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 후
y(s)=\frac{b\theta_1}{s+(a-b\theta_2)} r
$우리의 목표는\theta달러를 잘 조정하여 규범 모델과 일치하게 하는 것이다.즉
b\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 제작
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)
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
\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.

    좋은 웹페이지 즐겨찾기