模型偏差补偿控制1().pptVIP

模型偏差补偿控制 东南大学自动化学院 叶桦 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 控制问题及方法 常见被控对象主要分两类（快速和时延），有各种理论和方法（自适应、自学习、神经网络、变结构、模糊、鲁棒、预测、H无穷、PID、模型偏差补偿控制等等），复杂和简单。相同对象，不同方法。同一对象，最好方法。 2. 理论和应用的脱节 理论仿真和实际应用的差异问题；提出问题并建立模型，然后向上和向下研究；简单问题复杂化和复杂问题简单化；抓住被控对象本质的简单方法，是最好的方法。实践检验的好方法，一定有它好的道理。 3. PID控制的问题 PID广泛应用，有效性得到认可 ，但也有它的用不好或不适用的地方。条件满足时，PID是最好的方法。很多方法仿真比PID好，但实用不如PID的根本原因是传统教科书的理论不正确。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 1 现有一些轨迹跟踪控制方法的分析 控制研究的问题很多（网络阻塞、多机器人协调等），我们仅讨论闭环轨迹跟踪控制问题。期望轨迹可以是关于全状态变量的，也可以是仅关于输出状态变量的。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 若对象的模型确切已知，则根据期望轨迹可以很容易算出准确跟踪所需的控制量，此时用开环控制就行了。事实上，建模误差是不可避免的，若仍采用理想控制量，必然会产生跟踪状态误差。控制的目的不外乎就是如何快速稳定地消除误差。通常有两类解决此类问题的途径： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. （1）（基于辨识）： 想办法在线辨识被控对象的未知参数、未知结构，然后再按已知参数、结构的对象设计相应的控制规律，如自校正控制等。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 这类方法的基础是辨识，而辩识的基本要求是信号充分激励。该要求和工程实际相背离。工程上希望测量噪声越小越好，通过软硬件滤波的方法尽量滤除测量噪声。而那些基于在线辨识的方法却是希望噪声越多越好，最好是白噪声，这显然和实际相背离。另外还存在辨识结构困难，辨识工作量大等问题，注定很难有实际应用效果。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. （2）（基于误差补偿）： 第二条途径是设法分析未建模动态对跟踪状态误差的综合影响，然后用某种补偿的办法去设法消除误差。如一些鲁棒控制、预测控制、模型偏差补偿控制（包括PID）等方法（所要求的条件相反，希望噪声越小越好）。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 这类方法的特点是没有信号充分激励的要求，不必分门别类地分析每一个参数、结构未建模动态对跟踪误差的影响，而只关心所有未建模动态对跟踪误差的综合影响，然后用某种方式加以补偿，尽量消除该综合影响，达到较好的跟踪效果。这一类方法所要求的条件和第一类恰好相反，比较符合工程实际。应用简单，效果较好，成功的例子较多。这类方法的关键在于补偿。对不同的对象，谁能找到最合理、正确的补偿方法，谁就是最好的控制方法。 Evalu