基于預(yù)見與PI補(bǔ)償?shù)牟淮_定非線性系統(tǒng)魯棒滑?？刂?/h1>
2023-12-18 09:45:18蘭永紅吳瑾怡周宇璽
控制理論與應(yīng)用 2023年11期
蘭永紅,吳瑾怡 ,周宇璽
(1.湘潭大學(xué)自動化與電子信息學(xué)院,湖南湘潭 411105;2.五凌電力有限公司,湖南長沙 410000)
1 引言
近年來,不確定非線性系統(tǒng)的魯棒控制問題受到國內(nèi)外眾多學(xué)者的廣泛關(guān)注,滑?？刂茖ο到y(tǒng)參數(shù)攝動以及外部干擾具有良好的適應(yīng)性和較強(qiáng)魯棒性,是實(shí)現(xiàn)不確定非線性系統(tǒng)魯棒控制的有效方法之一[1–2],并成功運(yùn)用于電力系統(tǒng)[3]、機(jī)器人[4]等控制領(lǐng)域.為了在快速到達(dá)滑動模態(tài)的同時能消除滑模運(yùn)動階段的抖振,文獻(xiàn)[5]提出了趨近律方法,其中,等速趨近律、指數(shù)趨近律和冪次趨近律存在一定程度的缺陷.因此,文獻(xiàn)[6]提出了一種快速收斂的雙冪次趨近律,綜合了指數(shù)趨近律和冪次趨近律的優(yōu)點(diǎn),該方法消除了抖振,加快了遠(yuǎn)離滑模面時的趨近速度.
另一方面,在很多伺服系統(tǒng)中,未來一段時間的目標(biāo)參考或干擾信號是可預(yù)見的.預(yù)見控制正是一種利用系統(tǒng)已知參考目標(biāo)或干擾信號的未來信息,以改善系統(tǒng)動態(tài)響應(yīng)、抑制外界擾動、提高系統(tǒng)跟蹤精度的控制方法[7–8],近年來,預(yù)見控制已經(jīng)廣泛應(yīng)用于自動駕駛、航天飛行器、機(jī)器人等伺服領(lǐng)域[9–11].從實(shí)用角度來看,數(shù)字預(yù)見控制更易于實(shí)現(xiàn).考慮到連續(xù)系統(tǒng)和離散系統(tǒng)的穩(wěn)定性條件差異,對連續(xù)系統(tǒng)的預(yù)見控制研究仍有必要.
連續(xù)系統(tǒng)的預(yù)見控制問題是基于最優(yōu)控制,從而研究非自治系統(tǒng)的穩(wěn)定性問題.基于預(yù)見控制思想,文獻(xiàn)[12]提出了基于線性連續(xù)時滯系統(tǒng),并能在有限時間內(nèi)有界跟蹤的一類控制問題.針對一類參數(shù)變化的線性系統(tǒng),文獻(xiàn)[13]提出了一種基于降階估計的容錯預(yù)見控制的設(shè)計方法.在此基礎(chǔ)上,文獻(xiàn)[14]基于重復(fù)控制的設(shè)計方法,通過構(gòu)造增廣系統(tǒng),設(shè)計了線性連續(xù)系統(tǒng)的基本型預(yù)見重復(fù)控制器.文獻(xiàn)[15]進(jìn)一步將結(jié)果推廣至線性連續(xù)時滯系統(tǒng).
基于預(yù)見補(bǔ)償?shù)幕？刂撇坏苡行Э朔到y(tǒng)的不確定性,而且能提高控制系統(tǒng)跟蹤精度,具有較強(qiáng)的魯棒性.文獻(xiàn)[16]針對船舶自動操縱系統(tǒng)設(shè)計了自適應(yīng)滑模預(yù)見控制器,減小了傳統(tǒng)滑?？刂浦械臅簯B(tài)超調(diào),保持了不確定船舶動態(tài)系統(tǒng)的控制性能.對于智能電動汽車的目標(biāo)路徑的精確跟蹤問題,文獻(xiàn)[17]提出了一種基于滑?？刂频念A(yù)見控制器的設(shè)計方法,提高了識別精度,且可以更好的跟蹤所需軌跡.文獻(xiàn)[18]提出了最優(yōu)積分滑模預(yù)見控制器的設(shè)計方法,并采用積分滑模控制對最優(yōu)預(yù)見控制器進(jìn)行魯棒控制.文獻(xiàn)[19]針對一類連續(xù)時間線性系統(tǒng),設(shè)計了具有預(yù)見補(bǔ)償?shù)幕？刂破?保證了系統(tǒng)的魯棒性.需要指出的是,針對不確定非線性連續(xù)系統(tǒng)的預(yù)見控制器設(shè)計問題,其相關(guān)報道在國內(nèi)外都較少見.
受以上文獻(xiàn)的啟發(fā),本文針對一類不確定非線性系統(tǒng),研究基于預(yù)見與比例–積分(proportional-integral,PI)補(bǔ)償?shù)聂敯艋？刂圃O(shè)計問題.本文主要貢獻(xiàn)如下: 1)針對不確定非線性被控對象,提出了一種具有預(yù)見與PI補(bǔ)償?shù)幕？刂葡到y(tǒng)結(jié)構(gòu),并將控制器的設(shè)計問題轉(zhuǎn)化為一類增廣系統(tǒng)的穩(wěn)定性問題;2)基于最優(yōu)控制理論,設(shè)計標(biāo)稱增廣系統(tǒng)的最優(yōu)預(yù)見PI控制器.針對不確定增廣系統(tǒng),采用變結(jié)構(gòu)控制思想,設(shè)計了積分滑模預(yù)見控制器;3)通過選擇合適的PI控制器增益,所設(shè)計的集成控制器包含了已有文獻(xiàn)的結(jié)果.
2 問題描述
考慮如下的非線性系統(tǒng):
其中:x(t)∈Rn,u(t)∈Rm,y(t)∈Rq,d(x(t),t)∈Rp分別為系統(tǒng)的狀態(tài)、控制輸入、系統(tǒng)輸出和外部干擾.A,B,C,D是具有合適維數(shù)的常數(shù)矩陣,?A和?B是不確定性矩陣.
對被控系統(tǒng)(1)及給定參考輸入信號r(t)作如下假設(shè).
假設(shè)1矩陣(A,B)可控,(A,C)可觀.
假設(shè)2參考輸入信號r(t)∈Rq是分段連續(xù)可微函數(shù),其可預(yù)見步長為lr,即在t≤θ≤t+lr的任意時間θ,r(θ)已知.
假設(shè)3不確定性矩陣?A,?B和外部干擾d(x,t)滿足匹配條件
根據(jù)假設(shè)3,系統(tǒng)(1)可以寫成
本文提出的控制系統(tǒng)結(jié)構(gòu)框圖如圖1所示,其中CR為PI控制器,NL(t)為預(yù)見控制器,CSMC為滑?？刂破?控制對象如系統(tǒng)(1)所示.本文的目的是設(shè)計一種具有預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂破鱱(t),使閉環(huán)系統(tǒng)(1)的輸出y(t)在穩(wěn)定狀態(tài)下,無靜態(tài)誤差的跟蹤參考輸入r(t),即
圖1 具有預(yù)見與PI補(bǔ)償?shù)幕？刂葡到y(tǒng)框圖Fig.1 Block diagram of sliding mode control system with preview and PI compensation
且性能指標(biāo)函數(shù)(4)具有最小值,
其中:Qe∈Rq×q,R∈Rm×m為對稱正定矩陣.
注1類似文獻(xiàn)[20–21],控制系統(tǒng)前饋通道引入PI控制器以減小閉環(huán)系統(tǒng)的穩(wěn)態(tài)誤差.此外,為進(jìn)一步提高系統(tǒng)的跟蹤性能,前饋通道還引入了預(yù)見補(bǔ)償.這是本文主要創(chuàng)新之一.
3 控制器設(shè)計
圖1中,PI控制器的時域形式為
其中kp,ki為PI控制器增益.
構(gòu)造如下增廣狀態(tài)向量z(t):
結(jié)合式(2)和式(5),可得
3.1 最優(yōu)預(yù)見PI控制器設(shè)計
本節(jié)針對標(biāo)稱系統(tǒng),基于最優(yōu)控制原理,設(shè)計一個最優(yōu)預(yù)見PI控制器.為此,令(t)=0,系統(tǒng)(7)可簡化為
針對系統(tǒng)(8),構(gòu)造如下性能指標(biāo)函數(shù):
為了得到控制系統(tǒng)最優(yōu)預(yù)見PI控制器存在的必要條件和系統(tǒng)的相關(guān)參數(shù),給出如下引理.
且K=[KxKeKv]是如下代數(shù)黎卡提方程(algebraic riccati equation,ARE)的解:
證根據(jù)最優(yōu)控制理論,定義Hamilton函數(shù)
其中λ(t)是伴隨向量.由最優(yōu)控制極小值原理,有
由此可知系統(tǒng)的最優(yōu)控制律為
閉環(huán)系統(tǒng)動態(tài)方程為
其中K(t),g(t)滿足
對于線性定常系統(tǒng),λ(t)與z(t)之間滿足如下關(guān)系:
由式(14)–(17),可知
對于t∈[t,tα],對式(19)求解并積分,有
聯(lián)立式(13)(15)(20)可得
其中K=[KxKeKv].
在[-L,t](L>lr)上對式(21)積分,并注意到對于t≤0有x(t)=0,u(t)=0,r(t)=0,由此可得
證畢.
注2注意到預(yù)見項(xiàng)f(t)中,矩陣Hurwitz穩(wěn)定,從而f(t)單調(diào)遞減.可見,隨著預(yù)見步長的增加預(yù)見信息逐步減弱.對于預(yù)見步長的選取,可通過性能指標(biāo)函數(shù)值J的衰減變化閾值得到控制器合適的預(yù)見步長[21].此外,性能指標(biāo)中的權(quán)重矩陣主要通過試湊法進(jìn)行選取.在最近的研究中,已經(jīng)提出了各種優(yōu)化算法,來解決線性二次型調(diào)節(jié)器(linear quadratic regulator,LQR)問題權(quán)重矩陣的選擇這個問題.例如基于動態(tài)矩陣控制算法的LQR[22]和基于粒子群算法的LQR[23].
3.2 滑模控制器設(shè)計
本節(jié)針對不確定系統(tǒng)(1),引入積分滑模面,設(shè)計一種具有魯棒性能的預(yù)見控制器.
針對增廣系統(tǒng)(7),構(gòu)造如下積分滑模面:
其中:u0如式(22)所示,為常數(shù)矩陣且滿足條件G非奇異.
注3類似文獻(xiàn)[24],滑模面(25)包含了控制輸入的導(dǎo)數(shù).該滑模面獲得的等效控制輸入一方面可補(bǔ)償匹配的不確定性;另一方面,可確保穩(wěn)定狀態(tài).因此,該滑模面是最優(yōu)的.
當(dāng)系統(tǒng)進(jìn)入滑動模態(tài)后,滿足s(t)=0,(t)=0.因此
由式(24)可得滑模等效控制律為
將式(25)代入增廣系統(tǒng)(7),并利用式(14),可得滑動模態(tài)方程為
對比系統(tǒng)(26)和系統(tǒng)(15)可以看出,不確定系統(tǒng)的滑動模態(tài)方程和標(biāo)稱系統(tǒng)的最優(yōu)閉環(huán)系統(tǒng)動態(tài)方程完全一致.因此,系統(tǒng)(26)所描述的滑動運(yùn)動系統(tǒng)漸近穩(wěn)定,且滑模面(23)對系統(tǒng)不確定性和外界干擾具有魯棒性,是魯棒最優(yōu)滑模面.
本文考慮如下雙冪次滑模趨近律[25],通過調(diào)整趨近律的參數(shù),來減弱抖振:
式中:α>1,0<β<1,ε1>ω>0,ε2>0.
在雙冪次趨近律(27)中,當(dāng)系統(tǒng)遠(yuǎn)離滑動模態(tài)時,-ε1|s(t)|αsgns(t)起到主要作用;當(dāng)系統(tǒng)靠近滑動模態(tài)時,-ε2|s(t)|βsgns(t)起到主要作用.因此,雙冪次趨近律不僅可以有效的消除抖振,而且具有較快的收斂速度.
定理1對于不確定系統(tǒng)(1),對給定的PI控制增益,圖1所示的控制系統(tǒng)的最優(yōu)預(yù)見PI滑?？刂破鳛?/p>
Fx,Fe,Fv由引理3給出,
證選擇李雅普諾夫函數(shù)
根據(jù)滑模可達(dá)性,結(jié)合趨近律(27),可知
由此可得
因此,滑動模態(tài)在有限時間內(nèi)能到達(dá)平衡零點(diǎn).
滑?？刂破鞯木€性部分如式(10)所示.對于積分滑模面(23)和雙冪次趨近律(27),可得控制器中非線性部分
綜合式(10)和式(31),即可得最優(yōu)預(yù)見PI滑?？刂破?28).證畢.
注4具有預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂破?30)由5部分組成: 第1部分是狀態(tài)反饋控制器,用來提高每個周期內(nèi)系統(tǒng)的穩(wěn)定性;第2部分是PI控制器,用來改善控制系統(tǒng)的穩(wěn)態(tài)性能;第3部分是誤差積分補(bǔ)償器,用于消除靜態(tài)誤差;第4部分是預(yù)見補(bǔ)償控制器,以提高閉環(huán)系統(tǒng)的跟蹤性能.第5部分是滑?？刂破?用來調(diào)節(jié)系統(tǒng)的魯棒性.
另一方,根據(jù)帕德近似[26],易知
為方便計算,取近似值
近似等效[27–28].式(36)的時域形式為
其中:e(t)為控制系統(tǒng)的跟蹤誤差;L為時滯環(huán)節(jié)的延遲時間,其周期與參考輸入信號r(t)一致[28].
由上述分析并結(jié)合定理1,有如下推論.
推論1對于不確定系統(tǒng)(1),圖2所示的控制系統(tǒng)在最優(yōu)滑模預(yù)見重復(fù)控制器
圖2 滑模預(yù)見重復(fù)控制系統(tǒng)框圖Fig.2 Block diagram of sliding mode preview repetitive control system
的作用下,跟蹤誤差魯棒漸近穩(wěn)定,其中:
Fx,Fe,Fv,f(t),u1(t)由引理3給出,v(t)如式(37)所示.
4 數(shù)值仿真
設(shè)線性不確定系統(tǒng)(1)具有以下參數(shù):
外部非線性干擾信號和參考輸入信號r(t)為
經(jīng)過反復(fù)對比測試,性能指標(biāo)函數(shù)(9)的權(quán)重矩陣取為
時,系統(tǒng)輸出響應(yīng)具有較小的超調(diào)量和較快的響應(yīng)速度.
應(yīng)用定理1,利用MATLAB求解,可求得如下控制器增益:
參考輸入信號r(t)的周期L=10,因此,令PI控制器的增益為
通過二次型性能指標(biāo)最優(yōu)法[5],積分滑模面參數(shù)可設(shè)計為
為了說明預(yù)見步長對系統(tǒng)輸出的影響,系統(tǒng)仿真結(jié)果如圖3–4所示.不同的預(yù)見步長下的閉環(huán)系統(tǒng)跟蹤誤差的最大峰值如表1所示.不同預(yù)見步長時,y(t)都能精準(zhǔn)的跟蹤r(t),當(dāng)預(yù)見步長變長,超調(diào)量減小,此時,y(t)能更精準(zhǔn)的跟蹤r(t).值得注意的是,在預(yù)見步長達(dá)到某個閾值后,預(yù)見補(bǔ)償影響甚微.這與文獻(xiàn)[7]中的結(jié)論一致.
表1 系統(tǒng)跟蹤誤差Table 1 System tracking error
圖3 不同預(yù)見步長下系統(tǒng)輸出響應(yīng)Fig.3 System output responses with different preview steps
圖4 不同預(yù)見步長下跟蹤誤差Fig.4 Tracking errors with different preview steps
為說明本文所提控制方法的有效性,將其與文獻(xiàn)[20]提的基于PI+等價輸入干擾(equivalent-input-disturbance,EID)控制方法進(jìn)行對比.仿真結(jié)果如圖5–6所示,系統(tǒng)跟蹤誤差的最大峰值如表1所示.由仿真結(jié)果可見,本文所提控制方法具有更優(yōu)的跟蹤性能.
圖5 不同控制方法下系統(tǒng)輸出響應(yīng)Fig.5 System output responses with different control methods
圖6 不同控制方法下跟蹤誤差Fig.6 Tracking errors with different control methods
為了說明不同滑模趨近律對系統(tǒng)的影響,給定預(yù)見步長lr=0.15,分別對以下3種不同的趨近律:
所設(shè)計的預(yù)見滑模控制器進(jìn)行對比.仿真結(jié)果如圖7–8所示.系統(tǒng)跟蹤誤差的最大峰值如表2所示.
表2 不同滑模趨近律下的系統(tǒng)跟蹤誤差Table 2 Tracking errors with different sliding mode
圖7 同滑模趨近律下系統(tǒng)輸出響應(yīng)Fig.7 System output responses with different sliding mode reaching laws
由圖7–8可知: 指數(shù)趨近律由于含有常數(shù)項(xiàng),在遠(yuǎn)離滑動模態(tài)階段收斂速度過小,導(dǎo)致收斂時間過長;冪次趨近律盡管收斂速度高于指數(shù)趨近律,但效果不明顯;雙冪次趨近律收斂速度明顯高于指數(shù)趨近律和冪次趨近律,具有更好的運(yùn)動品質(zhì).圖8為跟蹤誤差的動態(tài)收斂過程,表明滑模變結(jié)構(gòu)控制可以保證系統(tǒng)的穩(wěn)態(tài)性、魯棒性.
圖8 不同滑模趨近律下跟蹤誤差Fig.8 Tracking errors with different sliding mode reaching laws
5 結(jié)論
本文針對一類匹配不確定非線性連續(xù)時間系統(tǒng),研究了一種基于預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂圃O(shè)計方法.通過構(gòu)造一個包含可預(yù)見的目標(biāo)信號的不確定增廣系統(tǒng),根據(jù)最優(yōu)控制理論和積分滑?？刂坪妥顑?yōu)預(yù)見PI控制方法,設(shè)計不確定增廣系統(tǒng)的基于積分滑模控制和最優(yōu)預(yù)見PI 控制的集成控制器.如何進(jìn)一步優(yōu)化控制器參數(shù),并對于不確定非線性時滯系統(tǒng),設(shè)計一種基于高階滑模的預(yù)見控制器,將是進(jìn)一步研究的難點(diǎn).
猜你喜歡
Smartflower POP 一體式光伏系統(tǒng)工業(yè)設(shè)計(2022年8期)2022-09-09 07:43:20 WJ-700無人機(jī)系統(tǒng)軍民兩用技術(shù)與產(chǎn)品(2021年10期)2021-03-16 06:05:30 ZC系列無人機(jī)遙感系統(tǒng)北京測繪(2020年12期)2020-12-29 01:33:58 瞞天過海——仿生設(shè)計萌到家藝術(shù)啟蒙(2018年7期)2018-08-23 09:14:18 連通與提升系統(tǒng)的最后一塊拼圖 Audiolab 傲立 M-DAC mini家庭影院技術(shù)(2017年9期)2017-09-26 03:41:45 設(shè)計秀海峽姐妹(2017年7期)2017-07-31 19:08:17 有種設(shè)計叫而專Coco薇(2017年5期)2017-06-05 08:53:16 國內(nèi)多模態(tài)教學(xué)研究回顧與展望湖北經(jīng)濟(jì)學(xué)院學(xué)報·人文社科版(2015年8期)2015-12-29 05:53:07 基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別上海電機(jī)學(xué)院學(xué)報(2015年4期)2015-02-28 14:30:00 由單個模態(tài)構(gòu)造對稱簡支梁的抗彎剛度計算物理(2014年2期)2014-03-11 17:01:39
蘭永紅,吳瑾怡 ,周宇璽
(1.湘潭大學(xué)自動化與電子信息學(xué)院,湖南湘潭 411105;2.五凌電力有限公司,湖南長沙 410000)
1 引言
近年來,不確定非線性系統(tǒng)的魯棒控制問題受到國內(nèi)外眾多學(xué)者的廣泛關(guān)注,滑?？刂茖ο到y(tǒng)參數(shù)攝動以及外部干擾具有良好的適應(yīng)性和較強(qiáng)魯棒性,是實(shí)現(xiàn)不確定非線性系統(tǒng)魯棒控制的有效方法之一[1–2],并成功運(yùn)用于電力系統(tǒng)[3]、機(jī)器人[4]等控制領(lǐng)域.為了在快速到達(dá)滑動模態(tài)的同時能消除滑模運(yùn)動階段的抖振,文獻(xiàn)[5]提出了趨近律方法,其中,等速趨近律、指數(shù)趨近律和冪次趨近律存在一定程度的缺陷.因此,文獻(xiàn)[6]提出了一種快速收斂的雙冪次趨近律,綜合了指數(shù)趨近律和冪次趨近律的優(yōu)點(diǎn),該方法消除了抖振,加快了遠(yuǎn)離滑模面時的趨近速度.
另一方面,在很多伺服系統(tǒng)中,未來一段時間的目標(biāo)參考或干擾信號是可預(yù)見的.預(yù)見控制正是一種利用系統(tǒng)已知參考目標(biāo)或干擾信號的未來信息,以改善系統(tǒng)動態(tài)響應(yīng)、抑制外界擾動、提高系統(tǒng)跟蹤精度的控制方法[7–8],近年來,預(yù)見控制已經(jīng)廣泛應(yīng)用于自動駕駛、航天飛行器、機(jī)器人等伺服領(lǐng)域[9–11].從實(shí)用角度來看,數(shù)字預(yù)見控制更易于實(shí)現(xiàn).考慮到連續(xù)系統(tǒng)和離散系統(tǒng)的穩(wěn)定性條件差異,對連續(xù)系統(tǒng)的預(yù)見控制研究仍有必要.
連續(xù)系統(tǒng)的預(yù)見控制問題是基于最優(yōu)控制,從而研究非自治系統(tǒng)的穩(wěn)定性問題.基于預(yù)見控制思想,文獻(xiàn)[12]提出了基于線性連續(xù)時滯系統(tǒng),并能在有限時間內(nèi)有界跟蹤的一類控制問題.針對一類參數(shù)變化的線性系統(tǒng),文獻(xiàn)[13]提出了一種基于降階估計的容錯預(yù)見控制的設(shè)計方法.在此基礎(chǔ)上,文獻(xiàn)[14]基于重復(fù)控制的設(shè)計方法,通過構(gòu)造增廣系統(tǒng),設(shè)計了線性連續(xù)系統(tǒng)的基本型預(yù)見重復(fù)控制器.文獻(xiàn)[15]進(jìn)一步將結(jié)果推廣至線性連續(xù)時滯系統(tǒng).
基于預(yù)見補(bǔ)償?shù)幕？刂撇坏苡行Э朔到y(tǒng)的不確定性,而且能提高控制系統(tǒng)跟蹤精度,具有較強(qiáng)的魯棒性.文獻(xiàn)[16]針對船舶自動操縱系統(tǒng)設(shè)計了自適應(yīng)滑模預(yù)見控制器,減小了傳統(tǒng)滑?？刂浦械臅簯B(tài)超調(diào),保持了不確定船舶動態(tài)系統(tǒng)的控制性能.對于智能電動汽車的目標(biāo)路徑的精確跟蹤問題,文獻(xiàn)[17]提出了一種基于滑?？刂频念A(yù)見控制器的設(shè)計方法,提高了識別精度,且可以更好的跟蹤所需軌跡.文獻(xiàn)[18]提出了最優(yōu)積分滑模預(yù)見控制器的設(shè)計方法,并采用積分滑模控制對最優(yōu)預(yù)見控制器進(jìn)行魯棒控制.文獻(xiàn)[19]針對一類連續(xù)時間線性系統(tǒng),設(shè)計了具有預(yù)見補(bǔ)償?shù)幕？刂破?保證了系統(tǒng)的魯棒性.需要指出的是,針對不確定非線性連續(xù)系統(tǒng)的預(yù)見控制器設(shè)計問題,其相關(guān)報道在國內(nèi)外都較少見.
受以上文獻(xiàn)的啟發(fā),本文針對一類不確定非線性系統(tǒng),研究基于預(yù)見與比例–積分(proportional-integral,PI)補(bǔ)償?shù)聂敯艋？刂圃O(shè)計問題.本文主要貢獻(xiàn)如下: 1)針對不確定非線性被控對象,提出了一種具有預(yù)見與PI補(bǔ)償?shù)幕？刂葡到y(tǒng)結(jié)構(gòu),并將控制器的設(shè)計問題轉(zhuǎn)化為一類增廣系統(tǒng)的穩(wěn)定性問題;2)基于最優(yōu)控制理論,設(shè)計標(biāo)稱增廣系統(tǒng)的最優(yōu)預(yù)見PI控制器.針對不確定增廣系統(tǒng),采用變結(jié)構(gòu)控制思想,設(shè)計了積分滑模預(yù)見控制器;3)通過選擇合適的PI控制器增益,所設(shè)計的集成控制器包含了已有文獻(xiàn)的結(jié)果.
2 問題描述
考慮如下的非線性系統(tǒng):
其中:x(t)∈Rn,u(t)∈Rm,y(t)∈Rq,d(x(t),t)∈Rp分別為系統(tǒng)的狀態(tài)、控制輸入、系統(tǒng)輸出和外部干擾.A,B,C,D是具有合適維數(shù)的常數(shù)矩陣,?A和?B是不確定性矩陣.
對被控系統(tǒng)(1)及給定參考輸入信號r(t)作如下假設(shè).
假設(shè)1矩陣(A,B)可控,(A,C)可觀.
假設(shè)2參考輸入信號r(t)∈Rq是分段連續(xù)可微函數(shù),其可預(yù)見步長為lr,即在t≤θ≤t+lr的任意時間θ,r(θ)已知.
假設(shè)3不確定性矩陣?A,?B和外部干擾d(x,t)滿足匹配條件
根據(jù)假設(shè)3,系統(tǒng)(1)可以寫成
本文提出的控制系統(tǒng)結(jié)構(gòu)框圖如圖1所示,其中CR為PI控制器,NL(t)為預(yù)見控制器,CSMC為滑?？刂破?控制對象如系統(tǒng)(1)所示.本文的目的是設(shè)計一種具有預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂破鱱(t),使閉環(huán)系統(tǒng)(1)的輸出y(t)在穩(wěn)定狀態(tài)下,無靜態(tài)誤差的跟蹤參考輸入r(t),即
圖1 具有預(yù)見與PI補(bǔ)償?shù)幕？刂葡到y(tǒng)框圖Fig.1 Block diagram of sliding mode control system with preview and PI compensation
且性能指標(biāo)函數(shù)(4)具有最小值,
其中:Qe∈Rq×q,R∈Rm×m為對稱正定矩陣.
注1類似文獻(xiàn)[20–21],控制系統(tǒng)前饋通道引入PI控制器以減小閉環(huán)系統(tǒng)的穩(wěn)態(tài)誤差.此外,為進(jìn)一步提高系統(tǒng)的跟蹤性能,前饋通道還引入了預(yù)見補(bǔ)償.這是本文主要創(chuàng)新之一.
3 控制器設(shè)計
圖1中,PI控制器的時域形式為
其中kp,ki為PI控制器增益.
構(gòu)造如下增廣狀態(tài)向量z(t):
結(jié)合式(2)和式(5),可得
3.1 最優(yōu)預(yù)見PI控制器設(shè)計
本節(jié)針對標(biāo)稱系統(tǒng),基于最優(yōu)控制原理,設(shè)計一個最優(yōu)預(yù)見PI控制器.為此,令(t)=0,系統(tǒng)(7)可簡化為
針對系統(tǒng)(8),構(gòu)造如下性能指標(biāo)函數(shù):
為了得到控制系統(tǒng)最優(yōu)預(yù)見PI控制器存在的必要條件和系統(tǒng)的相關(guān)參數(shù),給出如下引理.
且K=[KxKeKv]是如下代數(shù)黎卡提方程(algebraic riccati equation,ARE)的解:
證根據(jù)最優(yōu)控制理論,定義Hamilton函數(shù)
其中λ(t)是伴隨向量.由最優(yōu)控制極小值原理,有
由此可知系統(tǒng)的最優(yōu)控制律為
閉環(huán)系統(tǒng)動態(tài)方程為
其中K(t),g(t)滿足
對于線性定常系統(tǒng),λ(t)與z(t)之間滿足如下關(guān)系:
由式(14)–(17),可知
對于t∈[t,tα],對式(19)求解并積分,有
聯(lián)立式(13)(15)(20)可得
其中K=[KxKeKv].
在[-L,t](L>lr)上對式(21)積分,并注意到對于t≤0有x(t)=0,u(t)=0,r(t)=0,由此可得
證畢.
注2注意到預(yù)見項(xiàng)f(t)中,矩陣Hurwitz穩(wěn)定,從而f(t)單調(diào)遞減.可見,隨著預(yù)見步長的增加預(yù)見信息逐步減弱.對于預(yù)見步長的選取,可通過性能指標(biāo)函數(shù)值J的衰減變化閾值得到控制器合適的預(yù)見步長[21].此外,性能指標(biāo)中的權(quán)重矩陣主要通過試湊法進(jìn)行選取.在最近的研究中,已經(jīng)提出了各種優(yōu)化算法,來解決線性二次型調(diào)節(jié)器(linear quadratic regulator,LQR)問題權(quán)重矩陣的選擇這個問題.例如基于動態(tài)矩陣控制算法的LQR[22]和基于粒子群算法的LQR[23].
3.2 滑模控制器設(shè)計
本節(jié)針對不確定系統(tǒng)(1),引入積分滑模面,設(shè)計一種具有魯棒性能的預(yù)見控制器.
針對增廣系統(tǒng)(7),構(gòu)造如下積分滑模面:
其中:u0如式(22)所示,為常數(shù)矩陣且滿足條件G非奇異.
注3類似文獻(xiàn)[24],滑模面(25)包含了控制輸入的導(dǎo)數(shù).該滑模面獲得的等效控制輸入一方面可補(bǔ)償匹配的不確定性;另一方面,可確保穩(wěn)定狀態(tài).因此,該滑模面是最優(yōu)的.
當(dāng)系統(tǒng)進(jìn)入滑動模態(tài)后,滿足s(t)=0,(t)=0.因此
由式(24)可得滑模等效控制律為
將式(25)代入增廣系統(tǒng)(7),并利用式(14),可得滑動模態(tài)方程為
對比系統(tǒng)(26)和系統(tǒng)(15)可以看出,不確定系統(tǒng)的滑動模態(tài)方程和標(biāo)稱系統(tǒng)的最優(yōu)閉環(huán)系統(tǒng)動態(tài)方程完全一致.因此,系統(tǒng)(26)所描述的滑動運(yùn)動系統(tǒng)漸近穩(wěn)定,且滑模面(23)對系統(tǒng)不確定性和外界干擾具有魯棒性,是魯棒最優(yōu)滑模面.
本文考慮如下雙冪次滑模趨近律[25],通過調(diào)整趨近律的參數(shù),來減弱抖振:
式中:α>1,0<β<1,ε1>ω>0,ε2>0.
在雙冪次趨近律(27)中,當(dāng)系統(tǒng)遠(yuǎn)離滑動模態(tài)時,-ε1|s(t)|αsgns(t)起到主要作用;當(dāng)系統(tǒng)靠近滑動模態(tài)時,-ε2|s(t)|βsgns(t)起到主要作用.因此,雙冪次趨近律不僅可以有效的消除抖振,而且具有較快的收斂速度.
定理1對于不確定系統(tǒng)(1),對給定的PI控制增益,圖1所示的控制系統(tǒng)的最優(yōu)預(yù)見PI滑?？刂破鳛?/p>
Fx,Fe,Fv由引理3給出,
證選擇李雅普諾夫函數(shù)
根據(jù)滑模可達(dá)性,結(jié)合趨近律(27),可知
由此可得
因此,滑動模態(tài)在有限時間內(nèi)能到達(dá)平衡零點(diǎn).
滑?？刂破鞯木€性部分如式(10)所示.對于積分滑模面(23)和雙冪次趨近律(27),可得控制器中非線性部分
綜合式(10)和式(31),即可得最優(yōu)預(yù)見PI滑?？刂破?28).證畢.
注4具有預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂破?30)由5部分組成: 第1部分是狀態(tài)反饋控制器,用來提高每個周期內(nèi)系統(tǒng)的穩(wěn)定性;第2部分是PI控制器,用來改善控制系統(tǒng)的穩(wěn)態(tài)性能;第3部分是誤差積分補(bǔ)償器,用于消除靜態(tài)誤差;第4部分是預(yù)見補(bǔ)償控制器,以提高閉環(huán)系統(tǒng)的跟蹤性能.第5部分是滑?？刂破?用來調(diào)節(jié)系統(tǒng)的魯棒性.
另一方,根據(jù)帕德近似[26],易知
為方便計算,取近似值
近似等效[27–28].式(36)的時域形式為
其中:e(t)為控制系統(tǒng)的跟蹤誤差;L為時滯環(huán)節(jié)的延遲時間,其周期與參考輸入信號r(t)一致[28].
由上述分析并結(jié)合定理1,有如下推論.
推論1對于不確定系統(tǒng)(1),圖2所示的控制系統(tǒng)在最優(yōu)滑模預(yù)見重復(fù)控制器
圖2 滑模預(yù)見重復(fù)控制系統(tǒng)框圖Fig.2 Block diagram of sliding mode preview repetitive control system
的作用下,跟蹤誤差魯棒漸近穩(wěn)定,其中:
Fx,Fe,Fv,f(t),u1(t)由引理3給出,v(t)如式(37)所示.
4 數(shù)值仿真
設(shè)線性不確定系統(tǒng)(1)具有以下參數(shù):
外部非線性干擾信號和參考輸入信號r(t)為
經(jīng)過反復(fù)對比測試,性能指標(biāo)函數(shù)(9)的權(quán)重矩陣取為
時,系統(tǒng)輸出響應(yīng)具有較小的超調(diào)量和較快的響應(yīng)速度.
應(yīng)用定理1,利用MATLAB求解,可求得如下控制器增益:
參考輸入信號r(t)的周期L=10,因此,令PI控制器的增益為
通過二次型性能指標(biāo)最優(yōu)法[5],積分滑模面參數(shù)可設(shè)計為
為了說明預(yù)見步長對系統(tǒng)輸出的影響,系統(tǒng)仿真結(jié)果如圖3–4所示.不同的預(yù)見步長下的閉環(huán)系統(tǒng)跟蹤誤差的最大峰值如表1所示.不同預(yù)見步長時,y(t)都能精準(zhǔn)的跟蹤r(t),當(dāng)預(yù)見步長變長,超調(diào)量減小,此時,y(t)能更精準(zhǔn)的跟蹤r(t).值得注意的是,在預(yù)見步長達(dá)到某個閾值后,預(yù)見補(bǔ)償影響甚微.這與文獻(xiàn)[7]中的結(jié)論一致.
表1 系統(tǒng)跟蹤誤差Table 1 System tracking error
圖3 不同預(yù)見步長下系統(tǒng)輸出響應(yīng)Fig.3 System output responses with different preview steps
圖4 不同預(yù)見步長下跟蹤誤差Fig.4 Tracking errors with different preview steps
為說明本文所提控制方法的有效性,將其與文獻(xiàn)[20]提的基于PI+等價輸入干擾(equivalent-input-disturbance,EID)控制方法進(jìn)行對比.仿真結(jié)果如圖5–6所示,系統(tǒng)跟蹤誤差的最大峰值如表1所示.由仿真結(jié)果可見,本文所提控制方法具有更優(yōu)的跟蹤性能.
圖5 不同控制方法下系統(tǒng)輸出響應(yīng)Fig.5 System output responses with different control methods
圖6 不同控制方法下跟蹤誤差Fig.6 Tracking errors with different control methods
為了說明不同滑模趨近律對系統(tǒng)的影響,給定預(yù)見步長lr=0.15,分別對以下3種不同的趨近律:
所設(shè)計的預(yù)見滑模控制器進(jìn)行對比.仿真結(jié)果如圖7–8所示.系統(tǒng)跟蹤誤差的最大峰值如表2所示.
表2 不同滑模趨近律下的系統(tǒng)跟蹤誤差Table 2 Tracking errors with different sliding mode
圖7 同滑模趨近律下系統(tǒng)輸出響應(yīng)Fig.7 System output responses with different sliding mode reaching laws
由圖7–8可知: 指數(shù)趨近律由于含有常數(shù)項(xiàng),在遠(yuǎn)離滑動模態(tài)階段收斂速度過小,導(dǎo)致收斂時間過長;冪次趨近律盡管收斂速度高于指數(shù)趨近律,但效果不明顯;雙冪次趨近律收斂速度明顯高于指數(shù)趨近律和冪次趨近律,具有更好的運(yùn)動品質(zhì).圖8為跟蹤誤差的動態(tài)收斂過程,表明滑模變結(jié)構(gòu)控制可以保證系統(tǒng)的穩(wěn)態(tài)性、魯棒性.
圖8 不同滑模趨近律下跟蹤誤差Fig.8 Tracking errors with different sliding mode reaching laws
5 結(jié)論
本文針對一類匹配不確定非線性連續(xù)時間系統(tǒng),研究了一種基于預(yù)見與PI補(bǔ)償?shù)聂敯艋？刂圃O(shè)計方法.通過構(gòu)造一個包含可預(yù)見的目標(biāo)信號的不確定增廣系統(tǒng),根據(jù)最優(yōu)控制理論和積分滑?？刂坪妥顑?yōu)預(yù)見PI控制方法,設(shè)計不確定增廣系統(tǒng)的基于積分滑模控制和最優(yōu)預(yù)見PI 控制的集成控制器.如何進(jìn)一步優(yōu)化控制器參數(shù),并對于不確定非線性時滯系統(tǒng),設(shè)計一種基于高階滑模的預(yù)見控制器,將是進(jìn)一步研究的難點(diǎn).
猜你喜歡
工業(yè)設(shè)計(2022年8期)2022-09-09 07:43:20
軍民兩用技術(shù)與產(chǎn)品(2021年10期)2021-03-16 06:05:30
北京測繪(2020年12期)2020-12-29 01:33:58
藝術(shù)啟蒙(2018年7期)2018-08-23 09:14:18
家庭影院技術(shù)(2017年9期)2017-09-26 03:41:45
海峽姐妹(2017年7期)2017-07-31 19:08:17
Coco薇(2017年5期)2017-06-05 08:53:16
湖北經(jīng)濟(jì)學(xué)院學(xué)報·人文社科版(2015年8期)2015-12-29 05:53:07
上海電機(jī)學(xué)院學(xué)報(2015年4期)2015-02-28 14:30:00
計算物理(2014年2期)2014-03-11 17:01:39
