta_1 = b_M\\
a-b\theta_2 = a_M
확정하다θ조정하다
오차 계통
$e = y_e-y달러 e에 대한 방정식을 만들다.시간에 따라 만들다\begin{eqnarray}
\dot{e} + a_M e &=& b_M r + (a -a_M)y-bu \\
&=&b{(b_M/b -\theta_1) r + [(a-a_M)/b -\theta_2] y }\\
&=& b {\tilde{ \theta_1} r + \tilde{\theta_2}y}
\end{eqnarray}
및 새 문자의 정의입니다.
후면 함수
여기서부터 $\theta에 대한 조정 규칙을 설정합니다.안정성 즉 오차의 수렴을 확보하기 위해 후방 함수 V 제작V(e,\tilde{\theta_1},\tilde{\theta_2}) = \frac{1}{2}e^2+\frac{1}{2} (q1\tilde{\theta_1}^2 + q2\tilde{\theta_2}^2)
제곱만이 정정함수이기 때문에 뚜렷하다.만약 시간 도수가 마이너스라면 $e,\tild {theeta 1},\tild {theeta 2}를 0으로 모을 것이다.\begin{eqnarray}
\dot{V} &=& e\dot{e} + {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& e( - a_M e +b( \tilde{ \theta_1} r + \tilde{\theta_2}y ))+ {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& -a_M e^2 + \tilde{\theta_1 } (q1 \dot{\tilde{\theta_1}} +e b r ) + \tilde{\theta_2} (q2 \dot{\tilde{\theta_2} -eby} )
\end{eqnarray}
여기 있다\dot{\tilde{\theta_1}} = -ebr/q1 \\
\dot{\tilde{\theta_2}} = -eby/q2\\
그렇다면\dot{V}=-a_M e^2
마이너스
여기에는 바바라트의 정리를 사용합니다.\int_0^{\infty} e(t)^2 dt =\int_0^{\infty}\dot{V}/(-a_M) dt = -a_M(V) - V(0)lim_{t \to \infty}e(t) = 0
를 참고하십시오.
$\tild{theeta{1,2}의 실험 결과는 특정한 값을 수렴했지만 0까지 수렴하지 않았다는 것이다.아마도 $\dot{V}은 $e의 함수만 되기 때문에 마이너스를 표시해도 0 수렴을 표시할 수 없습니다. 경계가 있음을 증명할 수 있을 뿐입니다.
$\dot{tild{theeta 1}=\dot{(b M/b-\theta 1)}=-\dot{theta 1}, $'dot{tilde{theeta 2}=\dot{(a-a M)/b-theeta 2}=-\dot{theta 2}달러\dot{\theta_1} = ebr/q1 \\
\dot{\theta_2} = eby/q2\\
... 에 따라θ업데이트하면 더 좋아요.오차와 출력, 목표치를 곱하는 비선형 제어를 하기 때문에 동작은 일반적인 선형 제어와 완전히 다르다고 할 수 있다.선형 시스템이 아니어서 주파수 대역에서의 평가도 어려워졌다.
matlab로 실험 진행
×상자는 곱셈을 의미한다g1=b/q1, g2=b/q2달러입니다.초기값은 0입니다.
실제로sin파를 목표치로 지정$y, yM$M이 다음과 같이 관측되었습니다.
처음엔 오차가 있었지만 서서히 사라진 걸 알게 될 거야.더 오래 봐요.
오차가 완전히 수렴되다.b\theta_1 = b_M\\
a-b\theta_2 = a_M
즉\theta_1 = 5\\
\theta_2 = (3-1)/(-1) = -2
조정 여부를 말씀드리자면요.
목적과 마찬가지로 규범 모델과 일치하기 위해 컨트롤러의 이득 조정을 진행한다.
컨트롤에 적응하는 실력이 느껴지지 않나.
고주파 입력 시
목표치의sin을 고주파로 설정하면
합의에 이르기까지는 상당한 시간이 필요하다.
g1, g2 변경
g2를 최대한 작게 (0.01)하면...
θ2의 조정이 느려졌기 때문에 오차를 천천히 줄일 수밖에 없었다.
둘 다 줄이면...
두 초기의 값은 0이고 천천히 변화하기 때문에 출력값은 거의 0이다
g1, 2 확대하면
진동성의 미세한 배합을 볼 수 있다.
실험 시간을 늘리면
완전히 수렴해도 발산되지 않는다.
참고 문헌
자체 적응 통제 궁리 의언저 옴회사 앞으로 물구나무 진자의 측정 각도는 안정각과 상대적으로 안정적인 편차가 있기 때문에 이 편차를 추측하는 방법을 연구하고 싶습니다.다만, 어려워요.
이전에 물구나무 진자는 완전히 모델을 바탕으로 식별되었지만 온라인에 놓으면 모델이 제어를 바꿀 수 없기 때문에 물구나무 진자에 대해 제어에 적응해 보려고 합니다.
G_M(s) = \frac{a_M}{s+b_M} \\
G(s) = \frac{a}{s+b}
u=\theta_1 r+\theta_2 y
y(s)=\frac{b\theta_1}{s+(a-b\theta_2)} r
b\theta_1 = b_M\\
a-b\theta_2 = a_M
\begin{eqnarray}
\dot{e} + a_M e &=& b_M r + (a -a_M)y-bu \\
&=&b{(b_M/b -\theta_1) r + [(a-a_M)/b -\theta_2] y }\\
&=& b {\tilde{ \theta_1} r + \tilde{\theta_2}y}
\end{eqnarray}
V(e,\tilde{\theta_1},\tilde{\theta_2}) = \frac{1}{2}e^2+\frac{1}{2} (q1\tilde{\theta_1}^2 + q2\tilde{\theta_2}^2)
\begin{eqnarray}
\dot{V} &=& e\dot{e} + {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& e( - a_M e +b( \tilde{ \theta_1} r + \tilde{\theta_2}y ))+ {q1 \tilde{\theta_1} \dot{\tilde{\theta_1}} +q2 \tilde{\theta_2} \dot{\tilde{\theta_2}} }\\
&=& -a_M e^2 + \tilde{\theta_1 } (q1 \dot{\tilde{\theta_1}} +e b r ) + \tilde{\theta_2} (q2 \dot{\tilde{\theta_2} -eby} )
\end{eqnarray}
\dot{\tilde{\theta_1}} = -ebr/q1 \\
\dot{\tilde{\theta_2}} = -eby/q2\\
\dot{V}=-a_M e^2
lim_{t \to \infty}e(t) = 0
를 참고하십시오.$\tild{theeta{1,2}의 실험 결과는 특정한 값을 수렴했지만 0까지 수렴하지 않았다는 것이다.아마도 $\dot{V}은 $e의 함수만 되기 때문에 마이너스를 표시해도 0 수렴을 표시할 수 없습니다. 경계가 있음을 증명할 수 있을 뿐입니다.
$\dot{tild{theeta 1}=\dot{(b M/b-\theta 1)}=-\dot{theta 1}, $'dot{tilde{theeta 2}=\dot{(a-a M)/b-theeta 2}=-\dot{theta 2}달러
\dot{\theta_1} = ebr/q1 \\
\dot{\theta_2} = eby/q2\\
... 에 따라θ업데이트하면 더 좋아요.오차와 출력, 목표치를 곱하는 비선형 제어를 하기 때문에 동작은 일반적인 선형 제어와 완전히 다르다고 할 수 있다.선형 시스템이 아니어서 주파수 대역에서의 평가도 어려워졌다.matlab로 실험 진행
×상자는 곱셈을 의미한다g1=b/q1, g2=b/q2달러입니다.초기값은 0입니다.
실제로sin파를 목표치로 지정$y, yM$M이 다음과 같이 관측되었습니다.
처음엔 오차가 있었지만 서서히 사라진 걸 알게 될 거야.더 오래 봐요.
오차가 완전히 수렴되다.b\theta_1 = b_M\\
a-b\theta_2 = a_M
즉\theta_1 = 5\\
\theta_2 = (3-1)/(-1) = -2
조정 여부를 말씀드리자면요.
목적과 마찬가지로 규범 모델과 일치하기 위해 컨트롤러의 이득 조정을 진행한다.
컨트롤에 적응하는 실력이 느껴지지 않나.
고주파 입력 시
목표치의sin을 고주파로 설정하면
합의에 이르기까지는 상당한 시간이 필요하다.
g1, g2 변경
g2를 최대한 작게 (0.01)하면...
θ2의 조정이 느려졌기 때문에 오차를 천천히 줄일 수밖에 없었다.
둘 다 줄이면...
두 초기의 값은 0이고 천천히 변화하기 때문에 출력값은 거의 0이다
g1, 2 확대하면
진동성의 미세한 배합을 볼 수 있다.
실험 시간을 늘리면
완전히 수렴해도 발산되지 않는다.
참고 문헌
b\theta_1 = b_M\\
a-b\theta_2 = a_M
\theta_1 = 5\\
\theta_2 = (3-1)/(-1) = -2
진동성의 미세한 배합을 볼 수 있다.
실험 시간을 늘리면
완전히 수렴해도 발산되지 않는다.
참고 문헌
이전에 물구나무 진자는 완전히 모델을 바탕으로 식별되었지만 온라인에 놓으면 모델이 제어를 바꿀 수 없기 때문에 물구나무 진자에 대해 제어에 적응해 보려고 합니다.
Reference
이 문제에 관하여(자동 적응 제어: 모델 규범형 멜빵법을 바탕으로 한 디자인), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/hiRina/items/143bd791d7d5680d055e텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)