模型参考自适应器的设计.docVIP

模型参考自适应控制器设计 摘要： 本文首先介绍了模型参考自适应的基本概念，做出了模型参考自适应的系统结构图，然后介绍了设计模型参考自适应系统的三种常用的方法。结合遗传算法的学习，给出了基于遗传算法设计自适应PID控制器，在论文中，随着交叉互换率与突变率随基因的适应度值而变化，因而增强了算法的性能。最后结合MATLAB的学习，举出了一个例子，做出了仿真。从仿真的结果来看，提高了系统的响应速度，降低了超调量，使系统更加稳定，基本达到了设计要求。 关键字：遗传 算法 自适应控制器 仿真 1.前言 模型参考自适应控制(model reference adaptive control,MRAC)是从模型跟踪问题或模型参考控制(model reference control,MRC)问题引申出来的。在MRC中，只要设计者非常了解被控对象(其模型已获知)和它应当满足的性能要求，即可提出一个被称为“参考模型”的模型，用以描述希望的闭环系统的输入输出性能。MRC的设计任务是寻求一种反馈控制率，使被控对象闭环系统的性能与参考模型的性能完全相同。 但在对象参数未知的情况下，MRC是不可行的。处理这种情况的一种途径是，采用确定性等价方法，即用参数估计值代替控制率中的未知参数，从而得到了MRAC结构，如图1所示。 图1 模型参考自适应控制系统结构 由图1可知，MRAC系统有两个环路组成：内环和外环。内环与常规反馈系统类似，由被控对象和可调控制器组成，称为可调系统；外环是调整可调控制器参数的自适应回路，其中的参考模型与可调系统并联。由于加在可调系统的参考输入信号同时也加到了参考模型的输入端，所以参考模型的输出或状态可用来规定希望的性能指标。因此，MRAC的基本工作原理为：根据被控对象结构和具体控制性能要求,设计参考模型，使其输出表达对参考输入的期望响应；然后在每个控制周期内，将参考模型输出与被控对象输出直接相减，得到广义误差信号，自适应机构根据一定的准则，利用广义误差信号来修改可调控制器参数，即产生一个自适应控制率，使趋于零，也就是使对象实际输出向参考模型输出靠近，最终达到完全一致。 在图1所示的系统中，参考模型的输出或状态相当于给定一个动态性能指标，（通常，参考模型是一个响应比较好的模型），目标信号同时加在可调系统与参考模型上，通过比较受控对象与参考模型的输出或状态来得到两者之间的误差信息，按照一定的规律（自适应律）来修正控制器的参数（参数自适应）或产生一个辅助输入信号（信号综合自适应），从而使受控制对象的输出尽可能地跟随参考模型的输出。 在这个系统，当受控制对象由于外界或自身的原因系统的特性发生变化时，将导致受控对象输出与参考模型输出间误差的增大。于是，系统的自适应机构再次发生作用调整控制器的参数，使得受控对象的输出再一次趋近于参考模型的输出（即与理想的希望输出相一致）。这就是参考模型自适应控制的基本工作原理。 由此可见，模型参考自适应控制系统的核心问题是如何确定自适应控制率，以便得到一个广义误差趋向于零的稳定系统。根据自适应控制率设计方法的不同，产生了各种不同的模型参考自适应控制系统。通常，模型参考自适应控制系统有如下三种设计方法。 局部参数最优化设计方法：主要有梯度法、牛顿—拉夫森法、共轭梯度法、变尺度法等。用局部参数最优化理论设计模型参考自适应控制系统是最早的一种方法，采用这种方法，必须具备两个基本条件：一是被控对象与参考模型之间的参数差值应比较大，或者说系统运行在参考型参数值的邻域内；二是被控对象是一个慢时变系统。 即使如此，采用这种方法设计的模型参考自适应控制系统也不能保证系统总是稳定的。 基于Lyapunov稳定性理论的设计方法：为了克服采用局部参数最优化方法设计的MRAC不一定稳定的缺点，众多学者采用Lyapunov第二方法（直接法），将设计自适应控制律的问题转化为稳定性问题，推导模型参考自适应控制系统的自适应律，以保证系统具有全局渐进稳定性，并具有更好的动态特性。 基于Popov超稳定性理论的设计方法；用Lyapunov第二方法能成功设计出MRAC，但Lyapunov函数选取较困难，而且不是唯一的；同时由于很难扩大Lyapunov函数的种类，因而也就限制了自适应律种类的扩展。这两方面都限制了Lyapunov第二方法设计MRAC的广泛应用，可采用Povov超稳定性理论来改善这种状况。 PID自适应控制器设计的背景 在工业过程控制系统中，PID算法是一种可靠的、行之有效的控制算法，但常规PID算法对参数整定要求较高。应用到实际系统时，需要反复调整参数多次，才能确定出较为满意的参数。如果PID参数设置不合理，容易出现超调量过大或反复振荡现象，跟踪