基于串联型扩张状态观测器的参数辨识

文[1]利用扩张状态观测器辨识系统参数,对于低阶系统取得了较好的辨识效果。但用此方法进行高阶系统的参数辨识时,观测器参数不易调整并且很难在一次辨识中取得较高的辨识精度。为了克服上述方法的两个主要弱点,本文利用串联型扩张状态观测器的输出提供的信息及参数辨识的逐次求精法,逐步缩小系统的不确定范围,提高观测器的估计精度,从而也提高了利用观测器输出来进行参数辨识的精度。同时,此方法也大大降低了调整观测器参数的难度。

基于改进型扩张状态观测器的永磁同步电机无模型预测电流控制

针对基于扩张状态观测器的永磁同步电机无模型预测电流控制策略在电机电感参数失配时电流控制性能下降、转矩脉动增大的问题,提出一种基于改进型扩张状态观测器的无模型预测电流控制策略。在扩张状态观测器中添加非参数模型电感辨识算法,该算法利用d轴扰动估计值计算得到电机辨识电感,将其反馈到下一时刻扩张状态观测器的电流与扰动估计中,消除电感失配对于传统扩张状态观测器的不利影响。将辨识电感用于无模型预测电流控制的输出电压指令的计算,进一步增强无模型预测电流控制的参数鲁棒性。搭建电机转矩控制系统进行实验,结果表明,该控制策略的参数鲁棒性强,具有良好的电流控制性能,在电机电感失配时能有效减小电机转矩脉动,具备较高的工程应用价值。

基于锁相环型扩张状态观测器的双惯量弹性伺服系统机械谐振抑制方法

针对双惯量弹性伺服系统存在的机械谐振问题,提出一种基于锁相环型扩张状态观测器(PLL-ESO)的机械谐振抑制策略。与常规ESO相比,PLL-ESO方法在相同的极点配置情况下具有更高带宽和更大相位裕度,有助于提高机械谐振的抑制动态特性和稳定性。实验结果表明,所提PLL-ESO方法可以有效地抑制机械谐振,且相比陷波滤波器和常规ESO方法具有更快的谐振抑制速度和更高的抑制精度。同时,实验还对观测器无阻尼固有频率和系统参数鲁棒性进行了分析,验证了PLL-ESO在宽无阻尼固有频率范围内都能抑制机械谐振,且输入参数摄动会影响谐振抑制的快速性和稳态精度。

基于状态重构准谐振扩张状态观测器的LCL型并网逆变器电流控制策略研究

LCL型并网逆变器是分布式发电与电网实现能量双向流动的重要装置,其电流控制方法通常需要多个电压电流传感器实现有源阻尼及并网电流控制,而这会增加系统成本。提出一种基于状态重构准谐振扩张状态观测器的全状态观测系统,只需一个逆变器侧电感电流传感器即可实现对所需状态变量的实时观测。通过在扩张状态观测器中每个状态变量的观测通道添加准谐振环节,解决传统扩张状态观测器跟踪正弦信号需要高观测器增益问题。同时,针对在dq轴坐标系下的并网电流控制存在强耦合问题,设计了将耦合项作为总扰动当中一部分的自抗扰电流控制器,简化了传统电流控制当中复杂的解耦过程。软件数值仿真结果表明,该控制策略表现出良好的观测效果及电流跟踪效果。

基于改进扩张状态观测器的PMLSM控制策略

针对永磁同步直线电机(PMLSM)在运行过程中对负载变化与外部扰动较为敏感问题,提出一种改进型扩张状态观测器(ESO)的控制方法,该方法对传统ESO的扩张状态项进行优化,加快了扩张状态项的响应速度,并将其补偿至速度外环控制器的输出,从而加快q轴电流给定响应速度,可以进一步提升系统的动态性能与抗扰动能力。同时利用Lyapunov判据证明改进观测器的稳定性,最后通过实验验证证明改进型ESO相比于传统ESO,系统可以更快的速度响应外部扰动,在系统受到外部扰动时引起的速度跌落更小,进一步提升系统的动态性能与抗扰动能力。

基于扩张状态观测器和模型预测方法的四足机器人抗干扰复合控制

为提高存在模型不确定及外界扰动的情况下对四足机器人的控制效果,提出结合扩张状态观测器、二次型优化(Quadratic Programming,QP)及模型预测控制(Model Predictive Control,MPC)的复合控制算法。基于单刚体四足机器人模型,设计基于MPC的控制算法,实现对四足机器人的控制。考虑到模型及参数的不确定性,以及环境中存在的外界扰动,进一步利用变带宽非线性扩张状态观测器对机器人受到的总和扰动进行估计,并利用估计结果,设计基于QP的足端力重分配算法,实现对总和扰动的补偿。通过仿真实验验证了本文所提控制算法的有效性。仿真结果表明,在使用抗干扰复合控制方法之后,机器人在质量发生重大变化和受到外力作用下,依然可以保持良好的控制效果,与传统控制方法相比,机器人的控制精度和抗干扰能力得到了明显提升。

基于扩张状态观测器的炮控系统串联滑模控制

针对坦克炮控系统中存在齿圈间隙、摩擦力矩和参数漂移等多种非线性因素造成系统驱动延时、换向振荡和低速"爬行"等问题,设计了一种基于扩张状态观测器(ESO)的炮控系统串联滑模控制器。首先,利用系统内部可测信息,将炮控系统分解为n个串联的一阶子系统;然后,引入ESO估计各子系统的不确定性。在此基础上,基于backstepping递推思想,分别针对各子系统设计滑模控制器,并逐步向后递推,构成炮控系统串联滑模控制器。试验表明,该方法能够很好地抑制各种非线性因素的影响,有效地改善系统控制性能。由于各子系统均为一阶系统,ESO和滑模控制器的设计大为简化,易于工程实现。此外,该方法还有效地抑制了传统滑模控制的抖振问题。

修改型扩张状态观测器:分析与实现

利用系统已知信息构造的扩张状态观测器(extended state observer,ESO)称之为修改型扩张状态观测器.本文完善了修改型扩张状态观测器(modified extended state observer,MESO)的假设条件,并分析了相对于常规的扩张状态观测器,修改型扩张状态观测器估计精度更高的原因.针对系统模型参数不确定情况,提出了基于最小二乘法的修改型扩张状态观测器实现方法,并详细论述了最小二乘法在线辨识系统模型的原理.仿真结果与理论分析结果一致,验证了修改型扩张状态观测器理论分析的正确性和实现方法的可行性.

基于扩张状态观测器和LQ的轧机传动控制

轧机驱动电机与轧辊间采用长轴连接,连接轴刚度有限,在带材高速轧制时容易产生扭转振动现象。运用扩张状态观测器对系统状态和负荷扰动项进行观测,基于扩张状态观测器和LQ设计了具有负荷力矩前馈补偿的轧机主传动扭转振动控制系统。仿真结果表明:控制器有效改善了轧机主传动系统的跟踪性能,抑制了系统的扭转振动现象,同时对系统内部参数如轧辊转动惯量等的摄动也具有较强的鲁棒性。通过与传统电流、转速双PI控制和基于降维状态观测器的状态反馈控制比较,证明了方法的有效性和优越性。

基于扩张状态观测器和反步滑模法的四旋翼无人机轨迹跟踪控制

为了解决欠驱动四旋翼无人机(UAV)在实际飞行中存在的外界干扰问题,同时提高在系统参数摄动情况下的精确轨迹跟踪效果,设计了一种基于扩张状态观测器(ESO)和积分型反步滑模算法的飞行控制策略。首先,根据系统的半耦合特性和严反馈结构特点,采用反步法设计姿态内环和位置外环控制器;然后,将抗干扰能力较强的滑模控制融入其中,使得系统的鲁棒性得到增强;接着,为了减小系统的稳态误差,引入积分环节;最后,利用ESO实时估算出系统的内、外总扰动并对控制量进行补偿。通过Lyapunov稳定判据,可以说明该系统是一个全局渐进稳定的系统,并通过仿真分析验证了所提控制方法的有效性和鲁棒性。

基于扩张状态观测器的永磁同步电机无传感器控制方法

从状态观测器的基本原理入手,分析了基于一阶线性观测器的构建方法,分析一阶观测器的观测精度以及存在的问题:一阶线性状态观测器收敛速度慢,动态响应慢,抗干扰能力差。针对其存在的问题,将不确定的反电势量作为另一状态构建扩张状态观测器,形成二阶观测器结构,在提高了反电势的观测精度的同时加快动态响应速度和抗扰能力。最后,对以上内容进行仿真分析和实验验证。经对比分析,基于ESO的无位置传感器控制方案,观测精度非常高,系统抗扰性能良好。

基于扩张状态观测器的过热汽温系统建模与参数智能辨识

可再生能源的高渗透率给电网供需匹配带来严峻挑战的同时,燃煤机组需要承担着大量的调峰调频任务,这对过热汽温系统的安全稳定运行造成了一定威胁,因此有必要建立面向热工控制的汽温数学模型。考虑到迟延型扩张状态观测器(time-delayed extended state observer,TD-ESO)的总扰动信号中含有大量模型信息,提出一种基于ESO补偿模型的参数智能优化和信息提取方法,即以总扰动中未知信息量最小为目标,采用改进沙丘猫算法对模型参数优化并提取总扰动中已知模型信息补偿至ESO的输入端。在仿真算例方面,线性和非线性系统的测试结果表明,所提辨识方法对有无输入迟延的两种系统均有良好的适用性和较高的精度;在实际应用方面,基于超超临界二次再热机组的过热汽温系统数据进行模型辨识与验证,同样表明该建模方法是合理、准确的。因此,该文所建立的模型能够为汽温系统的控制策略设计和性能优化等方面提供有价值的参考。

双极性直流微电网的改进型高阶滑模自抗扰控制

针对双极性直流微电网中分布式新能源的系统功率波动、负载侧负荷频繁投切等不确定因素所引起母线电压波动问题,以基于风光互补含混合储能的双极性直流微电网为研究对象,提出一种双闭环改进型高阶滑模自抗扰控制策略。首先,依据自抗扰理论将控制系统拟合为一阶系统模型,转化为自抗扰控制系统范式。其次,设计了改进型超螺旋滑模控制器代替传统自抗扰控制中的线性控制器,引入了具有快速收敛性的级联有限时间扩张状态观测器代替线性扩张状态观测器,既能通过高阶滑模控制算法抑制抖振,又能提高对系统集总扰动的估计精度,从而利用非线性控制策略的优势改善系统动态响应过程及抗扰性能。然后,通过Lyapunov理论证明控制系统的稳定性。最后,基于Matlab/Simulink仿真软件以及搭建实验平台对3种不同控制策略进行对比验证,实验表明所提控制能够很好地抵抗扰动和提高系统的暂态性能。

混合储能系统增强型自抗扰协调控制

针对复杂扰动下微电网难以实现理想动态问题,依据分频框架和线性自抗扰控制(LADRC)理论,提出一种混合储能增强型自抗扰协调控制策略。该方案在外环中引入级联型线性扩张状态观测器(LESO)以输出理想的波动平抑指令,提高抗扰性。同时,在内环的自抗扰控制律中引入参考微分前馈以优化对外环输出指令的跟踪能力,进而改善动态性能。基于理论分析,从扰动观测精度、参考跟踪误差、扰动衰减等方面分析增强型自抗扰协调控制的优越性,并为参数整定提供指导思想。最后,在半实物仿真平台上对所提策略的性能进行对比测试,验证其可行性和有效性。

基于串联型自抗扰控制器的逐次求精法

利用模型补偿自抗扰控制器辨识系统参数 ,对于低阶系统取得了满意的辨识效果。但在用上述方法进行高阶系统参数的辨识时 ,还存在扩张状态观测器参数不易调整的问题。笔者将串联型扩张状态观测器构成的自抗扰控制器运用于参数辨识的逐次求精法 ,能有效地辨识出系统的参数。特别是在辨识高阶系统参数时 ,具有扩张状态观测器参数易调的优点。

基于粒子群算法优化的汽车天窗改进型自抗扰控制

针对当前汽车天窗继电器闭合后,电动机控制天窗平移开闭、起翘开闭及防夹回退响应滞后问题,将内部不确定因素和外部环境干扰视为一个综合影响因素,提出了一种基于粒子群算法优化的改进型自抗扰控制方法,旨在改善汽车天窗的响应性能。首先,设计了一种新型cfal函数,解决了fal函数在拐点处不平滑容易引发抖动和控制系统不稳定的问题。接着,基于这种新型非线性cfal函数,构建了改进型扩张状态观测器,实现了对天窗扰动影响的实时估计。最后,采用粒子群算法进行内部参数优化调节,进行了汽车天窗系统的控制实验,并将该方法的输出响应曲线与传统ADRC控制进行了对比分析,实验结果验证了这种自抗扰控制方法在提升汽车天窗响应性能方面的优越性和可行性。

桥式起重机定位防摆改进型自抗扰控制

为解决严重外界干扰下桥式起重机长距离运输过程中定位困难、消摆时间长的问题,根据起重机先加速、再匀速、后减速的远程运输特点,利用两段Sigmoid函数,设计了可按需调整各阶段速度且高阶连续的新型跟踪微分器;采用Sigmoid函数构造了增益时变且连续可微的扩张状态观测器,使其具有“大误差小增益,小误差大增益”特性,克服了经典ESO增益在切换点处的突变问题,抑制了观测信号的微分峰值现象,实现了位移和摆角控制回路间的解耦;利用tanh函数改进了误差反馈控制律,避免了大扰动下的控制量饱和问题;综合形成了适用于起重机长距离运输、且能最大程度抑制振动和冲击的改进型自抗扰控制器,并对闭环系统的稳定性进行了严格的理论证明.仿真及实验结果表明,改进型自抗扰控制器在大干扰影响下可全过程平稳且基本无摆地将负载搬运到目标位置.

基于扩张状态观测器的广义预测控制

针对线性对象,提出了一种基于扩张状态观测器的广义预测控制算法.首先,分离出对象中异于标准积分串联型的部分,把它作为扩张状态,再利用观测器对其进行实时估计和补偿,将原始对象近似转化为积分串联型.然后,针对积分串联型这种特殊的对象设计广义预测控制.这既降低了预测控制对于模型的敏感性,同时又极大简化了计算,取消了控制的增量形式以提高系统的鲁棒性但依然保持了闭环无静差特性.通过内模原理得到了闭环特征多项式.仿真结果验证了所提算法对于对象的参数摄动具有很强的动态性能鲁棒性.

三相电流型整流器的线性自抗扰控制

针对传统电流型整流器采用双闭环比例积分控制器(PI)控制存在输出超调较大,系统抗干扰能力差,响应时间过长的问题,采用线性自抗扰控制策略,利用线性扩张状态观测器(LESO)对电流型整流器的扰动进行观测和补偿。通过对电流型整流器的数学模型以及线性自抗扰控制器(LADRC)结构原理进行分析,设计了电流型脉冲宽度调制(PWM)整流器的LADRC电流外环控制器及电流内环d轴和q轴控制器,通过仿真平台将PI控制和LADRC控制的控制效果进行了比较和验证。仿真结果表明:线性自抗扰控制相较于PI控制抗干扰能力更强,响应时间更短且没有超调。

基于改进型自抗扰控制的四旋翼无人机姿态控制系统研究

针对四旋翼无人机姿态控制系统在外界干扰下,跟踪精度和抗扰动性能易受到影响的问题,提出一种改进型自抗扰控制(ADRC)算法。首先,基于原点平滑性和连续性考虑设计了改进型非线性函数。其次,基于线性扩张状态观测器(LESO)和非线性扩张状态观测器(NLESO)各自的优点,设计了线性/非线性可切换的改进型扩张状态观测器(IESO)。最后,基于IESO设计了改进型ADRC,将其应用于四旋翼无人机姿态控制系统,并从响应速度、跟踪精度、抗干扰能力三方面对其进行仿真实验验证。实验结果显示,IESO具有更好的观测效果,改进型ADRC的控制性能比传统的线性ADRC和非线性ADRC更优。