第6章交流伺服系统常用的控制策略1.ppt

24828F 图6-33　基于互质分解表现控制的系统方框图 24828F 图6-34　控制系统 24828F 表6-2　各种控制方法的特性比较 24828F 　H∞混合灵敏度问题 图6-21　混合灵敏度系统 24828F 　加权函数的选择及H∞鲁棒控制器的设计 1 性能加权函数W１ s 代表了干扰的频谱特性， 反映了对系统灵敏度函数S的形状要求， 使其具有低频高增益的特性， 可增强干扰的抑制能力。2 W2 s 表示加法摄动的范数界， 起到对控制器输出限幅的目的。3 鲁棒性加权函数W3 s 是不确定函数， 由模型的非结构不确定性即高频未建模动态特性和模型参数不确定性所决定， 反映了被控对象本身的固有特性。 24828F 6.5　自适应控制 　自校正控制系统 STCS 　模型参考自适应控制系统 MRACS 24828F 　自校正控制系统 STCS 自校正控制系统也可以看作由两个控制回路组成：内环由被控对象和常规的控制器组成;外环由参数估计器和控制器设计计算两部分组成。参数估计和控制器设计必须在线地实现， 因此参数估计必须采用递推算法， 控制器设计必须采用计算尽量简单的设计方法， 常用的有最小方差控制和极点配置法的设计， 具有这种结构的控制系统称为自校正控制系统， 这个名称强调了这种控制系统能自动校正自己的参数， 以得到希望的闭环系统性能。 24828F 　模型参考自适应控制系统 MRACS 1.问题的提出2.典型结构3.模型参考自适应系统的设计思路 24828F 1.问题的提出 在最优控制理论中， 通常采用二次型性能指标 尽管该方法在理论上比较严谨、 完整， 但由上式所表示的性能指标较为抽象， 且加权阵Q， R只能采用试凑的方法来选定， 很不方便。 24828F 2.典型结构 图6-22　参数自适应控制系统 24828F 2.典型结构 图6-23　信号自适应控制系统 24828F 3.模型参考自适应系统的设计思路 1 　列写数学模型 2 　建立等效误差系统 3 　推导自适应控制规律 24828F 6.6　滑模变结构控制 　滑模变结构控制原理　滑模变结构控制的基本设计方法 24828F 　滑模变结构控制原理 1.滑动模态定义及数学表达2.滑模变结构控制的基本问题 24828F 1.滑动模态定义及数学表达 图6-24　切换面上三种点的特性 24828F 2.滑模变结构控制的基本问题 1 　滑动模态的存在性。2 　滑动模态的可达性。3 　滑模运动渐进稳态并具有良好的动态品质。 24828F 　滑模变结构控制的基本设计方法 1.设计切换函数s x ，2.求取滑动模态控制律u± x ， 24828F 1.设计切换函数s x ， 要求不仅滑模运动渐进稳定， 而且动态品质良好 一般来说， 我们应当根据期望的控制目标， 合理地选择切换函数 即确定切换面 ， 配置正确的系数以保证滑动模态的渐近稳定性和良好的动态品质。切换面的设计方法很多， 例如极点配置法、 特征向量配置法、 二次型优化法、 H∞优化法、 系统零点设计法等。 24828F 2.求取滑动模态控制律u± x ， 1 　常值切换控制 2 　函数切换控制 3 　比例切换控制 24828F 6.7　智能控制 　专家系统及专家控制　模糊控制　神经网络控制　学习控制　预测控制 24828F 　专家系统及专家控制 专家系统是人工智能应用领域的一个重要分支， 人工智能的理论和方法 如知识表示、 搜索策略 ， 主要是以专家系统的形式得到实际应用。一般认为专家系统是一种计算机程序， 它在某些特定领域中， 能以人类专家的水平去解决问题， 在某些方面甚至可能超过人类专家。 24828F 　模糊控制 模糊控制是利用模糊集合来刻画人们日常所使用的概念中的模糊性， 使控制器能更逼真地模仿熟练操作人员和专家的控制经验与方法， 它包括精确量的模糊化、 模糊推理、 模糊判决三部分。 24828F 　神经网络控制 神经网络则是多个神经元通过互联构成的网络， 常见的神经网络交接结构包括无反馈前向多层网络、 有反馈前向多层网络、 层内有互联的多层前馈网络、 任意元可能有连接的相互结合型网络等。 24828F 　学习控制 学习控制是日本学者S.Arimoto等人于1986年提出的。学习控制是对系统运行的未知信息进行学习， 并把学习的信息作为一种经验运用到未来的决策和控制之中去。 学习控制对于具有可重复性运动的工业机器人、 数控机床等被控对象有着广泛的应用前景， 而它们又都包含有多个满足一定动、 静态性能指标的位置伺服系统。因此， 研究位置伺服系统的学习控制具有一定的典型性。不过应该指出， 学习控制本身不能克服系统的随机干扰。一般来说， 自学习控制也常是与其他控制方法结合