张曙自适应控制作业20121100339.docVIP

（ 二 〇 一 三 年 八 月 自适应控制作业 第一部分： 模型：已知稳定对象，其中，选择参考模型为：，其中，参考输入为方波信号，这里取为1.2、1.5、2.5，自适应增益为0.01、0.1、0.7,运用MIT-MRAC(模型参考自适应控制系统)求和的响应曲线。 图1 模型参考自适应系统结构图 内环由调节器与被控系统组成可调系统, 外环由参考模型与自适应机构组成。在MRAC方法中，内环形成一个一般的反馈控制系统,只是其控制器的参数不是固定的，而是由外环进行调整;当被控系统受干扰的影响而使运行特性偏离了参考模型的输出的期望轨迹,则通过被控系统和参考模型的输出之差产生的广义误差来修改调节器的参数,使可调系统与参考模型相一致。MRAC的内、外环的调整过程同时影响整个系统的稳定性和性能，其稳定性、稳定过程和鲁棒性是MRAC的重要研究内容。主要的研究工具为Lyapunov稳定性理论和Popov超稳定性理论。 解：MIT-MRAC算法步骤： 已知 选择参考模型，； 选择参考输入和自适应增益； 采样当前模型输出和系统实际输出； 利用下式计算控制率： 构成MIT-MRAC系统结构框图; 通过上面的算法编制程序： 其中：num：实际模型分子多项式系数； den：实际模型分母多项式系数； numm：辨识模型分子多项式系数； denm：辨识模型分母多项式系数； Kp：实际模型静态增益； Km：辨识模型静态增益； n：模型阶次； r：自适应增益； H：参考输入幅值。 %MTI-MRAC算法程序函数 clc clear num=1; den=[1 1 1]; numm=1; denm=[1 1 1]; Kp=1; Km=1; n=2; r=0.01; H=1.2 T=200;h=0.05;L=T/h; [A,B,C,D]=tf2ss(Kp*num,den); [Am,Bm,Cm,Dm]=tf2ss(Km*numm,denm); yr0=0;ym0=0;yp0=0; u0=0;e0=0;Kc0=0; xp0=zeros(n,1);xm0=zeros(n,1); yr=H*[ones(1,L/4),-ones(1,L/4),ones(1,L/4),-ones(1,L/4)]; for i=1:L t(i)=i*h; xp=xp0+h*(A*xp0+B*u0); yp(i)=C*xp+D*u0; k1=Am*xm0+Bm*yr0; k2=Am*(xm0+h*k1/2)+Bm*yr0; k3=Am*(xm0+h*k2/2)+Bm*yr0; k4=Am*(xm0+h*k3)+Bm*yr(i); xm=xm0+h*(k1+2*k2+2*k3+k4)/6; ym(i)=Cm*xm+Dm*yr0; e(i)=ym(i)-yp(i); Kc=Kc0+h*r*e0*ym0; u(i)=Kc*yr(i); yr0=yr(i);ym0=ym(i); xp0=xp;xm0=xm;u0=u(i);e0=e(i);Kc0=Kc; end plot(t,yr,:,t,ym,--,t,yp); Xlabel(t);Ylabel(y_m(t),y_p(t)); legend(y_r(t),y_m(t),y_p(t)); title(MIT-MRAC算法：自适应增益r，方波幅值：H) 仿真如下：其中仿真时间为200s，计算步长为h=0.05； 图2 自适应增益为，方波幅值：H=1.2 图3自适应增益为，方波幅值：H=1.2 图4自适应增益为，方波幅值：H=1.2 图5 自适应增益为，方波幅值：H=1.5 图6 自适应增益为，方波幅值：H=1.5 图7自适应增益为，方波幅值：H=1.5 图8 自适应增益为，方波幅值：H=2.5 图9 自适应增益为，方波幅值：H=2.5 图10自适应增益为，方波幅值：H=2.5 通过上面的仿真，可以看出参考信号幅值H和自适应增益γ均对系统性能有着影响。当参考信号幅值H不变，而自适应增益γ变大时，系统的响应速度变快，但是当自适应增益γ过大，就会使系统变得不稳定。同时，当自适应增益γ不变时，参考信号幅值H增大时系统的响应速度也会变快，但是当参考信号幅值H过大，系统就会不稳定。 当参考信号幅值H或自适应增益γ变大时时，控制率是变大的，这会加快系统的反应时间。 在稳定性上，可以通过以下分析： 对于控制率：参考输入这里假设为阶跃信号，幅值为H，， 两边同时求导： 根据传函，系统实际输出和控制