自适应控制第五讲 最小方差自校正控制详解.pptVIP

系统模型 设系统模型为CA模型(受控自回归),且无输出延时 A(z)y(=B(z)x(x)+(t,w是白噪声 A(x)=1+az-+…+a 也可将模型写为, 其中 内2…点n,称为参数向量 g()=[-y(x-1) y(-2)a(,(-1,x(-2)…业(-称为信息向量 在!时刻,有t个测量结果,表示为 =H+ 其中 =[),y(2)…J),H=.φ(2)…,(,1=[w,1(2,…w 最小二乘准贝函数为 =∑v()-(Q) 基本最小二乘法参数估计 递推最小二乘法参数佔计 a()=-1)+CDLy()-(-1 P(t-1gae) P()=[-L()a()P(-1) 其它最小二乘法参数估计 遗忘因子递推最小二乘法参数估让 增广最小二乘法参数估计 广义最小二乘法参数估计 遗忘因子递推最小二乘法参数估计 ·当采用递推最小二乘法时,已有的所有信息向量都会在递 推过程中发挥作用,因此随着时间的推移,新采集到的信 息向量对参数估计值的修正作用会逐渐减劳,称为数据 饱和”现象,也就是说递推算法的计算效率逐渐降低。 被辨识的系统参数缓慢时变时,递推最小二乘法参数估计 不能很好地实现系统辨识。 遗忘因子递推最小二乘法参数估计是在递推公式中加入遗 图子渐减小晶信是向基在参数估计的权重,以加 遗忘因子递推最小二乘法参数估计 令P()=P1(-1)+a()g(,A为遗忘因子,一般取095≤1。l越 大,遗忘作用越小,参数估计的精度越高;λ越小,遗忘作用越大,参数估 计的跟踪能力越强。 遗忘因子递推最小二乘法爹数估计公式为 89)=c-D+2(y)-d6-1 P(-1)o FOOP P)=[-L()a(1P(x-1) ()-p(:9(t-1) 2(t-1)(t) P()=[-x()g(a门1:-1) 自校正控制 控制器 参数设计 辨识器 控制器 被控对象 y() “自校正控制”的基本思想 将参数估计算法与不同类型算法结合起来,形成一个能自动校正控 制器参数的实时计算机控制系统 是一个迭代优化的过程,通过边辨识、边综合,使得控制器参数能够逐步趋向于最 优值的过程。 自校正控制 控制器 参数设计 辨识器 被控对象 y() 控制器 可认为在自校正调节过程中,被控对象的模型是不变的,自校正控制的过程为: 1)在t时刻根据和y()计被控对象参数e( (2)根据(2)设计控制器参数() 面对的三个问题 (1)对过程进行在线递推参数估计 由克0)和r(+1),可计算出r+1时刻的控制量at+1) (2)设计控制率; (4)根据1时刻的(+1)和y(+1)再次估计被控对蒙参数+1 (3)设计在计算机上如何实现; (5)返回步骤2,继桀进行递推,直至被控对象参数估计值e(r)收 到其真值6 最小方差自校正控制 闭环系统可辨识条件 最小方差控制 最小方差自校正控制 广义最小方差控制 基于广义最小方差控制 闭环系统可辨识条件 1、闭环系统的可辨识性 在一个开环条件下对待辨识系统进行辨识时,输入a(是可以由辨识过程 给定的,当我们给定一个持续激励信号时,就可以对系统参数实现辨识。 当待辨识的系统是一个闭环系统的一部分时,u(c)是由控制器产生的 不能人工设定 同时,由于闭环系统的稳定性要求,系统的输出将逐渐收敛和平稳 因此无法获取所斋的持续瀲励的输入/输出信号用于系统辨识,这就出现了 岡环系统约可辨识性的问题 解决这一问题的最佳方法,是利用哚声信号作为持续激励的输入来进 行系統辨识,因此系统输出是否能对持续徼励的噪声輸入产生所需的响应 使辨识算祛能获得有关待辨识系统的充分信息,就成为了闭环系统可辨识 性的判断依据 闭环系统可辨识条件 2、闭环系统的可辨识条件 辨识器 ()- B(= )= I(t usoAo 设特辨识对录的模型为受控自回归滑动平均模型( CARMA 2)w()=B(2)x!+C(2) 控制器传函为 [2) G(z