两种基于测量噪声的PID控制整定方法

测量噪声能够产生非期望的控制行为,这些行为能够降低执行机构的损坏程度和系统性能.噪声的影响可以通过滤波测量信号来降低.控制设计是一个复杂的问题,它需要一个在性能和鲁棒性之间的折衷的方法.反馈的缺点是将测量噪声带入到系统中,噪声产生的非期望控制行为可以用滤波器来减少.在控制设计中必须考虑滤波器产生的额外动态.主要讨论两种降低测量信号滤波对由噪声引起的非期望控制行为以及负载扰动响应和过程不确定性鲁棒性的影响的方法.     

基于微型编码器的电机LQG控制器设计方法

针对航空航天领域对电机伺服控制系统高精度和小体积的需求,提出并实现了一种基于微型编码器的电机伺服跟踪系统线性二次高斯控制器设计方法.分析了实际电机系统结构和编码器的典型误差并建立系统的噪声状态方程;设计了平稳卡尔曼滤波器,可以实现角位置、角速率和角加速度的最优估计;根据总体指标完成了线性二次高斯控制器设计并在Matlab/Simulink环境下建立了仿真模型并对其控制效果进行了预测;模拟实际工作环境搭建了实验测试系统对其跟踪性能进行了实测评估.仿真和实验结果表明:结合卡尔曼滤波的电机线性二次高斯控制器不但具有良好的跟踪性能,带宽可达24Hz,还能够有效地抑制噪声影响.     

用于压缩感知的DMD控制系统设计

基于数字光处理(DLP)的数字微镜器件(DMD)灰度控制主要针对视频应用,故帧频较低,只有约60～120 Hz,而用DMD实现的伯努利矩阵作为压缩感知测量矩阵,是0-1二值矩阵,不需要灰度控制,且帧频要求通常在数千帧每秒.研制了基于Xilinx公司Virtex-5 FPGA的DMD控制系统来实现伯努利矩阵,系统由随机数发生器(RNG)、DDR2 SDRAM控制器、DMD控制器等模块组成.随机数发生器产生的随机数存储在DDR2 SDRAM中,实现与DMD的高速数据传输.经验证,该系统可实现二值高速显示,帧频可达到2 kHz.     

孤岛微电网中二阶滤波器与PID控制器一体化参数整定方法

在孤岛微电网系统中,为降低测量噪声影响从而引入二阶滤波器。然而二阶滤波器的引入,通常使原系统PID控制器的最优参数发生改变,从而导致控制系统性能指标下降。为解决此问题,提出了一种一体化参数整定方法。该方法利用混合粒子群算法,以不同参数下,系统性能指标在Topsis综合评价法中的高得分作为寻优目标,一体化整定PID控制器与二阶滤波器的参数,保证滤波器的引入不会对系统性能指标造成较大改变,从而提升控制器性能。通过孤岛微电网系统仿真实验,验证了该方法的可行性与有效性。     

一种具有噪声干扰的MIMO非线性时变系统自适应控制

针对含噪声多输入多输出不确定非线性时变系统,提出一种基于多维泰勒网(MTN)的自适应控制方案,其中两个MTN分别用来实现优化控制和非线性滤波.首先,提出多维泰勒网控制器(MTNC)以实现实时跟踪控制.将滤波输出与期望值之间的闭环误差作为MTNC的输入,根据系统不确定因素引起的误差,基于稳定的学习率,设计线性再励的自适应变步长算法以快速更新MTNC权值.其次,提出多维泰勒网滤波器(MTNF)以消除测量噪声.由于定义了测量值与MTNF输出之间误差的Lyapunov函数,自适应MTN滤波系统兼具基于Lyapunov理论的自适应滤波(LAF)和MTN的特有性质.最后,通过在Lyapunov意义下选取适当的权值更新律,可使MTNF输出渐近地收敛到期望信号,并证明了滤波器的收敛性和稳定性.仿真结果验证了所提出方案的有效性.     

基于卡尔曼滤波CMAC-PID的视力检查距离控制系统

为提高视力检查的精确性和灵活性,设计了视力检查距离控制系统对检查距离进行有效控制,并建立了数学模型。针对该系统的非线性、时变性和多干扰性,提出基于卡尔曼滤波器的小脑神经网络与比例—积分—微分复合控制(CMAC-PID)方法,利用卡尔曼滤波器抑制测量噪声和控制干扰的影响。仿真结果表明,此控制方法在抗干扰方面优于CMAC-PID控制,可以更好地改善距离控制系统的性能。     

基于滤波反步法的无人直升机轨迹跟踪控制

针对无人直升机模型阶数比较高,设计常规反步法控制器时面临着对虚拟控制输入信号求导过程较为繁琐的缺陷,提出一种基于滤波器反步法的控制方法.首先,通过滤波器而非直接解析地对虚拟控制量求导,从而显著简化了反步控制器的设计过程,而且由于导数是通过积分过程而非微分得到,大大降低了测量噪声的影响;然后,基于李雅普诺夫稳定性理论证明了补偿跟踪误差是全局指数稳定的;最后,通过仿真结果进一步验证了所提出方法的稳定性和有效性.     

降低噪声的自适应滤波器的设计与实现

LINC(用非线性器件实现非线性放大)发射机系统中的信号分离器(SCS)等部分因为会给系统带来噪声而影响系统性能,而目前在各种抑制噪声的方案中,数字自适应滤波器在各个领域都有很好的发展前景.本文的研究采用基于复杂度低、在平稳环境中快速收敛、均值无偏收敛的最小自适应(LMS)的算法来设计并实现了一个降低噪声的数字滤波器.在借助matlab平台进行仿真证明此方法降噪的可行性后结合TI的TMS320C6416这款芯片,最终得到了噪声抑制和信号增强的结果.     

基于卡尔曼滤波的RBF神经网络和PD复合控制研究

针对工业机器人控制系统在实际工作中不可避免地要受到随机噪声的影响,提出了基于卡尔曼滤波的RBF神经网络与PD复合控制器设计,该控制器由PD反馈、RBF神经网络前馈控制器和卡尔曼滤波器三部分构成;基于卡尔曼滤波的PD和RBF神经网络复合控制具有优良的控制性能和动态品质,能快速跟踪设定的参考信号,而且无大的超调和振荡出现,只需较少的控制能量,明显抑制白噪声的污染,提高系统自适应性和鲁棒性;仿真结果表明了其有效性。     

闭环变量带误差系统的控制器设计

针对目前大多数系统的研究中,只考虑输出被误差干扰的情况,提出了一种闭环变量带误差系统模型(输入和输出信号均被噪声干扰),并对该系统的控制器进行设计。采用最小方差控制来对控制器进行设计,设计完成最小方差控制器以及自校正最小方差控制器。然后应用最小方差性能指标来评估控制器性能,并通过仿真验证控制器性能。     

一种模糊QR滤波及在组合导航中的仿真研究

总结了常用的自适应滤波的方法，并提出了一种基于模糊逻辑的自适应卡尔曼滤波技术，用模糊逻辑自适应推理器来“在线”修正卡尔曼滤波系统噪声协方差Q和测量噪声协方差R，从而使滤波器不断执行最优估计。仿真结果表明该方法可以提高GPS／INS组合导航系统的精度和可靠性。     

Double Closed-loop Integral Terminal Sliding Mode for a Class of Underactuated Systems Based on Sliding Mode Observer

Aiming to solve the tracking control problem of a class of second-order underactuated mechanical systems with unknown model parts, external disturbances and noise disturbances, a double closed-loop layered integral terminal sliding mode control method based on sliding mode observer is proposed. At the outset, the Lagrange model of the system is transformed into an affine model, and a sliding mode observer is designed according to the system structure. Neatly, the outer loop controller is designed using the observer’s estimated state, and the output value of the outer loop controller is filtered with a low pass filter. Then the inner loop controller is designed by using hierarchical sliding mode control method. On a premise of ensuring tracking performance, the control method can maximally improve convergence speed and reduce chattering even if there are unknown model parts, external interference and noise interference phenomena in the system. This simulation results distinctly display the effectiveness of the control tactics.     

基于广义最大Versoria准则的稀疏自适应滤波算法

针对脉冲噪声干扰环境下传统稀疏自适应滤波稳态性能差,甚至无法收敛等问题,同时为提高稀疏参数辨识的精度的同时不增加过多计算代价,提出了一种基于广义最大Versoria准则（GMVC）的稀疏自适应滤波算法——带有CIM约束的GMVC（CIMGMVC）。首先,利用广义Versoria函数作为学习准则,其包含误差p阶矩的倒数形式,当脉冲干扰出现导致误差非常大时,GMVC将趋近于0,从而达到抑制脉冲噪声的目的。其次,将互相关熵诱导维度（CIM）作为稀疏惩罚约束和GMVC相结合来构建新代价函数,其中的CIM以高斯概率密度函数为基础,当选择合适核宽度时,可无限逼近于l_{\mathrm{0}}-范数。最后,应用梯度法推导出CIMGMVC算法,并分析了所提算法的均方收敛性。在Matlab平台上采用\alpha-stable分布模型产生脉冲噪声进行仿真,实验结果表明所提出的CIMGMVC算法能有效地抑制非高斯脉冲噪声的干扰,在稳健性方面优于传统稀疏自适应滤波,且稳态误差低于GMVC算法。     

改进的内模跟踪控制对随机噪声抑制的研究与仿真

对于存在随机噪声和干扰的系统,传统的内模跟踪控制是无法解决这类问题的。将自适应滤波器引入到内模控制的结构中,很好地解决了内模控制在抑制随机噪声方面的不足。针对被控对象的模型和系统性能指标,同时考虑到系统的随机噪声设计自适应滤波器,从而构建自适应控制器。通过自适应控制器和基于内模原理设计的伺服补偿器对被控对象进行跟踪控制。提出的方法综合了内模控制和自适应滤波的优点,使控制系统达到满意的跟踪控制效果,对常规谐波扰动和随机噪声都有良好的抑制作用。仿真结果表明提出的设计方法能够实现系统的无静差跟踪,并且具有良好的抗噪性和稳定性。     

High-Precision Position Tracking Control of Electro-hydraulic Servo Systems Based on an Improved Structure and Desired Compensation

How to improve the position tracking accuracy of electro-hydraulic servo system is a hot issue today. Full state feedback control has received widespread attention for its ability to significantly improve control performance, however, its practical application range is limited in view of the large influence of measurement noise. In terms of this issue, we propose an adaptive robust controller based on improved structure and desired compensation. Firstly, to reduce the impact of measurement noise, the actual state value is substituted by the corresponding desired value in the controller design based on model compensation and the adaptive model compensator. Then, we introduce a new auxiliary variable into the controller to optimize its structure. In addition, nonlinear robust control laws are integrated in the controller to balance unstructured uncertainties. Simulation analysis shows that the proposed control strategy not only achieves the asymptotic tracking when parameter perturbation exists, but also ensures a specified transient response and final tracing precision under the combined influence of structured and unstructured uncertainties. The results indicate that the control strategy has good control accuracy as well as strong robustness.

     

Dynamic data reconciliation: Alternative to Kalman filter

Process measurements are often corrupted with varying degrees of noise. Measurement noise undermines the performance of process monitoring and control systems. To reduce the impact of measurement noise, exponentially-weighted moving average and moving average filters are commonly used. These filters have good performance for processes under steady state or with slow dynamics. For processes with significant dynamics, more sophisticated filters, such as model-based filters, have to be used. The Kalman filter is a well known model-based filter that has been widely used in the aerospace industry. This paper discusses another model-based filter, the dynamic data reconciliation (DDR) filter. Both the Kalman and the DDR filters adhere to the same basic principle of using information from both measurements and models to provide a more reliable representation of the current state of the process. However, the DDR filter can more easily incorporated in a wide variety of model structures and is easier to understand and implement. Simulation results for a binary distillation column with four controlled variables showed that the DDR filters had equivalent performance to the Kalman filter in dealing with both white and autocorrelated noise.     

动态数据校正提升孤岛微电网频率控制性能

在复杂的工业生产过程中,控制系统不可能工作在理想状态,其总会受到外界的影响,比如,在对反馈信号进行测量时,控制系统不可避免的会受到测量噪声的影响。为了降低测量噪声的影响,通常会使用各种各样的滤波技术以提升控制系统的性能。本文以微电网的频率控制系统为研究对象,考虑了当反馈回路有高斯分布测量噪声和非高斯分布测量噪声的两种情况,针对这两种测量噪声信号在模型中引入了动态数据校正滤波技术,分别对比了有无使用动态数据校正滤波技术时电网的频率偏差的方差大小,以此验证了动态数据校正滤波技术在微电网反馈控制回路中可有效抑制测量噪声的影响从而提升微电网频率控制性能。     

用于带有量测噪声系统的新型扩张状态观测器

提出了扩张状态观测器的一种新的形式,用于处理量测环节带有噪声干扰时的情况.ESO可以对不确定系统中的内外扰动进行观测,并以此为基础构成自抗扰控制器.但其性能会受量测噪声的影响.本文利用滤波器消除噪声的影响,并把已知的滤波器方程扩展到原有的ESO中,以补偿滤波器对实际输出信号的偏移作用.数字仿真表明,该方法可以有效的解决输出噪声对扩张状态观测器的影响.     

基于无迹卡尔曼滤波的旋转倒立摆LQR控制

LQR控制器在含有系统噪声与量测噪声的旋转倒立摆系统应用中,难以获得精确的状态向量实现对系统的最优控制.为了提高LQR的控制精度,引入了无迹卡尔曼滤波(UKF)状态观测器,以获得系统的最优状态估计量,实现基于动态规划的自抗扰二次型最优反馈控策略.与卡尔曼滤波(KF)相比,UKF用于非线性系统的状态估计的主要优势是不需要线性化去计算状态转移矩阵,避免了系统线性化带来的模型误差.在含有系统噪声与量测噪声的旋转倒立摆仿真模型下,对基于KF和UKF的LQR控制器进行了仿真对比分析.仿真结果表明,UKF对系统响应时间、控制精度、鲁棒性的优化效果更好.