第8章-自校正控制(二)综述

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第8章 自校正控制（二）,8.1 极点配置自校正控制（PPC）,8.1.1,模型参数已知,时的极点配置算法,设被控对象的一般模型为：,控制律的一般形式为：,程序,ex8_PPC.m,8.1.2 极点配置自校正器,下面给出用参数估计方法解恒等式的极点配置自校正调节器的整个计算过程。,获得,N,0,=max(,n,A,n,B,+,m,)个时刻的输入、输,出数据并滤波：,产生伪随机数,e,w,(,k,)，存入,e,w,数据区，并,按式(11.1.18)构造向量 。,用递推最小二乘公式(11.1.19)和(11.1.20)估计调节器参数(11.1.17)。,计算控制量,u,(,k,)及滤波值,u,(,k,)：,分别填入,u,、,u,数据区，输出,u,(,k,)。,下一个时刻到转第步。,程序,ex8_PPSTC_Direct.m,程序,ex8_PPSTC_Indirect.m,按偏差的比例、积分和微分进行控制的调节器简称为,PID,调节器，是在连续系统中技术最为成熟，应用最为广泛的一种调节器。,PID,调节器结构简单、参数易于调整，当被控对象精确数学模型难以建立、系统的参数又经常发生变化时，应用,PID,控制技术，在线整定最为方便。,在计算机进入控制领域后，用计算机实现数字,PID,算法代替了模拟,PID,调节器。,PID,控制器是一种线性控制器；,根据对象的特性和控制要求，可灵活地改变其结构。,模拟PID控制,当采样周期足够小时,，在模拟调节器的基础上，通过数值逼近的方法，用求和代替积分、用后向差分代替微分，使模拟PID离散化变为差分方程。,可作如下近似：,8.2 自校正PID控制,8.2.1 概述,常规连续PID控制的理想化方程为：,数字PID控制的位置型算式：,数字PID控制的增量型算式：,（a）位置型,（b） 增量型,两种标准PID控制算法比较,算法比较,：,（1）,增量型,算法不需要做累加，计算误差或计算精度问题，对控制量的计算影响较小。而位置型算法要用到过去误差的所有累加值，容易产生大的累加误差。,（2）,增量型,算法得出的是控制量的增量，误动作影响小，而位置型算法的输出是控制量的全量输出，误动作影响大。,（3）采用,增量型,算法，由于算式中不出现 项，则易于实现手动到自动的无冲击切换。,程序,ex8_PID.m,8.2.2 极点配置自校正PID控制,（基于闭环特征参数的极点配置自校正PID）,被控过程的数学表达式为：,反馈控制律：,标准增量式PID控制器,使微分项和比例项只对输出,y,有效的增量式PID控制器,考虑上一时刻控制增量,u,(,k,-1)的影响，使控制量更加平缓的增量式PID控制器,当被控对象模型未知时，通过估计被控对象模型参数，即可获得自校正极点配置PID控制器。其步骤为：,(a)递推估计被控过程模型参数,(b)用 替代恒等式(11.2.14)中的,A,(,q,-1,)和,B,(,q,-1,)，令恒等式(11.2.14)两边,q,-1,同次幂系数相等，解得,(c)用 代替式(11.2.11) PID控制器中的,K,p,K,i,和,K,d,，计算控制量并输出；,(d)返回(a)，继续下一采样周期，直到结束。,为常值干扰,取幅值为10的方波信号,程序,ex8_PID_PPC.m,程序,ex8_PID_STC_Indirect.m,模型预测控制（MPC）,预测模型,滚动优化,反馈校正,预测模型,滚动优化,反馈校正,8.3.4 广义预测控制（GPC）,8.4 广义预测控制,8.4.1 广义预测控制的基本设计过程,(1)CARMA模型,考虑两个,Diophantine方程,图8.4.1 广义预测控制,广义预测控制考虑目标函数,8.4.2 控制范围的改进,8.4.3 控制器参数的选择,m,N,Nu,自适应广义预测控制的计算步骤归纳为：,设定,N,N,u,m,n,q,n,b,遗忘因子；,各参数置初值；,参数估计得,A,(,q,-1,)，,B,(,q,-1,)；,递推求解Diophantine方程得,E,j,(,q,-1,),F,j,(,q,-1,)；,计算设定值向量,W,；,递推求解,H,j,(,q,-1,)，计算向量,f,；,计算,计算,等待下一采样时刻，重复(3)(9)，直到结束。,程序,ex8_GPC_Iden.m,程序,ex8_GPC_NoIden.m,为方差为0.01的白噪声,取幅值为10的方波信号,