计算机控制系统第十二章.pptVIP

12.1 引言 本章研究以输入－输出模型为基础的最优设计方法，讨论基于线性模型和二次型性能准则的调节器设计。 12.2 问题的表达形式 过程动力学表征为： 系统的输出为： 其中，扰动v可表示为白噪声加到一个线性系统上所产生的 输出，即： C1(q)和A2(q)为正相平移算子多项式。 引入下列多项式： 可得到如下模型： A(q)y(k)=B(q)u(k)+C(q)e(k) 当没有控制信号时，此模型是一个具有有理谱密度的随机过程，即ARMA过程。 例12.1 多项式C的修正 多项式：C(z)=z+2 其零点z=-2在单位圆外。考虑信号： n(k)=C(q)e(k) 其中，e(k)是不相关的随机变量序列，其均值为零，方差为1。n的谱密度为： 由于：C(z)C(z-1)=(z+2)(z-1+2)=(1+2z-1)(1+2z) =(2z+1)(2z-1+1)=4(z+0.5)(z-1+0.5) 故信号n也可表示为：n(k)=C*(q)e(k) 其中： C*(z)=2z+1 是多项式C(z)的互反多项式 性能准则：Jmv=Ey2(k) 使上式为最小的控制律称为最小方差控制。 也可把性能准则表示为： 这个性能准则是连续时间损失函数： 的一种近似表示。 使这个性能准则为最小的控制律称为线性二次型控制律。 12.3 最优预报 由下面模型生成的信号y ： 其中，A*和C*是A和C的互反多项式，即A*(q-1)=q-nA(q)， 而q-1是后向平移算子。 K时刻时，用已观测到变量y(k),y(k-1)…,对y(k+m)进行预测，得 如果多项式C稳定，则e(i)就能由y(i),y(i-1),…用下列精确算出： 最优预报器为： 预报误差为： 定理12.1 最优预报器 设y(k)是随机过程，多项式C(z)的全部零点都位于单位圆 内，e(k)是独立的随机变量序列。那么，m步最小方差预 报器为： 其中，多项式F和G分别为用A除qm-1C时的商和余项，即： qm-1C(q)=A(q)F(q)+G(q) （12.17） 预报误差是一个平移平均过程： 其均值为零，方差为： 证：F是次数为m-1的首一多项式，而G的次数小于n。因此： 考虑： 例12.2 预报 考虑由多项式： 定义的系统(12.14)式。其中，e的方差为1。首先确定输出的向前三步预报。等式(12.17)给出： 这给出了三角线性方程组： 因此向前三步预报为： 预报误差的方差为： C在单位圆上有零点的情况 (12.16)式的预报器是特征多项式C(z)的动力学 系统。C的所有零点都在单位圆内的假设保证了 预报器的定态稳定性。 由谱因子分解得，可以选择C使其零点在单位 圆内或单位圆上。单位圆外的零点被镜像反射到 单位圆内。 例12.4 单位圆上的零点 考虑过程： y(k)=e(k)-e(k-1) (12.22) 在此例中，多项式C(z)=z-1的零点位于单位圆上。用以前的方法，在形式上可给出一步预报器： 想以前做过的那样，设法由y(k),y(k-1),…,y(k0)算出e(k)，得： 式中出现e(k0-1)这一项，当 时它不趋近于零，这表明了C不稳定带来的后果。然而，可以用卡尔曼滤波理论来确定最优预报器。(12.22)式给出的信号可以写成： 利用11.3节中的符号表示法，有 。 卡尔曼滤波器为： 初始条件为： 输出的预报器为： 经过简单的计算得到： 12.4 最小方差控制 具有稳定逆的系统 引入后向平移算子q-1之后就可把模型(12.5)式写成： 其中： 是系统的极点盈数。还有degA=degC=n。引入互反多项式 可使基于因果性的论证更加清晰。 由（12.20）有： 设参考输入为： 定理12.2 最小方差控制－稳定逆 考虑由(12.5)式描述的过程，其中e(k)是独立随机变量序列， 其均值为零，标准差为 。设多项式B和C的全部零点都在单 位圆内，于是最小方差控制律由(12.27)式给出，其中多项式 F*和G*，由m=d的(12.20)式得到。此控制律给出的定态输出为： 例12.6 最小方差控制 考虑(12.5)式所给出的系统，其中： 极点盈数是d=2。qd-1C(q)除以A(q)所得到的