自适应控制理论（精选12篇）
自适应控制理论 篇1
0 引 言
电视机语音控制系统是为了将语音识别技术推向实际应用的一个研究项目。该系统的设想是使用嵌入式技术将语音识别集成到电视机中, 通过内置的传声器采集用户的语音指令, 经过降噪处理, 对其内容进行识别。若判断为合法的语音指令, 则系统控制电视机完成相应的处理, 如开机关机、频道切换、视频转换、音量控制等。
进一步讲, 电视机仅是一个应用实例, 还可以让空调、洗衣机、触摸屏设备等都具有“听懂”语音指令的能力。这样人们可以用最自然的方式将意图直接“告诉”机器, 不必为遥控器电池没电或控制面板按钮失灵等问题烦恼, 也不必担心直接接触可能带来的健康 (如传染病菌) 或安全 (如触电) 等问题。
对于语音识别技术本身来说, 虽然小词汇量的语音识别已经可以达到很高的识别率, 但以往的研究大多局限于实验室或其他噪声强度不是很大的环境。在电视机语音控制系统的研究过程中, 由于电视节目的声音干扰可能非常严重, 所以解决语音识别对噪声的鲁棒性就成了不可回避的问题。如果设计方案能很好地消除噪音干扰, 使识别器识别的语音接近于训练的“纯净”语音, 那就可以在这种强噪声干扰下达到很高的识别率。推动语音识别技术走向实用化是十分有意义的研究方向。
1 问题分析
首先简单介绍电视机语音控制系统, 如图1所示, 系统在电视机内部增加了一个内置的传声器和语音控制模块。用户在电视机前发出语音指令 (如“切换到频道”) , 系统用传声器接收该指令, 然后完成识别、处理等任务。从图1中还可以看出, 除了用户的语音指令外, 还存在电视机节目的声音、周围环境的噪声 (如空调、风扇等的噪音) 、以及由于空间的反射造成的回声 (用折线表示) 等。这些声音同时被传声器采集进来, 形成了系统需要处理和识别的带噪语音。
针对该系统的实现, 进行了如下简单分析:
(1) 由于传声器是内制的, 相对与人的距离来说, 传声器与扬声器的距离更近。另外, 用户可能把音量开得很大。这都会造成传声器采集信号的信噪比较低, 所以系统必须有很好的噪声抵消能力。
(2) 扬声器播放的电视节目声音包括语音、音乐等等, 类型非常多, 而且大部分是非平稳的。这就要求系统必须能很好地处理这些非平稳噪声。
(3) 除了电视节目声音外, 其他噪声 (如计算机风扇、空调等噪声) 也可能被传声器采集进来, 系统还必须能很好地识别这些噪声。
(4) 如果房间的反射比较强, 声音可能经过多次反射到达传声器。这种长的回波路径可能会造成计算的负担 (如增大自适应滤波器的长度等) , 特别是在嵌入式应用环境下。
(5) 在电视机存在节目声音 (较强) 的情况下, 用户的指令音可能出现谱结构和时长的改变 (即Lombard效应) , 造成识别和训练不匹配。
(6) 电视机可能不只有一个扬声器 (比如立体声的情况) , 甚至可能外接多个音箱。
(7) 消噪的残余噪声、外界环境噪声 (包括电话铃声、开关门之类的突发噪声) 、用户的讲话声、笑声等都可能被误识为语音指令。系统必须对非语音指令有较好的拒识能力。另外, 无论是多次的误动作 (识别错误) , 还是多次的不响应 (拒识错误) , 都会引起用户的反感, 导致该技术难以实用化。
总之, 电视机语音控制是个要求比较高, 实现难度比较大的系统。但是通过采用合适的方案和增加一些限制条件是可以初步实现的, 况且解决这些问题本身对语音技术的实用化和推广都有很大的研究意义。把研究限定在用户与电视机的距离比较近, 且为单扬声器的条件下, 这对于一些小型电视机来说是可能的。另外, 暂时认为应用环境中没有很强的突发噪声。
2 自适应滤波概述及应用现状
自适应信号处理是信号与信息处理学科一个新的重要分支, 自适应滤波理论和技术是统计信号处理的重要组成部分[1,2,3]。
自适应滤波器的应用范围很广, 主要有四个方面:自适应系统模拟和辨识、信道均衡、自适应干扰抵消和自适应预测[4]。
自适应干扰抵消器的实际中应用最为广泛, 其干扰抵消原理如图2所示。其中:S (n) 是有用信号;N1 (n) 是干扰;N2 (n) 是与N1 (n) 相关的干扰;y (n) 是经自适应滤波后得到的对N1 (n) 的最佳估计;误差e (n) 即是对有用信号的最佳估计。
3 建立模型
回声消除的基本原理[5,6]是采用一个自适应滤波器模拟回声路径。通过调整自适应滤波器预测的回声路径, 使其冲激响应与实际回声路径相逼近, 从而得到回声预测信号, 再将预测信号从话筒 (近端) 采集的语音信号中减去, 即可实现回声消除。由于回声是一个连续缓变量, 所以根据上一次误差调整系数来进行下一次回声估计的方法, 可以达到尽量使估计值接近实际回声值的效果。
本文的工作重点主要是建立模型。传声器在采集用户的语音指令的同时, 也采集电视机节目的声音信号 (下面提到时叫做噪声) 。为了消除噪声, 可以采集噪声经过房屋反射后的信号 (也就是回声) 。噪声经过房屋的反射后, 也就是信号被延迟了。可以认为, 噪声经过一个滤波器。那么只要把传声器采集到的回声信号作为自适应滤波器的期望响应信号, 将噪声信号作为自适应滤波器的输入信号, 那么通过自适应过程, 就能使自适应滤波器的输出趋于噪声经过房屋反射后的信号, 这时自适应滤波器的系数便模拟出了回波路径。由于自适应滤波器的输出趋于噪声经过房屋反射后的信号, 把这两个信号相减, 就可以消除语音指令中的噪声信号, 进而可以得到纯净的语音指令信号。在实际中不知道特定房间的回波路径, 回波路径对应滤波器的系数, 但在试验中为了验证自适应滤波器的效果, 可以把房间当作一个回波路径已知的滤波器, 最后把得到的自适应滤波器的系数与给定的固定系数滤波器的系数相比较, 从而可以验证结果是否正确。如果自适应滤波器的阶数和给定滤波器的阶数相同, 那么滤波系数应该很接近。而在真实的房间环境中, 由于不知道特定房间的回波路径, 只要得到近似的结果就可以。至于选用自适应滤波器的目的很明显, 当该系统放在不同的房间时, 或者改变房间的布局时, 也就需要自适应滤波器。
回声抵消器的基本思想是利用输入语音信号x (n) 和自适应滤波器的系数W (n) 产生一个与真实回声 (未知系统的输出期望信号) d (n) 近似的回声估计信号y (n) (也就是自适应滤波器的输出) ;然后从d (n) 中减去y (n) , 进而产生传往本地的输出信号e (n) 。若自适应滤波器系数W (n) 与回声路径h (n) 精确匹配, 回声估计信号y (n) 就是回声信号d (n) 的精确估计。这样, x (n) 产生的回声就能被回声估计信号y (n) 完全抵消, 从而对语音命令不产生影响。由此, 可以简单地认为自适应回声抵消器的基本原理就是用自适应滤波器的系数W (n) 来建模回声路径h (n) 。这里用到了自适应系统辨识的知识。建立的模型如图3所示。
4 结 语
建立了电视机语音控制系统的模型, 利用回声抵消来消除噪声信号。它涉及到模型识别和噪声抵消方面的知识。这里所建立的模型是后续工作的研究对象。电视机语音控制系统是为了将语音识别技术推向实际应用的一个研究项目, 对于推动语音识别技术走向实用化是十分有意义的研究方向。在此选取的实际模型具有很好的应用价值, 给出了自适应滤波器在实际应用中的具体实例。
摘要：电视机语音控制系统的建立是为了将语音识别技术推向实际应用的一个研究项目。首先介绍电视机语音控制系统, 接着给出自适应滤波器的介绍以及应用范围。主要采用回声抵消理论, 并最终结合电视机语言控制系统得到电视机语音控制系统的模型。选取的实际模型具有很好的应用价值, 给出了自适应滤波器在实际应用中的具体实例, 对于推动语音识别技术走向实用化是十分有意义的研究方向。
关键词：电视机,语音控制,建模,自适应滤波,噪声
参考文献
[1]程佩清.数字信号处理教程[M].北京:清华大学出版社, 1995.
[2]Simon Haykin.自适应滤波器原理[M].4版.郑宝玉, 译.北京:电子工业出版社, 2003.
[3]李国峰.数字通信中自适应滤波器的研究[D].天津:南开大学, 2002.
[4]邹燕碧, 高鹰.自适应滤波算法综述[J].广州大学学报:自然科学版, 2002 (2) :44-50.
[5]赵力.语音信号处理[M].北京:机械工业出版社, 2003.
[6]姚天任.数字语音处理[M].武汉:华中科技大学出版社, 1992.
[7]邹国良.自适应滤波理论及应用[M].石家庄:河北大学出版社, 1997.
[8]胡广书.数字信号处理——理论、算法与实现[M].北京:清华大学出版社, 1997.
[9]葛良, 陶智.基于自适应滤波的语音增强算法[J].苏州大学学报:工学版, 2002 (4) :23-25.
[10]沈福民.自适应信号处理[M].西安:西安电子科技大学出版社, 2000.
自适应控制理论 篇2
自适应模糊-滑模控制在重构飞行控制中的应用
论述了综合运用非线性动态逆、自适应模糊系统和滑模控制的优点进行飞行控制律设计的方法.运用非线性动态逆理论对非线性系统进行近似线性化,用模糊自适应系统来抵消近似非线性逆带来的误差,最终的残差由滑模控制项补偿.根据李亚普诺夫稳定性理论推导了自适应系统权值的调整规律,从而保证了闭环系统的稳定性.将此方法应用于带推力矢量飞机重构飞行控制,对两类故障的仿真结果表明:即使系统未检测到故障,在较大的.舵面损伤情况下,飞控系统性能仍能得到很好的保持.
作 者：胡孟权 王建培 作者单位：西北工业大学,365所,陕西,西安,710072刊 名：航空学报 ISTIC EI PKU英文刊名：ACTA AERONAUTICA ET ASTRONAUTICA SINICA年，卷(期)：23(6)分类号：V249关键词：重构 非线性动态逆 自适应模糊系统 滑模控制 推力矢量
自适应控制理论 篇3
【关键词】无人飞行器 自适应控制 设计 实验
无人飞行器是目前较为先进的无人侦查设备之一，具有较好的机动性，体重较轻，能够高速飞行，适合未来战场上的侦查工作。目前世界上的飞行器主要以无人旋翼飞行器为主，其根据螺旋桨的个数或螺旋桨轴的个数进行分类，可以实现高难度的空中动作，如翻滚、直停、侧飞、垂直升降等，在继承直升机等机型优点的基础上，加入了一些更加先进的技术。
一、自适应飞行控制律的设计
（一）模型逆
自适应控制系统最早是被应用在航天航空领域，提出这一理念是因为当飞行设备在外部环境下进行飞行的过程中会遇到各类外界因素的影响。这些因素都会影响飞行装置的稳定性，对飞行器的飞行高度和速度造成一定的影响。目前想要获得无人旋翼飞行器的精确公式还有一定困难，通常情况下均是采用经验对相关数据进行估计，或实验中所得出的平均参数，因此这类计算方法存在一定的误差性。其误差可以用：来进行表示。其代表飞行器系统的实际动态情况和预估动态情况之间的差异，这种误差可以通过控制器逆误差来进行补偿。
（二）模型逆误差动态特性
以三轴无人飞行器为例，其控制回路的设计模型一般上是用二阶稳定模型来进行表示，其指令向量的公式为：。而飞行器在飞行过程中所收到的角加速度影响向量的公式则为：，用来表示神经网络中计算数据所需要的输出量，以此来对模型的逆差进行补偿。
由上图中可以看出，在对控制无人飞行器姿态的系统进行设计时，其模型逆控制器输出值的伪控制量一般利用：来表示，其中来表示，是模型的跟踪误差。代表无人飞行器控制器的输出，可以用来抵消模型所产生的误差。当无人飞行器控制器的输出量能够完全抵消掉误差，则上述公式即转化为无固定控制量的方程，其动态误差呈现收敛性，并且矩阵A对其起到了决定性的影响作用。如果可以有效保证、的正确性，则就会使无人飞行器整体系统趋于稳定，其所产生的误差就会缩小，并且误差趋势也会有所收敛。
（三）模型逆误差神经网络补償
神经网络是自适应系统中比较重要的组成部分，其使得自适应系统具备了自学习和自适应属性，因此，这一组成部分可以有效帮助整个系统对模型带来的误差进行补偿。以但隐层神经网络为例，以具体构成图如下：
在这一系统中，其隐含的层节点激活函数一般是以S型函数进行表达的，其具体可列为：。而输出层节点则与隐含层节点存在不同的表达方式，其主要是以线性函数进行表单，具体可以列为：
。其中代表输入层的节点数，代表隐含层的节点数，而则代表输出层的节点数，代表输入层的偏置量，而则表示隐含层的偏置量，表示隐含层的阈值，而则表示输出层的阈值。其中和均不能是负数。
为了保证系统在实际操作阶段不出现较大波动的变化，稳定操作量的输出，可以对神经网络输出值进行有效地计算，其是以增加高增益鲁棒项为标准的，具体为：，其中，。
（四）神经网络权系数自主学习的算法
神经网络的在线学习能力也是整个系统自适应的一种表现，其主要是由于非线性函数使得该系统能够无限接近自主学习特性。所有的参考模型信号有界，而神经网络的权系数计算公式则可以表示为：
二、无人旋翼飞行器控制系统实验
在控制系统设计并安装完毕后，需要对整个系统进行实际操作测试，如果条件允许的情况下可以先制作出样机进行测试；而如果条件不允许的情况下则可以利用Simulink工具对其进行仿真模拟测试。主要测试的项目包括无人旋翼飞行器的水平垂直升降的稳定性和控制器对其的操作性能，还要验证飞行器在飞行过程中悬停、侧飞、翻滚、复位等动作的稳定性和控制性的可操作性。利用计算机程序对飞行器飞行轨迹进行计算，分析其飞行姿态和动作轨迹是否能够与控制器保持一致。
无人旋翼飞行器是目前较为先进的飞行技术，其打破了传统飞行器设计理念，结合目前最为先进的科学技术，对未来飞行设备的发展有着巨大的影响。
参考文献：
【1】夏青元，徐锦法.变转速共轴旋翼载荷建模及实验验证[J].实验力学，2012.
自适应控制理论 篇4
关键词：导弹舵机,PID控制,自适应控制
0 引言
导弹舵机系统是制导控制系统的执行装置,其性能会对整个导弹系统的性能产生重要影响,尤其是防空导弹在攻击高速目标时,较长的舵机时间延迟会造成较大的脱靶量。传统的导弹舵机控制系统设计,一般是在给定的状态下,根据性能指标要求,将舵机系统看作是确定性系统,采用经典PID控制规律进行设计[1,2]。PID控制器设计方法比较成熟,控制器结构比较简单,在导弹飞行状态和工作环境变化不大的情况下通常都能够满足要求。但随着导弹的使用条件改变,例如当导弹在气温较低的北方使用时,舵机的电阻将发生较大的变化,原来设计的控制器将不能满足要求[3,4]。
为了适应舵机参数变化的影响,本研究设计基于超稳定理论模型参考自适应控制器[5],并利用仿真软件对舵机系统进行仿真分析。
1 导弹电动舵机模型
导弹电动舵机系统的组成包括:控制器、驱动器、伺服电机、减速传动机构和反馈电位器等部分[6],其组成图如图1所示。
电机的运动方程可以用以下几个方程来描述[7,8]:
电枢回路电压平衡方程:
电磁转矩方程:
电动机轴上的转矩平衡方程:
本研究设δ为舵偏角,δ与电机转角θ之间的关系为:
式中:ia—电枢中的电流;Ra—电枢电阻;La—电枢电感;Jm—电动机和负载折合到电机轴上的转动惯量;Mm、Mc—电机在电流作用下产生的电磁转矩和负载力矩;Ce,Cm—电动机系数。
由式(1～3)可得:
由于电枢电路电感La较小,通常忽略不计,分别用x1,x2替代δ,δ̇,可到舵机的动态方程为:
2 控制器设计
利用式(6),可以得到自适应控制对应的参考模型的状态方程为:
式中:Xm—n维状态向量,r—m维输入向量,Am—n×n矩阵,Bm—n×m矩阵。
控制对象的状态方程为:
式中:Xp—n维状态向量,u—m维输入向量,Ap(t)—n×n矩阵,Bp(t)—n×m矩阵。
舵机自适应控制系统的结构如图2所示。
被控对象的控制变量为:
将式(9)代入式(8),可得:
Xṗ=[Ap(t)+Bp(t)F(t)]Xp+Bp(t)K(t)r(10)根据波波夫超稳定性理论,要求前向反馈严格真
实,引入补偿V=DE自适应机构的输入[9]。
令:
由于F(t)、K(t)均是V,t函数,As(t)、Bs(t)可表示为As(V,t),Bs(V,t)。
本研究用Xs代替Xp,则式(10)可表示为:
自适应机构的调节规律为:
式中:Φ1,Φ2—n×n矩阵;ψ1,ψ2—n×m矩阵;As(V,t),Bs(V,t)—受工作环境影响变化参数,在自适应机构的工作下按自适应规律调节。
3 仿真分析
为了验证自适应控制算法的有效性,本研究以某型导弹舵机为例进行仿真分析,舵机的具体参数为:
本研究将上述参数代入到式(6)为舵机空载情况下的模型,将其作为自适应控制的参考控制模型。
本研究利用Matlab/Simulink搭建仿真舵机系统,其仿真结构图如图3所示[10]。
为了验证自适应控制器的优越性,本研究对系统分别采用传统PID控制器和自适应控制器两种控制方法进行仿真。
本研究将被控对象导弹舵机的电阻变为原来的10倍,获得在PID控制器和自适应控制器作用下舵机的响应曲线,如图4所示。
PID控制器与自适应控制器控制效果比较结果,如表1所示。
从图4可以看出,当舵机参数发生剧烈变化时,传统的PID控制方法不能满足系统的快速性要求,而自适应控制方法能够克服参数变化的影响,控制效果能够满足系统的快速性要求。
4 结束语
基于舵机的数学模型,本研究采用波波夫超稳定理论设计了模型参考自适应控制器,并采用Matlab/Simulink对舵机系统进行了仿真分析。仿真结果表明:自适应控制方法在舵机参数发生剧烈变化时,能够保证舵机工作的快速性和稳定性,解决了传统PID控制方法在控制对象参数发生变化后控制效果变差的问题,具有良好的控制效果;同时,该自适应控制方法能够使舵机适应各种复杂环境,具有较好的鲁棒性。
参考文献
[1]张元,周长省,郑健.改进型BP网络PID在电动舵机控制中的应用[J].弹箭与制导学报,2011,31(6):34-36.
[2]樊俊伟,李宝福,刘平芳.一种改进的自适应控制算法在可控径向油膜轴承中的应用[J].机械制造,2011,49(7):40-43.
[3]杨尧,王民钢,闫杰.一种数字电动舵机的非线性PID控制算法研究[J].西北工业大学学报,2010,28(3):323-325.
[4]崇阳,李言俊,张科,等.基于DSP的模糊PID舵机控制算法设计与实现[J].飞行力学,2011,29(2):86-88.
[5]潘松,黄卫清.基于超稳定性理论的位置伺服系统自适应控制[J].机械科学与技术,2011,30(1):98-100.
[6]摆玉龙,杨利君,柴乾隆.基于系统辨识的模型参考自适应控制[J].自动化与仪器仪表,2011(3):23-25.
[7]胡寿松.自动控制原理[M].4版.北京:科学技术出版社,2002.
[8]李言俊,张科.自适应控制理论及应用[M].西安:西北工业大学出版社,2000.
[9]高原,谷良贤.一种导弹电动舵机系统的自适应控制方法研究[J].测控技术,2007,26(11):33-35.
自适应控制理论 篇5
对自通应超静定桁架结构的强度控制问题进行了研究,把模型从单一工况推广到了多工况,实现了理论的`完整性.定义了结构工作状态系数,分析了作动器的联入对结构强度的影响,利用超静定桁架的耦合特性和作动器的调节功能,把强度控制问题转化为数学规划问题,方法简单有效.
作 者：隋允康 邵建义 作者单位：隋允康(北京工业大学机电学院,北京,100022)
邵建义(大连理工大学工程力学系,大连,116023)
自适应控制理论 篇6
摘要：针对三自由度直升机模型的稳定运行控制问题，根据各个自由度运动特性，采用牛顿力学原理，建立了直升机系统的数学模型.采用自适应神经模糊算法对模型进行控制，通过编写MATLAB的M文件和应用ANFIS工具箱结合simulink对控制效果进行仿真，得到仿真曲线，对比模型原厂自带PID控制器的控制效果，神经模糊控制俯仰轴调整时间缩短，超调降低，结果验证了自适应模糊神经算法在三自由度直升机模型的稳定运行控制问题上是有效可行的.
关键词：三自由度直升机；自适应模糊神经；极点配置：MATLAB； ANFIS工具箱
DOI： 10.15938/j.jhust.2015.02.007
中图分类号：TP273
文献标志码：A
文章编号：1007-2683（2015）02-0035-06
0 引 言
三自由度直升机模型是典型的非线性、强耦合、多输入多输出的复杂控制系统，是可以验证各种控制算法有效性的理想试验平台.直升机飞行控制系统的非线性、强耦合的特点和广阔的应用前景使得许多研究人员投入了大量的精力来研究这一控制系统.通过进行直升机系统的建模、设计、仿真与实验，不断提高直升机飞行器的控制性能，文建立了3-DOF直升机的神经网络模型，采川APC方法解决直升机的飞行姿态控制问题，义将二次型最优控制、滑模控制和遗传算法融合在控制系统中，使直升机系统得以稳定，国内高校对直升机控制问题关注较早的赵笑笑多次撰文研究直升机多种研究算法控制器的设计，均获得了不错的效果.
模糊控制系统与神经网络控制时，无需获得被控对象精确的数学模型.模糊控制系统凭人的经验知识进行控制，而神经网络则是通过样本学习，调整改变网络的连接权重达到控制目的，因此，把神经网络的学习机制引入模糊系统，使模糊系统具有自学习、自适应能力，而神经网络也能够利用已有的经验知识，既发挥二者的优点，又可弥补各自的不足.
本文采用由固高公司生产的三自由度直升机模型为研究对象，将现代控制理论中的极点配置控制应用于模型中，通过对直升机模型的运动原理进行数学描述，选取适当的状态变量获得状态空间模型，从而设计了极点配置控制器并进行了仿真，然后将极点配置控制的仿真结果作为训练数据，利用自适应神经模糊推理系统ANFIS的控制数据得到神经模糊控制器，对其控制效果进行仿真分析.
1 系统模型分析
三自由度直升机控制系统的工作原理如图1所示，上位机输出电压控制量经过运动控制卡驱动螺旋桨旋转，电压值的改变引起螺旋桨转速和方向的变化.位置编码器按照设定的采样周期将直升机当前状态传送给运动控制卡后传送到上位机，再根据设计的算法求出相应的控制量输送给电机.
三自由度直升机模型如图2所示，基于三自由度直升机系统的特点，忽略各个轴之间的耦合，系统分为三个轴分别建模.
1.1俯仰轴
基于三自由度直升机实验系统动态特性，俯仰运动简化模型如图3所示，
假定直升机初始位置是悬在空中并保持平衡状态，根据力学原理可得到下列等式：其中：Je是俯仰轴的转动惯量，V1和V2是两个电机的电压，由它们产生升力F1和F2；Kc代表螺旋桨的电机升力常数；l1.是支点到电机的距离；l2是支点到平衡块的距离；Tg是由俯仰轴的重力G产生的有效重力矩，是俯仰轴的俯仰加速度.
1.2横侧轴
横侧运动简化示意图如图4所示，
其动力学方程如下：其中：Jp代表横侧轴转动惯量；P为横侧轴运动方向的角加速度.
1.3旋转轴
旋转轴的简化示意图如图5所示.直升机旋转轴动力学的方程如下：
其中：r为旋转轴的旋转速度，单位rad/s；Jt是旋转轴的转动惯量，
俯仰轴状态变量选取x1=[εε]T，输入量为螺旋桨电机的电压和；横侧轴状态变量选取x2=[p，P]T输入量为螺旋桨电机的电压差；由于旋转轴的运动可以通过横侧轴来控制，因此在本文中不做单独状态反馈控制器的设计，仍采用原系统自带的PID控制器控制.其中：Je为俯仰轴转动惯量；Jp为横侧轴转动惯量；l1为螺旋桨到俯仰轴的距离；lp为螺旋桨到横侧轴的距离；Kc为电机力常数，
文对三自由度直升机模型的PID控制方法及参数渊节研究详细，在此不再详述，其PID控制仿真曲线如图6所示.
2 极点配置控制器设计及仿真
2.1 极点配置控制器设计
现代控制理论，经常采用的是状态反馈，所谓的状态反馈，就是把系统状态变量与对应的反馈系数相乘，然后反馈到输入端与参考输入相加形成控制律，作为受控系统的控制输入，即状态反馈M=一纸[吲.只要系统足能控的，通过这种方法，极点配置的线性状态反控制可以满足被控对象对于控制器的要求.
对于上述俯仰轴与横侧轴的状态空间模型通过计算，得到Tc=[B AB]满秩，即俯仰轴、横侧轴系统可控，闪此直升机模型俯仰轴和横侧轴可以分别设计极点配置控制器，
调用MATLAB控制系统命令step（A，B，C，D），可得到系统的单位阶跃响应曲线如图7所示.
由图可看出，未加控制器的系统很显然是发散的，不稳定的，
极点配置控制器设计时，期望极点的选择严重影响控制系统的性能.通过多次仿真试验，为获得较好控制效果，俯仰轴阻尼比ζ1=0.783，横侧轴阻尼比ζ2=0.477，Matlab运行后可确定期望的闭环极点：
wn=log（1/deta*sqrt（1-kosi.^2））1（kosi*t），
s=-kosi*wn+j*wn*sqrt（1-kosi.^2）.
运行结果俯仰轴Sl=-1.7186+1.3653i，横侧轴S2=-3.7829+6.9703i.
通过计算得到俯仰轴和横侧轴的状态反馈矩阵分别为Kl=[0.9996 0.5906]； K2=[0.9887 0.0604].
2.2仿真
在Simulink环境下进行极点配置仿真，各模块连接框图，如图8所示.
给定俯仰角角度为30°，旋转速度给定值为10rad/s，根据计算得出的反馈矩阵K搭建模型，利用状态方程的解随着时间的变化来观察状态变量的变化，仿真结果如图9所示，
由图9可知，俯仰角经过短时间调整后稳定于30°，跟踪效果良好，直升机旋转速度由0到给定值产牛一定的横侧角，随着旋转速度的增加，横侧角逐渐减小，旋转速度超调时，横侧角减小到负值，旋转速度完成跟踪后，横侧角稳定到0°.
3 自适应神经模糊控制
3.1 自适应神经模糊控制器设计
将通过极点配置控制得到的数据作为训练数据，输入隶属度函数个数为5，类型为钟形，输出类型为线性，训练次数为40次.可通过编辑M文件进行控制，采用genfsl（）函数自动生成Takagi-Sugeno型模糊推理系统，利用函数anfis（）训练白适应神经模糊系统；也可使用ANFIS工具箱进行控制.将神经模糊网络进行训练后导出，就可作为控制器对直升机模型进行控制，
以控制俯仰轴角度为例分别用M文件控制和ANFIS工具箱控制.
3.1.1 M文件
numpts= 68
data=E：
trndata= data（1：2：numpts，：）；%训练数据对集
chkdata=data（2：2：numpts，：）；%检验数据对集
%%采用genfisl（）函数直接由训练数据生成TS型模糊推理系统
numMfs=5；mfType='gbellmf'；
fisMat=genfisl（trnData， numMfs， mfType）；
%%根据给定训练数据训练自适应神经模糊系统
epochs=40；%训练次数为40
trnOpt=[epochs NaN NaN NaN NaN]；
disOpt=[]；
[Fis， error， stepsize， chkFis， chkEr]=anfis（trn-data， fisMat， trnOpt， disOpt， chkdata）；
%%计算训练后神经模糊系统的输出与训练数据的均方根误差trnRMSF
trnOutl=evalfis（trndata（：，1），Fis）；
trnOut2=evalfis（trndata（：，1），chkFis）；
trnRMSEJ=norm（trnOutl-trndata（：，2））/sqrt（length（trnOutl））；
trnRMSE2=norm（trnOut2-trndata（：，2））/sqrt（length（trnOut2））；
%%计算神经模糊推理系统的输出
anfis_y1=evalfis（x，Fis）；
anfis_v2=evalfis（x，chkFis）；
程序运行后绘制曲线如图10所示.
可知，经过训练后的隶属度函数产生了变化，训练后ANFIS的输出可以进行很好的跟踪拟合.
3.1.2
ANFIS工具箱
在ANFIS工具箱中，导人训练数据，输入隶属度函数个数为3，类型为钟形，输出类型为线性，训练次数为50次，进行训练，如图11所示.
将训练好的神经模糊网络导出，对三自由度直升机模型的俯仰轴进行控制，如图12所示.
3.2仿真
给定俯仰轴角度30°，仿真结果如图13所示，可知自适应神经模糊控制可实现直升机模型俯仰轴的稳定控制.
通过比较图13与图6（a），明显看出，自适应神经模糊控制调节时间为5s左右，而PID控制俯仰轴调节时间为16s，神经模糊控制俯仰轴达到稳定状态的时间明显优于PID控制器，同时，神经模糊控制曲线上来看几乎不存在超调量，而从PID控制曲线来看，明显存在超调量.通过以上比较可以得出自适应神经模糊控制方法效果更优.比较俯仰轴的自适应神经模糊控制与极点配置控制仿真效果，可以看出两种控制方法的控制效果基本一致，但是，极点配置控制需要依赖数学模型，而自适应神经模糊控制是一种智能的控制方法，仅需要经验控制数据，因此，自适应神经模糊控制对于基于数据的经验控制易于实现，具有一定的实际意义.
3 结 论
自适应控制理论 篇7
现代导弹在全程飞行中, 弹体动力学参数变化十分剧烈, 加之外界环境条件对导弹的各种随机干扰, 使得导弹使用传统反馈控制方法很难令飞行性能满足高精度制导要求。为了解决这种问题, 考虑利用现代控制理论重新设计导弹自动驾驶仪。由于模型参考自适应控制能够适应导弹飞行过程中动力学特性的变化, 文中运用该方法设计某型导弹的自动驾驶仪。
1 模型参考自适应控制系统
自适应控制是通过不断修正自己的特性以适应对象和扰动的动特性的变化。它的研究对象是具有一定程度不确定性的系统, 所谓“不确定性”是指描述被控对象及其环境的数学模型不能完全确定, 其中包含一些未知因素和随机因素。任何一个系统都具有不同程度的不确定性, 或者表现在系统内部, 或者是系统外部。作为系统内部, 描述被控对象的数学模型的结构和参数具有不确定性;作为系统外部, 扰动具有不可预测性。面对各种不确定性, 选择适当的控制作用, 使得某一指定的性能指标达到并保持最优或近似最优, 这就是自适应控制要解决的问题。
自适应控制系统的设计思想为:在控制系统运动过程中, 系统本身不断地测量被控系统的状态、性能或参数, 从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较, 进而做出决策, 来改变控制器的结构、参数或根据自适应的规律来改变控制作用, 以保证系统运行在某种意义下的最优或次优状态。一个自适应系统, 利用其中的可调系统的各种输入、状态和输出来量度某个性能指标, 将所测得的性能指标与规定的性能指标相比较, 然后由自适应机构来修正可调系统的参数或者产生一个辅助的输入信号, 以保证系统的性能指标接近于规定的指标。自适应控制由于其较强的适应能力, 在实际系统中得到了广泛的应用。
2 基于Lyapunov稳定理论的自适应控制器
Lyapunov稳定性理论是以李雅普洛夫直接法为基础, 分析和设计非线性系统的最重要工具。其基本思想是:为动态系统构造一个标量的“类能量”函数, 检查该标量函数随时间的变化, 通过这种方式, 能够得出该组微分方程稳定性的结论。
基于Lyapunov稳定性理论的MRAS设计原理是:在实际模型未知的情况下, 为了获取适当增益t0, s0的一个模型参考自适应系统, 从而引入误差e=y-ym, 为了使t0, s0等于它们的希望值, 必须使e趋于零。从而必须寻找合适的Lyapunov函数V (e, t0, s0) , 通过使负定, 使误差e趋于零Lyapunov稳定性理论是以李雅普洛夫直接法为基础, 分析和设计非线性系统的最重要工具。
其基本思想是:为动态系统构造一个标量的“类能量”函数, 检查该标量函数随时间的变化, 通过这种方式, 能够得出该组微分方程稳定性的结论。
3 模型参考自适应控制器的设计
实际的弹体是一个非线性时变的结构, 在导弹初步设计时, 我们没有必要、也没有可能使用复杂的弹体模型进行回路设计。大量实践表明, 在每个特征点使用简化的弹体模型进行回路设计, 就可取得良好效果。采用小扰动和参数固化假设, 相应的由舵偏角到攻角的俯仰回路弹体传递函数如下:
针对导弹舵偏角δz相对攻角α的线性传递函数来设计自适应控制器。设参考模型为:
模型参考自适应控制不同于一般的误差反馈控制系统, 它的控制信号由指令信号、控制量本身和输出量三部分组成。所以可能出现的情况为:虽然仍有输出误差, 但控制量本身已经达到了稳定值, 这样系统输出将存在静差。
在俯仰通道中, 舵偏角δz相对攻角α的线性传递函数是小扰动线性化后的结果, 即
但是在俯仰通道中, δz对α的关系不能时时满足这一关系。如当导弹平飞时, 平衡舵偏角δz产生α, 由此产生升力来平衡重力, 此时
所以, 直接将自适应控制器的控制量输入舵机产生舵偏角δz来控制α是不行的。本文采用的方法为利用自适应控制器的控制量控制α的动态过程, 而稳态过程由对应攻角的指令信号αc的稳态舵偏角up来控制。整个控制信号为
(1) 稳态控制量:
在计算平衡舵偏角时, 认为导弹的合力矩为零, 则对应攻角的指令信号αc的稳态控制量up为
(2) 自适应控制量
4 应用效果及分析
我们选取在某一特征点上传递函数的各个参数, 依此求出控制器参数。然后, 用以上所选取的控制器参数, 对其它不同特征点的线性模型进行仿真的结果。结果表明, 采用模型参考自适应方法的自动驾驶仪, 虽然被控对象传递函数的系数发生了很大变化, 但系统的输出情况良好, 说明了所设计的控制器具有很强的自适应性。
虽然自适应控制与常规控制一样, 也是一种基于数学模型的控制方法, 但是自适应控制所依据的关于模型和扰动的先验知识比较少, 需要在系统的运行过程中不断提取有关模型信息, 使模型逐渐完善, 也即是依据对象的输入输出数据, 不断地辨识模型的信息。通过这种在线辨识, 模型会越来越准确、接近于实际模型。
自适应变参数控制对于被控对象的不确定性和模型参数的变化均具有较强的鲁棒性, 即对导弹模型参数的变化具有不敏感性。运用自适应控制理论来设计导弹的自动驾驶仪系统, 对提高导弹的性能具有很大的帮助。
摘要：现代导弹在飞行过程中弹体参数变化剧烈, 使得传统的反馈控制很难满足控制性能要求。采用在经典控制系统的基础上引入自适应控制器的方法, 应用模型参考自适应理论中的李雅普诺夫第二法设计出的自适应自动驾驶仪, 结果表明能较好的改善控制品质。
关键词：导弹,模型参考自适应控制,自动驾驶仪
参考文献
[1]刘兴堂.应用自适应控制[M].西安:西北工业大学出版社, 2003.
[2]钱杏芳, 林瑞雄, 赵亚男.导弹飞行力学[M].北京:北京理工大学出版社, 2000.
[3]朗道I.D自适应控制:模型参考方法.[M].北京:国防工业出版社, 1985
自适应控制理论 篇8
一、CAT系统的特点和理论基础
计算机自适应考试与传统的纸笔型考试及普通的计算机考试系统不同，它不是向考生提供一套事先生成的试卷，而是在试题的难度和数量方面自动适应考生的具体情况，即在考试过程中不断地从题库中抽取与考生实际水平和能力相当的题目，智能组卷供考生答题并实时进行能力评估，直到满足测量精度要求为止。
计算机自适应考试的理论基础是项目反应理论(Item Response Theory，简称IRT)，该理论是针对经典测验理论(Classical Testing Theory，简称CTT)的不足而提出来的一种新的测验理论。CTT是一种以考试实得分数为前提条件的测试理论，即用被测试题目的答对率作为试题的难度参数，以真实分数方差与观察分数方差之比作为信度参数等，由于这些试题参数的确定严重依赖于被测试样本，因而具有较大的局限性。IRT以被测试者个体潜能通过试题作答反应的可测性、被试个体潜能与其试题上可见反应函数关系的基本一致性及试题参数线性变换下的不变性为理论假设，建立了多种以被试个体在既定试题上的作答反应参数来推断其潜在特性的IRT数学模型，如目前应用较多的三参数Logistic模型：
其中a参数为题目的区分度，b参数为题目的难度系数，c参数为题目的猜测系数，D=1.702为具有单位测度的因子，θ为考生能力估计值，P(θ)表示能力为θ的考生答对此题目的概率。IRT以被测试者回答问题的情况为依据，经题目特征函数的运算来推测被测试者的能力，其最大特点是估计出来的能力值不依赖于施测题目样本，即具有试题参数估计的不变性和能力参数估计的不变性。
二、CAT系统的基本组成
基于IRT的《计算机基础》自适应考试系统由题库模块、考试模块和管理模块等组成，如图1所示。
1. 题库模块
该模块主要实现试题库的建立和维护工作。建立一个优质、量大和可扩充的试题库是CAT系统设计中最基础也是工作量最大的工程，具体步骤如下：
(1) IRT模型和试题参数的确定。CAT系统的题库不是简单地将数量众多的试题存储到计算机中，而是以项目反应理论作为基础，根据一定的数学模型使题库能适应智能组卷的需要，如三参数的Logistic模型在理论和实践中都得到了充分的验证。试题的IRT参数需要对大量的试题进行大样本测试才能获取稳定的参数估计值，这在系统的初始应用阶段有较大的困难，可由专家或有经验的教师进行预评估后，再根据实测结果对参数的估计值进行修正。
(2)试题的选取和录入。本课程的考核主要针对学生对计算机基础知识的掌握及基本操作的应用能力，试题涵盖计算机硬件基础知识、软件基础知识、Windows操作系统、Office软件操作四个部分。试题的选取注重知识点的分布、不同难度和不同题型的结合，每道题目的属性包括试题编号、试题类型、试题分数、试题题目、标准答案、难度系数、区分度和猜测系数等IRT参数。
(3)试题库的维护。题库的建设是一个循序渐进的过程，随着系统的多次使用，题库中的试题数量需要不断地扩展和更新，试题的各个参数需要不断地进行调整，及时去除那些区分度低和猜测系数大的题目，以保证题库的数量和质量。为了保证题库的安全，只有系统管理员才具有此权限。
2. 考试模块
该模块是CAT系统的核心，主要完成试题的选取与呈现、得分判断、参数估计及成绩提交等工作。
目前各高校的数字化校园建设已初具规模，以局域网(网络机房)作为考试环境，将题库、考试管理系统和成绩分析系统等放在服务器上，考试程序放在各客户机上，进行智能组卷和实时评分，考试结束后将考试成绩和相关文档上传到服务器保存。
考试模块主要为考生提供一个操作方便的考试界面。运行客户端程序后，首先出现登录窗口，正确输入考生的身份信息后将进入答题界面，系统在考试过程中实时根据考生的答题情况，按照一定的IRT模型和算法进行计算、估计考生的能力值，随后自动抽取最适合该考生的试题呈现在屏幕上供考生作答，当能力估计值达到一定的精度要求时自动结束考试。
3. 管理模块
该模块的主要功能是监控考试的正常进行，如查询考生登录情况，及时处理考试过程中考生因意外情况出现死机、掉电时的数据恢复工作等。该模块还具有查阅考生成绩、对考试结果和试题参数进行统计分析的功能。此外系统还提供了模拟考试子模块，以方便考生提前熟悉考试界面。
三、自适应测试的实现
自适应考试系统与一般的计算机辅助考试系统的最大区别，在于对考生能力的实时评估及与之相关的智能组卷策略，分为能力初测和精确估计两个阶段，其测试流程如图2所示。
1.智能组卷策略
一般的计算机考试系统的组卷是在考生登录之后、开始答题之前生成的, 即试卷的题型、题量和难度等已经确定;而CAT系统的试卷是动态生成的, 是在考试过程中根据考生的答题情况决定抽取何种难度的题目进行测试。
由于考试开始时系统对考生的能力信息是未知的, 因此系统采取的组卷策略是:首先从题库中随机抽取一组难度水平中等的题目施测, 若考生能对该组中的大部分试题正确作答, 则说明其实际能力较高, 随后抽取的是一组难度更高的题目;若考生只能正确回答其中小部分试题或全部答错, 则继之以一组难度水平较低的题目。之所以采用若干个难度相同的试题作为一组进行抽题, 是为了避免考生在对单一试题作答时因猜测答案而使评判结果出现偏差。
2. 实时能力估计
与一般的计算机考试系统是在考生答完全部试题并确认交卷后再进行评判不同，在不预先设定考试题数和考试时间的CAT模式下，考生必须对屏幕上呈现的每一道试题及时作出回答后才能进行下一道题目的测试，这就要求系统必须对考生答题结果实时评判，并以此为依据不断地估计考生能力，确定后续试题的难度，逐步向考生的能力真值逼近。
为了避免考生因拖延答题时间而使系统无法呈现足够数量的试题，有必要对每组试题的答题时间进行限制，并以倒计时形式在答题界面上显示当前组的剩余答题时间，在规定时间用完时将本组未答题判为答错，并自动给出下一组试题，以保证能在正常时间内结束考试。
3. 测试结束条件
CAT系统因预先不设定考试题数，故无需考生主动结束考试，系统以对考生的能力估计值达到预定的精度要求或达到最大的测试容量作为考试的终止条件。
四、结语
实测结果表明：基于IRT的自适应考试，由于呈现给考生的试题难度与其能力相适应，考生无需回答全部试题，用较少的试题量达到了精确的测试效果，因而大大节省了考试时间，减轻了组织考试的工作量，相比传统考试和普通的计算机辅助考试具有更高的效率。
参考文献
[1]程艳.计算机自适应考试的理论模型研究[J].计算机与现代化, 2006, (9) .
复杂网络有限时间自适应同步控制 篇9
1 问题描述①
考虑包含N个节点且具有线性耦合的复杂网络,第i个节点动态描述如下:
其中,xi∈Rn为第i个节点的状态矢量;f:Rn×R+→Rn表示连续可微矢量函数;Γ=diag{z1,…,zn}为内部耦合矩阵且满足zi>0;c(t)为时变耦合强度;L=(lij)N×N代表节点之间的外部耦合矩阵,若节点j与节点i之间存在连接,则lij=lji>0,否则lij=lji=0(i≠j),同时该外部耦合矩阵对角元素定义为;ui(t)为控制输入。
定义s(t)是复杂网络的同步解,假设存在且是唯一的,并且满足,作为复杂网络的同步解s(t)可以是一个平衡点、周期轨或混沌轨迹。
定义节点误差ei(t)=xi(t)-x(t),可得,令第i=N个节点为驱动节点,同步误差ei(t)=xi(t)-xN(t),则系统的网络误差动态重写为:
则对复杂网络(1)的有限时间参数自适应同步问题可描述为:复杂网络(1)在ui控制作用下,引入参数c(t)的自适应律,在t≥t*时实现ei→0,即实现网络的有限时间参数自适应同步。
在给出结论之前,提出假设1、2。
假设1假设x、y∈Rn,存在一个正常数li满足f(xi,t)-f(yi,t)≤li(xi-yi)。
若有界,则很多系统都满足此条件,如Chen系统、Lü系统及Lorenz系统等。
假设2时变耦合强度c(t)的估值误差有界,且,其中Bc是已知常数。
对于网络(1)各个节点的动态应满足假设1、2。
笔者的目标是设计合适的反馈控制律和参数自适应控制律,使复杂网络(1)实现有限时间参数自适应同步。
2 有限时间自适应控制器设计
网络误差动态可重写为:
令,为参数估计值,为参数估计误差,c为参数的最佳调节数值,并且有。因此,复杂网络有限时间同步问题就转化成与它等价的误差系统的有限时间稳定问题。
设计控制协议如下:
其中,k、α是任意的常数,k>0和α>0;sign(ei)=(sign(ei1),sign(ei2),…,sign(ein))T。参数自适应律为:
定理1考虑由式(1)描述的复杂动态网络,令假设1成立,节点之间无向连通,则在控制协议(4)的作用下,若控制增益的自适应律为(5),则该网络在有限时间内实现同步。其中
证明考虑Lyapunov函数,对Lyapunov函数求时间导数,则:
证毕。
所以,网络误差在有限时间内达到零,则复杂网络可在有限时间内达到同步。
3 仿真研究
Lorenz系统是典型的混沌系统,其线性方程描述如下:
其中a=10,c=28,b=8/3。依据文献[6]的例子,可知Lorenz系统满足假设1,选择初始值,其中xi=[xi1,xi2,xi3]T,取第5个节点作为驱动点,α=0.8,k=2,li=10,又根据|珓c(t)|≤Bc,取Bc=20,内部和外部耦合矩阵分别取为:
复杂网络(1)在控制协议(4)和自适应律(5)作用下实现同步,耦合参数变化曲线和网络同步误差曲线分别如图1、2所示。由仿真图形可知耦合参数c大约在t=0.4s开始迅速变化,在大约t=1.0s后逐渐趋近于一个稳定值,因此,在本例中参数快速达到其最佳值c=16.67。
由图2可知,复杂网络各节点分量随着自适应控制的作用下,在大约在t=0.5s后网络同步误差趋于零,网络(1)实现有限时间同步。
节点之间的耦合参数c时变未知,图2表明了在自适应控制律的作用下各节点分量的同步误差变化情况,很明显各同步误差曲线快速集中到零点,结合图1可知自适应参数c也随着各误差分量迅速收敛到零时也达到最佳值。通过以上的仿真可知,当实际复杂网络系统中节点未知耦合参数的情形,通过参数自适应控制来实现对未知参数的控制,从而降低了耦合参数取值的保守性,为含未知不确定的复杂网络同步提供了研究基础。
4 结束语
针对含有未知耦合参数的复杂网络有限时间同步问题,设计了非光滑控制协议和自适应控制律,并应用稳定理论证明了复杂网络的耦合参数能快速达到其最佳估值,且同步误差也快速收敛到零。最后通过Lorenz系统进行了数值验证,证明了所提控制方案的有效性。但在实际的复杂网络中客观存在一些不确定因素,例如网络中所含的建模错误、参数扰动、噪声干扰及系统中可能存在的未知干扰等,这些不确定因素对复杂网络同步控制也带来了挑战,也是今后研究的一个重要课题。
摘要：针对含有未知耦合参数的复杂网络,研究其有限时间自适应同步问题。设计了非光滑控制协议和参数自适应律,基于稳定性原理给出了无向连通网络实现有限时间自适应同步的充分条件,从而降低了耦合参数取值的保守性。最后通过仿真实例验证了所提方法的可行性。
关键词：同步控制,复杂网络,有限时间,自适应
参考文献
[1]秦补枝.小世界网络自适应多目标控制[J].化工自动化及仪表,2010,37(6):24~28.
[2]关学忠,刘金龙,高哲,等.基于复杂网络的电网元件脆弱性分析[J].化工自动化及仪表,2015,42(10):1104~1108.
[3]Bian Q X,Yao H X.Synchronization in a Class of Complex Dynamical Networks with Nonlinear Coupling[J].International Journal of Nonlinear Science,2010,10(3):370~377.
[4]Yu W W,Chen G R,Cao M.Consensus in Directed Networks of Agents with Nonlinear Dynamics[J].IEEE Transactions on Automatic Control,2011,56(6):1436~1441.
[5]张丽丽,王银河,王钦若.不同维数非线性节点非线性耦合复杂动态网络渐近同步[J].控制与决策,2014,29(3):537~540.
自适应PSD控制的改进算法 篇10
本文对Marsik和Strejc的研究工作及其他学者的工作进行了分析,应用根轨迹法,分析了PSD控制系统性能,提出了新的最优参数配置原则,通过仿真实验进行比较研究。
1 无辨识PSD控制系统分析
1.1 无辨识PSD控制器基本原理
PSD(Proportional、Summing、Differencing)即为PID的离散形式,其增量表达式如下:
由文献[2]可知,当满足下述条件时,系统具有较好的性能:
式中,和分别为系统误差e(t)的一、二阶差分绝对值的均值,且有:
由最优条件可得:Te(k)=2Tv(k)(3
增量表达式简化为:
1.2 无辨识PSD控制系统的根轨迹分析
一般情况,设Te(k)=αTv(k),则PSD控制器的脉冲传递函数为
式中,U(z)和E(z)分别为PSD控制器的输入和输出信号的Z变换(见图1),则PSD控制器的零点为
由于Tv(k)>0,z1,2模的范围为
该式表明,利用IFA算法的PSD控制零点均分布在一个单位圆内。无论增益g(k)从0至+?如何变化,两条根轨迹是由位于单位圆内的闭环极点开始,终止于可能同样位于单位圆内的零点。这表明IFA确保至少两个闭环极点分布在单位圆内。
式(6)表明,当α<4(包括文献[2]中提出的最优值α=2)时,那么系统将有一对共轭复零点,在某些情况下,闭环系统均不能稳定。
例如,当被控对象为双积分环节时:
系统的根轨迹方程为
式中,K*∈(0,+∞)为根轨迹的增益,z1,2为PSD控制器的两个零点。
当α<4时,系统根轨迹如图2所示,位于单位圆内的两条根轨迹(图中细实线曲线)终止于PSD的两个复数零点,而其它两条轨迹(图中粗实线曲线)位于单位圆外。这表明有两个闭环极点分布在单位圆内,而其它的极点在单位圆外,在这种情况下,基于IFA的PSD控制系统必定是不稳定的。
当4≤α<∞,系统根轨迹如图3所示,两条根轨迹(图中细实线曲线)各自终止于位于实轴的两个零点z1,2,而其它两条根轨迹(图中粗实线曲线)在各自终止于z=-1和z=-∞之前先在单位圆内运行。所以,如果能满足α≥4,取合适的增益g(k),那么系统将有可能保持稳定。根据式(2)及上述分析,取α=4,即
2 仿真验证
2.1 惯性环节
考察如下二阶惯性环节:
采样周期取TS=0.1s,选取α=2。
采样周期取TS=0.1s,图4中的曲线分别为α=2,4,8时的阶跃响应曲线。由该图可知,在惯性环节中,α=2并非为最优值。当α为4,8时,系统的超调量显著降低,收敛加速。
2.2 积分环节
考察如下积分环节:
采样周期取TS=0.1s,选取α=2。
采样周期取TS=0.1s,图5中的曲线分别为α=2,4,8时的阶跃响应曲线。由该图可知,在积分环节中,α=2同样并非为最优值。当α为4,8时,系统的超调量显著降低,收敛加速。
3 结论
应用根轨迹法修改了Marsik和Strejc的无辨识PSD控制方法中Te(k)=2Tv(k)的最优参数α=2,发现如果能满足α≥4,取合适的增益g(k),那么系统更易稳定。
摘要：为增加控制系统的稳定性、提高系统动态响应性能,应用根轨迹法对Marsik和Strejc的无辨识PSD自适应控制方法进行分析,讨论了原算法中某一最优参数的局限性,给出了新的最优参数选择原则。仿真实验表明,在新的最优参数范围内,系统的超调量显著降低,收敛加速。
关键词：PSD,无模型控制,自适应控制,根轨迹
参考文献
[1]Ziegler J G,Nichols N B.Optimum se-ttings for automatic controllers[J].Trans.ASME,1942,11(64):759-768.
[2]Marsik J,Strejc V.Application of Identification-free Algorithms for Adaptive Control[J].Automatica,1989(2):273-277.
[3]丁红,舒迪前,王京.无需辨识的PSD自适应控制器及其应用[J].冶金自动化,1994(2):35-39.
[4]江青茵.无辨识自适应控制预估算法及应用[J].自动化学报,1997(1):107-111.
[5]秦志明,卢秀梅.一种新的控制算法在主汽温控制中的应用研究[J].仪器仪表用户,2005(2):4-6.
[6]赵金宪,王秀琴,王忠礼.无辨识自适应控制算法改进分析[J].控制工程,2004(1):24-26.
自适应控制理论 篇11
关键词：火电厂自适应预估控制DCS系统
0 引言
随着我国现代科学技术的不断进步，对火力发电组的要求越来越高。为了提高火电厂的生产效率，并顺应时代的发展需求，必须对其进行自动化控制，以确保火力发电组的高效生产。目前分散控制系统（DCS）在我国大多数火电厂中得到了广泛的应用，对火力发电的生产、监督、管理等方面发挥着巨大的作用。本文就自适应预估控制技术在火电厂DCS中的应用进行了研究分析，从而使DCS发挥出最大的价值，促进我国火电厂更好更快的发展。
1 自适应预估控制系统概述
在科学技术日新月异的今天，我国大多数火电厂的发电组仍然沿用了比较传统的控制方法，对火电厂的生产、监督与管理带来了诸多不便，使电厂存在较大的滞后性和惯性，降低了火电厂生产的效率。为了提高火电厂运作的稳定性和安全性，必须改进其控制方式，确保机器设备的正常使用。在这样的背景下，自适应控制系统应运而生，在考虑到火电厂生产滞后性和不稳定性的情况，可以在系统运行过程中进行不断的测试，根据系统各方面的参数指标，按照调控系统的参数变化提高系统运行的稳定性。随着近年来计算机技术、通信技术和CRT显示技术的不断发展，在自适应控制系统的基础上，自适应预估控制系统的出现，无疑对火电厂生产的稳定性和收敛性带来了机遇和挑战。
自适应预估控制系统是一种本质非线性系统，虽然火电厂引入了大量的先进技术，但是由于火力发电生产过程的复杂性，存在大量的特性时变、强耦合、非线性等干扰情况。目前由于建立在PID技术上的传统控制策略具有简单、易于掌握的特性而得到了广泛的应用，但是在实际的操作过程中却不能发挥出最大的功能价值。传统的控制策略容易受到不同因素的干扰，使系统难以稳定安全的运行，不能较好的解决火电厂生产滞后大、惯性大等问题。另外，在发电机组设备发生异常情况时，传统的控制策略并不能对其进行科学的调控与处理，无法满足负荷较大机组的运行。自适应预估控制在我国火电厂生产中取得了较大的成效，但是仍然存在自适应调整回路滞后问题。随着模糊控制、神经控制等智能控制方式的发展，提出了模型参考自适应预估控制方法（MRAPC），该方法在火电厂主汽温、燃烧等大滞后，以及参数时变的实际控制系统中实现了自适应预估控制算法，促进系统控制效果大大提高。
2 自适应预估控制在火电厂DCS中的应用
传统的控制策略无法在火电厂的DCS中发挥最佳的功能，自适应预估控制系统的出现较好的解决了DCS运行的问题。当前MRAPC的运行主要通过人工控制，通过网络对火电厂的DCS进行干涉，不仅能保证DCS系统通信的开放性，还可以提高网络通信质量。同时也可以将各类计算机语言下载到DCS控制器中，如C语言、Java语言等，充分利用DCS系统的软硬件资源，在提高系统稳定性的同时也加强了自动化控制水平。目前，自适应预估控制在火电厂的气温控制系统以及燃烧协调控制系统中得到了广泛的应用。
2.1 MRAPC在火电厂燃烧协调控制系统的应用
在火电厂主蒸汽压力控制系统中，采用MRAPC算法，能较好的解决系统迟钝等问题。在燃烧协调控制系统中，为了促进上发电机组负荷跟踪速度的加快，可以在非线性为补偿的基础上，采用能量平衡前馈信号。运用MRAPC算法，在正常情况下，系统在依靠反馈控制系统下，主汽压能维持在±0.2MPa左右。但是在实际生产中，由于发电组单机容量增大，汽轮机相对热容量减少，这就使得必须通过燃烧给煤率的变化来满足负荷的变化。在燃烧协调控制系统中应用自适应预估控制方案，实现了燃烧协调控制系统传统的自动控制，提高了发电机组的稳定性，为整个机组投入AGC远程调度控制奠定了基础。
2.2 MRAPC在火电厂气温控制系统的应用
火电厂气温控制系统主要包括主汽温控制系统和再热汽温控制系统。主汽温控制系统往往需要提高蒸汽温度来促进机组热效率的提升，但是因怕温度过高对汽机造成损坏，威胁发电机组的运行安全性。因此采用自适应预估控制方案，既改善了主汽温控制系统的性能，还大大提高了系统的抗干扰能力和自动化控制水平。再热汽温控制系统与主汽温控制原理相似，也是一个串级形式的自适应预估控制系统，利用PID对参数进行调整，不仅能提高系统的稳定性，还能增加系统对输出扰动的抑制能力。从火电厂DCS整体来看，自适应预估系统在近年来取得了不错的成就，达到了预期的控制效果。
3 结束语
自适应预估控制方案的出现，无疑对火电厂DCS系统带来了新的机遇，同时也较好的满足了自适应控制系统自身的发展要求。虽然目前火电厂生产中仍然存在较多的问题，但是只要充分的利用DCS系统的软硬件资源，对系统进行不断的优化，从而促进DCS系统运行的稳定性和安全性，为我国电力产业做出更多的贡献。
参考文献：
[1]王杰，高昆仑，王万召.基于OPC通信技术的火电厂DCS后台控制[J].电力自动化设备，2013，04:142-147.
[2]陈林海.基于控制历史的自适应PID控制方法及其在热工过程中的应用[D].重庆大学，2013.
[3]刘芳.Smith自适应辨识控制算法在间歇式反应釜釜温控制
工业镀铬过程的模糊自适应控制 篇12
由于在镀铬过程中, 铬的沉积机理甚为复杂, 所以整个电镀过程对电流、电压、镀液温度、镀液成分及浓度、电镀时间等要求都相当严格[2]。而国内现在镀铬过程大多通过一些模拟仪表、数字仪表对控制参数进行显示, 而后由操作人员根据经验调节各种变量以促使镀铬参数与工艺参数进行拟合。而由于操作人员经验不同以及现场情况复杂多变, 从而致使产品质量性能不稳定及成品率较为低下。 (1)
1 镀铬过程分析
工业镀铬过程中相互联系的参数较多, 其联系网状图如图1所示。
由以上参数网状图可以看出, 镀铬过程各参数相互影响。镀铬工件成品对外观、硬度、耐磨性、镀层厚度均有要求。而镀层的外观、硬度、耐磨性又有相互依存的关系。对于镀硬铬来说, 硬度为HV 700-800时耐磨性能最好, 所以成品镀层只要测试镀层硬度便可知耐磨性能是否达标。而硬度与外观均可通过调节镀液温度与电流密度来获得改善。镀层厚度与电流效率和电镀时间有关, 电镀时间与镀件尺寸有关, 可根据其进行选择, 而电流效率又与镀液温度和电流密度密切相关。电压与镀液温度和镀液成分有关, 当镀液温度稳定时, 电压可作为镀液成分是否合理的依据。
由以上分析可以看出, 镀液温度和电流密度是两个关键的参数, 对其调节关系到镀层外观、镀层硬度、耐磨程度及电流效率等参数。根据镀层硬度及外观要求可以大致确定镀液温度及电流密度的范围, 而电流密度和镀液温度的波动会直接影响到电流效率这个关键的因素。电流效率是铬金属沉积的数量与所耗电流的比值, 其大小又直接影响到电能的利用率。并且在电镀过程中如果电流效率变动过大, 会使得镀层不均匀, 从而使镀层的应力增大, 产生工件变形、镀层脱落以及结合力不强等诸多不良后果, 所以电流效率也应该严格控制。在目前的工业镀铬过程中大多是通过对镀液温度和电流密度进行控制的, 且多采用人工对两个变量分别进行控制。而对变量调节的机理便是依靠此二者的协调来控制电流效率达到要求的高值。而由于进行查表※调节※控制之后, 工业现场的状况已经改变, 因此实际的电流效率根本无法达到稳定, 而若根据实际温度与所要求电流效率根据查表来协调控制电流密度则完全可以解决如上的问题。为此, 考虑用模糊自适应机构来进行多变量协调控制。
2 模糊自适应控制器的设计
2.1 控制方案
在镀槽中温度的控制分成两部分:第1部分为电镀之前镀液的加热, 此时用电热管进行加热即可, 操作简单;第2部分为电镀过程中镀液的温度控制, 这部分控制是温控的重点, 因为在电镀反应过程中会产生大量的热, 所以需要用水来进行冷却, 即通过控制阀门的大小及开关状态来控制冷却水的流量从而控制镀液温度。在槽中为了使各处温度相同还要配有搅拌系统, 为了使所测温度反映实际情况还要在槽中、槽面和槽底配有3个测温传感器。由于冷却水的流量控制无法使温度立即达到要求, 因此温度控制为纯滞后环节, 温度波动在所难免[3]。而电流密度的控制较容易做到快速准确, 故用电流密度的快速反应来协调补偿温度的滞后迟缓。
图2为模糊自适应的控制方案, 从控制方案中可以看出, 总的控制结构大体可分为两部分:温度模糊控制部分和电流密度模糊自适应控制部分。输入变量为x1 (理想温度值) , 输出变量为y1 (实际温度值) 和y2 (实际电流密度值) 。而理想的电流密度值x2由系统根据x1查表得到。
2.2 温度模糊控制部分设计
2.2.1 模糊化
设此处E1、·E1和U1的论域定义为 (-7, 7) 之间, 它们的语言变量均定义为7级:PB (正大) 、PM (正中) 、PS (正小) 、ZO (零) 、NS (负小) 、NM (负中) 、NB (负大) 。其赋值表见表1。
注:E·1和U·1的模糊变量赋值表和E1的相同
2.2.2 建立模糊控制规则
由于此控制部分有3个变量定义了模糊子集:E1、·E1、U1{NB, NM, NS, ZO, PS, PM, PB}, 将其量化为{-3, -2, -1, 0, 1, 2, 3}, 则可将控制表制定为带修正因子的控制规则[4,5]。算式如下:
当x=0, ±1, ±2, ±3时, α分别取0.45, 0.55, 0.65, 0.75。目的是当偏差E1的绝对值较大时, 增大α以改善系统的动态特性, 当E1的绝对值较小时, 增大E·1的权重, 抑制系统超调, 使系统尽快达到稳定。其控制规则见表2。
2.2.3 模糊推理及精确化
表2所列的内容可由若干条IFE1i (k) AND·E1i (k) THEN U1i (k) 的模糊条件语句来表示, 根据这些语句可推出模糊关系R, R=∪ (E1i (k) ×·E1i (k) ×U1i (k) ) , 然后按合成推理算法求得控制器输出的模糊集:U1= (E1×·E1) R, 最后将U1精确化即可用于阀门的调节。也可离线编制控制表, 直接由E1、·E1的值查表得到U1的值。
2.3 电流密度模糊自适应控制部分设计
2.3.1 参数调整机构的设计
传统的镀铬过程, 依靠工艺参数对温度和电流密度分别进行调节, 实际上是人为地削弱了两参数之间的依赖关系[6]。若能找到这两个参数及电流效率间的关系, 然后由实际的温度测量值来控制电流密度的理想值, 则可使控制得到令人满意的效果。因为即使在实际温度未及时跟踪理想温度的条件下, 对电流密度进行了快速调整, 而保证电流效率保持在正常的设定值, 从而使镀层致密均匀。而传统的镀铬过程是无法使电流效率保持在设定值附近的。传统的镀铬工艺认为, 电流效率与电流密度的关系为:
式中:ηk———阴极电流效率;Dk———电流密度;a, b———与镀液成分和温度相关的变量。当镀液成分确定后, a, b便只与温度相关了。由此可知当温度确定时, 电流效率和电流密度存在对数关系。大部分生产厂家通过多年的生产经验已将不同温度下的电流密度和电流效率的关系绘制成表, 从而指导电镀工人寻求最优的电流效率来进行生产。而此过程对大多数电镀工人来说无疑是一个工作量大而效果不佳的过程。因此将此表存入电脑中, 由参数自调整机构通过查表自动调整x2的值。
参数调整机构除了解决如上问题外还负责对K1、K2、K3的调整。因为由电流密度和电流效率的关系式可以看出, 当温度改变时, a的值随之改变, 而a值的大小直接影响到密度-效率曲线的陡峭程度。当曲线变陡时会引起E2、E·2过大, 而曲线舒缓时E2、E·2过小。如果选用不变的K1、K2值, 则在满足陡峭情况下, 舒缓时控制作用便会削弱;满足舒缓的情况下陡峭时模糊值便会超出模糊论域。K3的选择依靠K1、K2的作用进行, 确定其主要作用是减小超调还是加快响应时间而进行改变。而K1、K2、K3均可依靠温度绘制成表, 当温度确定时, 据表选择其值。
2.3.2 电流密度模糊控制部分设计
除以上两点之外, 电流密度模糊控制部分与温度模糊控制部分设计思路一样, 也由模糊化、建立控制规则、推理及精确化3部分组成。在此不再赘述。
3 结束语
针对传统镀铬工艺中参数独立调节的缺点, 笔者提出了多变量相互协调的观点, 使事物恢复其本来面目, 从而降低了工人劳动强度、减少了人为失误的可能, 使得工艺过程稳定可靠, 最终保证了产品质量稳定与成品率的提高。
参考文献
[1]冯辉, 张勇, 张林森.电镀理论与工艺[M].北京:化学工业出版社, 2008.
[2]王计波, 冯栓良.活塞环镀铬过程的计算机监控初探[J].内燃机配件, 2002, (4) :18-20.
[3]俞金寿.复杂工业过程中的先进控制系统[J].炼油自动化, 1994, (2) :46-52.
[4]谢仕宏, 姜丽波, 刘国栋.模糊自适应PID控制算法在纸机烘缸蒸汽系统中的应用[J].化工自动化及仪表, 2007, 34 (1) :33-36.
[5]白珍龙, 耿继宏.分数阶模型参考自适应控制在重碱烧煅中的应用[J].化工自动化及仪表, 2007, 34 (1) :33-36.