第13讲 最小方差调节器和自校正调节器解析.ppt

4.1 最小方差调节的计算机仿真(6/7) 仿真示例: 模型: 最优预报中所介绍的例1 系统方程 (1-0.9z-1)y(k)=0.5u(k-2)+(1+0.7z-1)w(k) 白化后的噪声信号w(k) 均值 E{w(k)}=0 方差 E{w2(k)}=?2. 参数?可用于控制噪声信号的能量/噪信比. 控制要求: 试进行输出y(k)的最小方差调节,并对调节结果进行统计分析. 4.1 最小方差调节的计算机仿真(7/7) 仿真结果 表1 计算机仿真结果 输出方差 理论值 仿真1 仿真2 仿真3 仿真步数5000 3.56 3.5021 3.5111 3.5839 4.2 自校正调节的计算机仿真(1/13) 4.2 自校正调节的计算机仿真 下面给出针对随机线性离散系统(XARMA) A(z-1)y(k)=B(z-1)u(k-d)+w(k) 的自校正调节仿真程序伪代码. 4.2 自校正调节的计算机仿真(2/13) /% 第一步 初始化 输入系统阶次na,nb和nc,以及时滞d, 加权因子? 输入系统模型Az=[1 a1 a2 … ]和Bz=[b0 b1 b2 …]; 预报模型阶次nf=d-1; ng=max(nc,na+nf)-d; 辨识参数个数n=ng+nf+nb+1 输入噪声w(k)的方差?w 输入b0的估计值b0g 设定系统变量初始值:yf[1:na+1]=0; uf[1:d+nb+1]=0; wf[1:nc+1]=0; 设定预报变量初始值:yc[1:d+na+1]=0; uc[1:d+nf+nb+1]=0; 设定辨识的初始值?[1:n]=0; P[n,n]=10^6*I 4.2 自校正调节的计算机仿真(3/13) % 第二步 自校正调节仿真 for k=1:最大仿真步数 { % 被控对象模型仿真(产生系统输入输出信号,即数据) yf[2:na+1]=yf[1:na]; uf[2:d+nb+1]=uf[1:d+nb]; wf[2:nc+1]=wf[1:nc]; wf[1]=2*?w*(rand()-0.5); yf[1]=-Az[2:na+1]*yf[2:na+1]+Bz[1:nb+1]*uf[d+1:d+nb+1]+wf[1]; 4.2 自校正调节的计算机仿真(4/13) % 输出数据检测 yc[1]=yf[1]; 输出在线自校正调节值y(k)=yc(1)； % 在线辨识自校正调节律 ?=[yc(d+1:ng+d+1) uc(d+2:d+nf+nb+1)]; K= P*?/(?+??*P*?); ?=?+K*[yf(1)-b0g*u(d+1)-??*?]; P=[I-K*??]*P/?; 修正矩阵P； 自适应控制篇目录(1/2) 自适应控制篇 第10讲 自适应控制概述 第11讲 最优预报和自适应预报 第12讲 最小方差调节器和自校正调节器 第13讲 最小方差控制器与自校正控制器 第14讲 极点配置调节器与极点配置自校正调节器 第15讲 自校正PID调节器 第16讲 多变量自适应控制 第17讲 自适应信号处理与滤波 第18讲 模型参考自适应控制概述 自适应控制篇目录(2/2) 自适应控制篇(续) 第19讲 模型参考自适应系统的数学模型表示 第20讲 基于李氏稳定性理论的状态空间模型参考自适应控制 第21讲 基于李氏稳定性理论的输入输出方程模型参考自适应控制 第22讲 基于Popov稳定性理论的状态空间模型参考自适应控制 第23讲 神经网络自适应控制 第十二讲 最小方差调节器和STR(1/3) 第十二讲 最小方差调节器和自校正调节器 自校正调节器(Self-tuning Regulator, STR)最早是由Astrom和Wittenmark于1973年首先提出来的,其结构如图1所示. 第十二讲 最小方差调节器和STR(2/3) STR是以RLS参数估计方法在线估计最优预报模型,并在此基础上以输出方差最小为调节指标的一种可以适应参数未知或慢时变的自适应控制系统. 当被估计参数收敛时,则根据估计参数而推得的输出方差最小调节律将收敛于被控系统参数已知时的输出方差最小调节律. 这时,这种调节律就是渐近最优的了. 欲讨论参数未知时能调节系统输出方差至最小的STR,需先引入参数已知时调节系统输出方差最小的最小方差调节器. 第十二讲 最小方差调节器和STR(3/3) 最小方差调节的基本思想是: 由于系统称中信道存在着d步时滞,这就使得当前的控制作用u(k)要到d个采样周期后才能对输出产生影响. 因此,要获得输出方差最小,就必须对输出量提前d步进行预报,然后根据预报值来计算适当的调节作用u(k). 这样,通过不断的预报和调节,就能始终保持输出量的稳态方差为最小. 下面,我们将顺序讨论: 最小方差调节律、 最小方差调节闭环