李雅普洛夫稳定性理论设计MRACS.pptVIP

李雅普诺夫稳定性理论 Narendra 自适应控制器 令 δ＝0，可得参考模型的增广状态方程 相应地，参考模型传函为 Narendra 自适应控制器 增广状态误差方程 将e1 作为误差模型的输出，则有 如果将δTω 作为误差模型的输入，可写出其传函为 Narendra 自适应控制器 由上述增广状态误差方程，可设计自适应律 选取李雅普洛夫函数 其对时间的导数函数为 自适应律为 Narendra 自适应控制器 自适应律的实现 上述自适应律中bc未知，e 也不能直接获取，故设法用 e1来代替e ， 故参数自适应律为 Narendra 自适应控制器 自适应律的稳定性分析 确保以上自适应控制系统稳定的关键是存在正定对称矩阵 P 和 Q ，使得以下两式成立： 由正实定理可知，只要上述We(s)是严格正实的，则一定存在P 和 Q ，使得以上两式成立。 Narendra 自适应控制器 误差模型的传函与参考模型的传函比较 可得 只要Wm(s) 是严格正实的，即可保证We(s) 也是严格正实的 Narendra 自适应控制器 Wm(s)的正实条件为: 分子和分母多项式均是稳定多项式，且n－m 不大于1。 当 Wp(s) 中n－m 不大于1 时，以上条件容易满足； 当 Wp(s) 中n－m 1时， Wm(s)不是严格正实的，需引入辅助多项式L(s) ，使L(s) Wm(s) 为严格正实的。 Narendra 自适应控制器举例 【例5】已知对象和参考模型的传函分别为 【解】设计辅助信号发生器F1和F2分别为 Narendra 自适应控制器举例 可得可调系统传函 令W (s) ＝Wm(s)，可解得 Narendra 自适应控制器举例 令Γ＝1，可得自适应律 【说明】 例题中以“理想值”为初值可以保证系统可调参数很快逼近理想参数； 理论上，初值可任选，但不好的初值有时可能导致系统无法正常工作，故初值最好选在理想参数附近； 尽管在自适应律推导过程中用到P 和Q，但实现时并不用具体求解，通过引入辅助信号发生器，使自适应律非常简单，容易实现。 前馈＋反馈控制结构的MARCS设计 由于可调系统的参数为常值或缓慢变化，可设 则有 从而，可得自适应调节律为 前馈＋反馈控制结构的MARCS设计 【结论】 所设计的自适应规律能保证系统是全局渐近稳定的； 为保证系统的渐近稳定，与自适应律有关的参数运算应具备良好的 收敛性，这就要求 xp 和 r 线性独立； 要使 xp 和 r 线性独立，则 r 应为一定频率的方波信号或多个不同频率的正弦信号组成的分段连续信号。 前馈＋反馈控制结构的MARCS设计举例 【例1】设单输入单输出控制对象与参考模型的状态方程分别为 【解】设广义误差为 ε＝xm－xp，由于只有b参数需要调节，只需引入前馈增益控制，可得 当k = k*时，有 bm = bpk*, k* = bm /bp , k* －1＝bp / bm , 前馈＋反馈控制结构的MARCS设计举例 选取李雅普洛夫函数为 对时间求导数，可得 Am =－1/T，为确保系统渐近稳定，选取 前馈＋反馈控制结构的MARCS设计举例 系统自适应律为 前馈＋反馈控制结构的MARCS设计举例 【例2】设被控对象与参考模型分别为 【解】引入前馈增益矩阵K 和反馈矩阵F，则可调系统为 前馈＋反馈控制结构的MARCS设计举例 可以验证，P 满足PAm+AmTP=－Q，Q 0。 而 由前面推导结果可得自适应规律为 2. 全状态反馈结构的MARCS设计 系统结构 全状态反馈结构的MARCS设计 定义G *、F *是G、F 的理想值，当完全匹配时，有 系统广义状态误差方程为 定义参数偏差阵 则广义误差状态方程 全状态反馈结构的MARCS设计 将广义误差方程规范化 选取李氏函数 两边对时间求导，考虑到PAm+AmTP=－Q，可得 全状态反馈结构的MARCS设计 为确保上式负定，则后两项之和应为0，则有 对参数偏差阵求导，进一步可得F 和G 的自适应律 全状态反馈结构的MARCS设计 【结论】 该MARCS是全局渐近稳定的； 为了使该MARCS各偏差具有良好的渐近收敛性，要求输入信号为方波信号或分段连续信号； 该自适应律中要用到G 和 F，因而不容易直接求取。 三 基于对象输入输出的MRACS设计 1. 可调增益的MRACS设计 2. 参数可调SISO系统的MRACS设计 3. Narendra自适应控制器 1. 可调增益的MRACS设计 系统开环结构图 其广义误差传函为 可调增益的MRACS设计 广义误差微分方程 写成状态方程形式，有 可调增益的MRACS设计 构造李雅普洛夫函数 对时间求导数得 令后两项之和为0，