自适应控制课件__ok.pptVIP

二、隐式零极点配置自校正控制算法 则 对消过程零点的隐式零极点配置自校正算法步骤如下 3.采用增广递推最小二乘算法来辨识控制器参数； 4.由下式求控制输入 5.由式(2.130)计算 . 2.形成数据向量 ; 1.测取 ; (2.130) 2.3.6 自校正PID控制器 2.3.6.1 PID控制器算法简介 模拟PID控制器的算式和传递函数为 (2.131) (2.132) 位置式的数字PID控制器算式 PID控制器的离散传递函数为 (2.133) (2.134) 由式(2.134)，可以导出 (2.135) (2.136) (2.137) 为理想输出 2.3.6 自校正PID控制器 2.3.6.2 具有极点配置的PID控制器 设被控系统为确定性二阶系统 (2.138) (2.139) (2.140) (2.141) 采用控制器 将式(2.141)代入到式(2.138)中，有闭环系统方程 (2.142) 闭环系统多项式为 ，则有 (2.143) 实现无偏跟踪 选择 (2.144) (2.145) 由式(2.139)、(2.140)、(2.144)、(2.145)及(2.143)可得 (2.146) 2.3.6 自校正PID控制器 2.3.6.3 自校正PID控制器 (2.138) (2.147) 对显式PID自校正算法加以介绍。 ? 首先需要对系统未知或时变参数进行估计 (2.148) (2.149) 其中 (2.139) (2.140) ? 选择合适的特征多项式，利用下式求取多项式 和 ? 利用控制器方程求取 2.3.6 自校正PID控制器 2.3.6.3 自校正PID控制器 显式自校正PID控制器算法的计算步骤： (2.141) (2.148) (2.146) 1.采集输出数据 和参考输入 ； 2.按式(2.148)形成数据向量 ； 3.采用递推最小二乘辨识算法求取 和 ； 4.利用式(2.146)求取多项式 和 ； 5.利用式(2.141)求取控制律 。 2.3 自校正控制 模型参考自适应控制系统 自校正控制系统结构图 2.3.1 概述 模型参考自适应控制和自校正控制系统结构的区别 模型参考自适应控制系统： 常规控制系统 自适应机构 参考模型 自校正控制系统： 常规控制系统 自适应机构 2.3 自校正控制 2.3.2 动态过程参数估计的最小二乘法 2.3.2.1 基本最小二乘方法 被控系统模型为一离散线性差分方程 (2.44) 时刻测量到的系统输出和输入 不可测随机干扰序列 (2.45a) (2.45b) 为独立的随机噪声，要求其满足 (2.46c) (2.46b) (2.46a) 随机噪声的均值为零,彼此相互独立，方差为有限正值,噪声的采样均方值有界。 (2.44) (2.45a) (2.45b) 2.3.2 动态过程参数估计的最小二乘法 2.3.2.1 基本最小二乘方法 式(2.44)改写为向量形式 记： (2.47) 对输入输出观察了 次，则得到输入输出序列为： (2.48) 2.3.2 动态过程参数估计的最小二乘法 2.3.2.1 基本最小二乘方法 (2.48) 矩阵向量形式: (2.49) (2.50) 最小二乘估计方程 最小二乘参数估计原理就是从一组参数向量 中找到的估计量 ，使得系统模型误差尽可能地小,即式(2.51)所示的性能指标最小。 (2.51) 2.3.2 动态过程参数估计的最小二乘法 2.3.2.1 基本最小二乘方法 (2.49) (2.51) (2.52) (2.53) 则 (2.54) ：未知参数 的最小二乘估计。 随着测量得到的过程数据信息的增多，在利用基本最小二乘方法来完成每次的参数估计时，计算量将不断增大。 如何解决上述问题？ 2.3.2 动态过程参数估计的最小二乘法 2.3.2.2 递推最小二乘方法 增加一个新的观测数据 ,则 (2.49) 系统未知参数的最小二乘辨识公式 (2.54) (2.55) (2.56) (2.55) (2.56) 2.3.2 动态过程参数估计的最小二乘法 2.3.2.2 递推最小二乘方法