CN105156270A - 风力发电机独立变桨控制***及方法 - Google Patents

Abstract

本发明公开了一种风力发电机独立变桨控制***及方法，该***包括风力发电机组、状态观测器以及干扰自适应控制器，该***根据控制输入和干扰输入，加入状态观测器和干扰自适应控制器，根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨,本发明基于线性二次型调节和干扰自适应控制技术的独立变桨控制策略，解决了风机风轮受载等问题，进而延长了风力机的运行寿命，通过本发明可以有效降低风力发电机的振动载荷，达到了较好的减振目的，同时本发明引入干扰自适应控制技术，以此抑制或者减小风速、湍流、风剪和塔影效应等对风力发电机的影响，提高***的鲁棒性。

Description

风力发电机独立变桨控制***及方法

技术领域

本发明涉及风电机组变桨***的控制策略，特别是涉及一种基于线性二次型调节和干扰自适应控制技术的风力发电机独立变桨控制***及方法。

背景技术

目前大部分的风机主要应用的仍然是统一变桨，而实际运行环境中，由于风剪、塔影等因素的影响，风轮平面内产生不平衡载荷，导致较大的叶尖变形，增加了叶片疲劳载荷，而统一变桨控制不能有效解决载荷不均匀问题，而且随着风力发电机组的大型化，这种不均衡载荷影响变得越来越大，而且不能降低风轮平面内的不均衡载荷，从而减少轮毂、主轴、塔架等一系列关键部件的振动。

近年来，国内外对风力机独立变桨控制也进行了相应的研究，独立变桨现有的技术主要有如下几个方法：

(1)、采用周期变桨控制，可有效减轻一阶旋转频率引起的载荷；

(2)、引入状态空间方法来抵消风剪导致的载荷；

(3)、通过测量获得叶根载荷的平均值，将其解耦到2个相互垂直的坐标系上，这样就能使用传统的单输入单输出控制方法等方法。

但上述独立变桨方法普遍具有如下缺点：

(1)现有的独立变桨方法，不能有效降低风力发电机的振动载荷，使其达到较好的减振目的；

(2)、现有的独立变桨方法，不能抑制或者减小风速、湍流、风剪和塔影效应等对风力发电机的影响，使其提高***鲁棒性。。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种风力发电机独立变桨控制***及方法，以解决风机风轮受载等问题，以延长风力机的运行寿命。

为达上述及其它目的，本发明提出一种风力发电机独立变桨控制***，该***包括风力发电机组、状态观测器以及干扰自适应控制器，该***根据控制输入和干扰输入，加入状态观测器和干扰自适应控制器，根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨。

进一步地，该***引入闭环状态观测器，根据湍流和塔影效应的影响引入干扰状态抵消干扰输入的影响，建立干扰自适应观测器，并根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨。

为达到上述目的，本发明还提供一种风力发电机独立变桨控制方法，包括如下步骤：

步骤一，由状态空间子模型确定风轮运动方程的状态空间表示形式，并根据线性二次调节确定目标函数和最优控制信号表达式；

步骤二，引入闭环状态观测器，根据湍流和塔影效应的影响引入干扰状态抵消干扰输入的影响，建立干扰自适应观测器；

步骤三，根据状态方程的估计误差，调节增益矩阵的增益系数，减小误差，使状态估计值能很好地跟踪***状态；

步骤四，通过观测器估计叶尖变形，重构干扰风速，确定干扰反馈增益，消除塔影，湍流等因素的干扰。

进一步地，风轮运动方程的状态空间表示形式为：

$\left.\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_{1}x\left(t\right)+B_{1}u\left(t\right)\\ y\left(t\right)=C_{1}x\left(t\right)+D_{1}u\left(t\right)\end{array}\right\}$

其中，A₁、B₁、C₁、D₁为风轮运动方程转化为标准控制方程的状态空间表示形式中的参数，第一个式子左边为x(t)的导数，x(t)为***状态，u(t)为***输入，都是自变量，y(t)为因变量，所有因变量、自变量都是随时间t变化的函数式。

进一步地，该目标函数为：

$J=\underset{0}{\overset{\mathrm{\∞}}{\∫}}\left(\mathrm{\δ}x{\left(t\right)}^{T}Q\right(t\left)\mathrm{\δ}x\right(t)+\mathrm{\δ}u{\left(t\right)}^{T}R(t\left)\mathrm{\δ}u\right(t\left)\right)dt$

其中，δx(t)为***状态；δu(t)为控制输入；Q(t)为状态权重矩阵；R(t)为输入权重矩阵，δx(t)、δu(t)为状态变量x(t)、输入变量u(t)的多元微分。

进一步地，该最优控制信号u(t)表达式为：

u(t)＝Gx(t)

其中，G为反馈增益矩阵，是在***的全状态反馈下计算的。

进一步地，于步骤二中，该状态观测器模型表示为：

$\stackrel{\·}{\hat{x}}\left(t\right)=(A-G_{x}C)\hat{x}\left(t\right)+Bu\left(t\right)+\mathrm{\Γ}{\hat{u}}_d\left(t\right)+G_{x}y\left(t\right).$

其中，为x(t)的状态估计值，u_D(t)为受湍流和塔影效应影响的扰动输入，A、B、C为该闭环状态观测器的传递矩阵，G为反馈增益矩阵。

进一步地，该干扰自适应观测器表示为：

$\left.\begin{array}{c}{\stackrel{\·}{z}}_D\left(t\right)={\mathrm{Fz}}_D\left(t\right)+G_d\left(y\right(t)-\hat{y}(t\left)\right)\\ u_D\left(t\right)={\mathrm{\Θz}}_D\left(t\right)\end{array}\right\}$

其中，u_D(t)为受湍流和塔影效应影响的扰动输入，z_D(t)为状态观测器新引入的干扰状态函数，为z_D(t)的导数，F和Θ是已知的干扰状态矩阵和扰动输入矩阵，G为反馈增益矩阵。

进一步地，于步骤三中，该状态方程的估计误差为：

$\stackrel{\·}{e}\left(t\right)=(\stackrel{\‾}{A}-\stackrel{\‾}{G}\stackrel{\‾}{C})e\left(t\right)$

其中： $\stackrel{\‾}{A}=\left[\begin{array}{cc}A& \mathrm{\Θ}\mathrm{\Γ}\\ 0& F\end{array}\right];$ $\stackrel{\‾}{G}=\left[\begin{array}{c}{G}_x\\ G_d\end{array}\right];$ $\stackrel{\‾}{C}=\left[\begin{array}{cc}C& 0\end{array}\right];$ $e\left(t\right)={\left[\begin{array}{cc}{e}_x^T& e_D^T\end{array}\right]}^T,$ G_d为干扰扰动增益，分别为没有扰动输入和有扰动输入情况下的误差矩阵的转置。

进一步地，调节增益矩阵的增益系数，可配置的极点在期望的极点附近，即可将极点配置到复平面虚轴的左侧，使得误差迅速衰减，使状态估计值能很好地跟踪***状态。

与现有技术相比，本发明一种风力发电机独立变桨控制***及方法通过实现一种基于线性二次型调节和干扰自适应控制技术的独立变桨控制策略，以解决风机风轮受载等问题，进而延长风力机的运行寿命，本发明可以有效降低风力发电机的振动载荷，达到了较好的减振目的，同时引入干扰自适应控制技术，以此抑制或者减小风速、湍流、风剪和塔影效应等对风力发电机的影响，提高***的鲁棒性。

附图说明

图1为本发明一种风力发电机独立变桨控制***的架构框图；

图2为本发明一种风力发电机的独立变桨控制方法的步骤流程图；

图3为风速随高度变化示意图；

图4为本发明较佳实施例中带状态观测器的状态反馈闭环控制***结构图；

图5为本发明较佳实施例中状态空间控制模型结构图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

图1为本发明一种风力发电机独立变桨控制***的架构框图。如图1所示，本发明一种风力发电机独立变桨控制***，包括：风力发电机组10、状态观测器20以及干扰自适应控制器30。

本发明之独立变桨控制***，根据控制输入和干扰输入，加入闭环状态观测器20和干扰自适应控制器30，根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨。

图2为本发明一种风力发电机的独立变桨控制方法的步骤流程图。如图2所示，本发明一种一种风力发电机的独立变桨控制方法，包括如下步骤：

步骤201，由状态空间子模型确定风轮运动方程的状态空间表示形式，并根据线性二次调节确定目标函数和最优控制信号表达式，易于构成闭环最优控制。

LQR(linearquadraticregulator)即线性二次型调节器，其对象是现代控制理论中以状态空间形式给出的线性***，而目标函数为对象状态和控制输入的二次型函数。二次型目标函数J的数学表达式为：

$J_{\min }=\frac{1}{2}\underset{0}{\overset{\mathrm{\∞}}{\∫}}(x^{T}Qx+u^{T}Ru)dt---\left(1\right)$

其中Q为半正定实对称常数矩阵，R为半正定实对称常数矩阵，Q、R分别为X和U的加权矩阵。LQR最优设计是指设计出的状态反馈控制器K要使二次型目标函数J取最小值，而K由加权矩阵Q与R唯一决定，故此Q、R的选择尤为重要。LQR理论是现代控制理论中发展最早也最为成熟的一种状态空间设计法。特别可贵的是，LQR可得到状态线性反馈的最优控制规律，易于构成闭环最优控制。

步骤202，引入闭环状态观测器，根据湍流和塔影效应的影响引入干扰状态抵消干扰输入的影响，建立干扰自适应观测器。

DAC(disturbanceaccommodatingcontrol)即干扰自适应技术，是一种用来降低或抵消持续干扰的方法，基本思想是在状态观测器中引入干扰状态，将重构的干扰状态引入反馈增益中以抵消干扰输入的影响。

步骤203，根据状态方程的估计误差，调节增益矩阵的增益系数，减小误差，使状态估计值能很好地跟踪***状态。

步骤204，通过观测器估计叶尖变形，重构干扰风速，确定干扰反馈增益，消除塔影，湍流等因素的干扰。

具体实施例：

一般来说，风模型主要分为3种：常风、湍流风和阵风模型。其中，湍流风是指风向和大小都随时间变化的风，是常见的风模型之一。除了以上3种风模型外，实际情况下，还要考虑风剪切、塔影效应等因素对风电机组的影响。

(1)、风剪切效应：自然风是随机变化，分布不均匀的。风速的变化受高度的影响很大，而且随着风力机组的大型化，这种影响越明显。风剪切使得风速在竖直方向上发生了较大变化(如图3所示)。风剪是指在竖直高度上风速的大小会随高度的不同发生变化。设地面处的风速为零，则不同高度处的风速大小满足以下指数模型公式：

$\frac{V\left(z\right)}{V_h}={\left(\frac{z}{h}\right)}^{\mathrm{\α}}$

式中：z为离地垂直高度；V(z)为离地高度为处的风速；Vh为轮毂处风速；h为轮毂离地高度；α为风剪系数，它与大气稳定度和地面粗糙度有关，α值越大表示风速随高度变化明显。

(2)、塔影效应：塔架干扰气流的分布，使空气流速度发生变化的现象称为塔影效应。塔影效应是风力发电过程中的一种负面效应，其结果会导致风机载荷波动，使发电机性能降低。在上风向风力发电机中，塔影效应可通过干扰控制技术来抑制或者抵消。上风向水平轴风力机风轮平面内的风速模型表达式为：

$V(x,y)=V_h+V_0{R}^2\left(h\right)\frac{y^2-x^2}{{(x^2+y^2)}^2}$

式中：V₀为平均风速；R(h)为高度h处的塔筒半径；y为叶片微元到塔架轴线在y方向的距离；x为桨叶微元到塔架轴线在x方向的距离。

现有技术中的统一变桨控制是假定发电机功率始终维持在额定功率，对电机转矩实行恒转矩控制，由于风速的波动，使得转矩不稳定。

本发明中，为了改善风电机组的动力特性，降低转矩的波动，采用线性二次调节控制方法。线性二次调节用状态空间来模拟控制对象，通过全状态反馈，实现控制***的最优控制。本专利选取输入量为桨距角误差，转矩的变化量为状态变量，通过线性二次调节最优控制减小转矩波动，从而提高发电机组的运行寿命。将风轮运动方程写成标准控制方程，即状态空间描述形式：

$\left.\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_{1}x\left(t\right)+B_{1}u\left(t\right)\\ y\left(t\right)=C_{1}x\left(t\right)+D_{1}u\left(t\right)\end{array}\right\}---\left(2\right)$

其中，A₁、B₁、C₁、D₁为风轮运动方程转化为标准控制方程的状态空间表示形式中的参数，第一个式子左边为x(t)的导数，x(t)为***状态，u(t)为***输入，都是自变量，y(t)为因变量，所有因变量、自变量都是随时间t变化的函数式。

目标函数为：

$J=\underset{0}{\overset{\mathrm{\∞}}{\∫}}\left(\mathrm{\δ}x{\left(t\right)}^{T}Q\right(t\left)\mathrm{\δ}x\right(t)+\mathrm{\δ}u{\left(t\right)}^{T}R(t\left)\mathrm{\δ}u\right(t\left)\right)dt---\left(3\right)$

其中，δx(t)为***状态；δu(t)为控制输入；Q(t)为状态权重矩阵；R(t)为输入权重矩阵，δx(t)、δu(t)为状态变量x(t)、输入变量u(t)的多元微分

最优控制信号u(t)表达式为：

u(t)＝Gx(t)(4)

其中，G为反馈增益矩阵，它是在***的全状态反馈下计算的，在工程应用上并不经济，须引入状态观测器来估计状态变量的值。闭环状态观测器的数学模型(其结构如图4所示)为：

$\stackrel{\·}{\hat{x}}\left(t\right)=(A-GC)\hat{x}\left(t\right)+Bu\left(t\right)+Gy\left(t\right)---\left(5\right)$

其中，是x(t)的状态估计值(总体估计值)，是的导数，A、B、C是此闭环状态观测器的传递矩阵(函数)，G为反馈增益矩阵(函数)。

由于湍流和塔影效应等干扰因素会对风电机组产生额外载荷，从而导致零部件的振动。为了抑制或者抵消这些干扰，引入干扰自适应控制技术，构建自适应控制***。干扰自适应技术是一种用来降低或抵消持续干扰的方法，基本思想是在状态观测器中引入干扰状态，将重构的干扰状态引入反馈增益中以抵消干扰输入的影响。干扰模型假定为以下的状态空间形式：

${\stackrel{\·}{z}}_D\left(t\right)={\mathrm{Fz}}_D\left(t\right)$

u_D(t)＝Θz_D(t)(6)

其中，u_D(t)为受湍流和塔影效应影响的扰动输入，z_D(t)为状态观测器新引入的干扰状态函数，为z_D(t)的导数，F和Θ是已知的干扰状态矩阵和扰动输入矩阵

状态观测器模型，其表示为：

$\stackrel{\·}{\hat{x}}\left(t\right)=(A-G_{x}C)\hat{x}\left(t\right)+Bu\left(t\right)+\mathrm{\Γ}{\hat{u}}_d\left(t\right)+G_{x}y\left(t\right)---\left(7\right)$

Γ是的系数矩阵(函数)。

相应地，干扰状态观测器可表示为：

$\left.\begin{array}{c}{\stackrel{\·}{z}}_D\left(t\right)={\mathrm{Fz}}_D\left(t\right)+G_d\left(y\right(t)-\hat{y}(t\left)\right)\\ u_D\left(t\right)={\mathrm{\Θz}}_D\left(t\right)\end{array}\right\}---\left(8\right)$

则状态方程的估计误差为：

$\stackrel{\·}{e}\left(t\right)=(\stackrel{\‾}{A}-\stackrel{\‾}{G}\stackrel{\‾}{C})e\left(t\right)---\left(9\right)$

其中： $\stackrel{\‾}{A}=\left[\begin{array}{cc}A& \mathrm{\Θ}\mathrm{\Γ}\\ 0& F\end{array}\right];$ $\stackrel{\‾}{G}=\left[\begin{array}{c}{G}_x\\ G_d\end{array}\right];$ $\stackrel{\‾}{C}=\left[\begin{array}{cc}C& 0\end{array}\right];$ $e\left(t\right)={\left[\begin{array}{cc}{e}_x^T& e_D^T\end{array}\right]}^T;$ G_d为干扰扰动增益，分别为没有扰动输入和有扰动输入情况下的误差矩阵(函数)的转置。通过合理选取G_x，G_d可使估计误差迅速衰减为零

由控制理论可知，只要可观测，调节增益矩阵的增益系数，可配置的极点在期望的极点附近，即可将极点配置到复平面虚轴的左侧，使得误差迅速衰减，使状态估计值能很好地跟踪***状态。此时，反馈控制的全状态控制器则为：

u(t)＝Gx(t)+G_dz_d(t)(10)

将式(10)带入状态方程式(2)中得：

$\stackrel{\·}{x}\left(t\right)=(A+BG)x\left(t\right)+({\mathrm{BG}}_d+\mathrm{\Γ}\mathrm{\Θ})z_d\left(t\right)---\left(11\right)$

由式(11)可知，要消除扰动带来的干扰，即确定干扰反馈增益G_d，使||BG_d+ΓΘ||尽量小。通过观测器估计叶尖变形，重构出干扰风速，这个干扰风速等同于塔影，湍流等因素共同作用的效果。控制算法抑制了叶尖变形就等效地降低了塔影，湍流等因素的影响。

本发明较佳实施例中，状态空间控制子模型如图5所示。其中，K*u中K为增益，u为输入变量，K由3个叶片的形变量互相比较互相影响而确定的，增益3由状态空间方程和实际桨距角确定。

本发明经过仿真，结合线性二次调节控制方法，对某兆瓦级风力发电机进行分析。分析表明线性二次调节控制方法能有效地降低风轮平面内的不平衡载荷，从而减小了叶尖拍打变形和风力发电机关键零部件疲劳载荷，延长风力发电机组的使用寿命，同时，干扰自适应控制技术的引入很大程度上消除了塔影、湍流变化等因素的影响，减少了风轮平面的不平衡载荷、震颤和剪切，***具有良好的鲁棒性。

综上所述，本发明一种风力发电机独立变桨控制***及方法通过实现一种基于线性二次型调节和干扰自适应控制技术的独立变桨控制策略，以解决风机风轮受载等问题，进而延长风力机的运行寿命，本发明可以有效降低风力发电机的振动载荷，达到了较好的减振目的，同时引入干扰自适应控制技术，以此抑制或者减小风速、湍流、风剪和塔影效应等对风力发电机的影响，提高***的鲁棒性。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

Claims (10)

1.一种风力发电机独立变桨控制***，其特征在于：该***包括风力发电机组、状态观测器以及干扰自适应控制器，该***根据控制输入和干扰输入，加入状态观测器和干扰自适应控制器，根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨。

2.如权利要求1所述的风力发电机独立变桨控制***，其特征在于：该***引入闭环状态观测器，根据湍流和塔影效应的影响引入干扰状态抵消干扰输入的影响，建立干扰自适应观测器，并根据具体情况调节增益系数Gx和Gd来控制误差和干扰输入的影响，最终实现独立变桨。

3.一种风力发电机独立变桨控制方法，包括如下步骤：

步骤一，由状态空间子模型确定风轮运动方程的状态空间表示形式，并根据线性二次调节确定目标函数和最优控制信号表达式；

步骤二，引入闭环状态观测器，根据湍流和塔影效应的影响引入干扰状态抵消干扰输入的影响，建立干扰自适应观测器；

步骤三，根据状态方程的估计误差，调节增益矩阵的增益系数，减小误差，使状态估计值能很好地跟踪***状态；

步骤四，通过观测器估计叶尖变形，重构干扰风速，确定干扰反馈增益，消除塔影，湍流等因素的干扰。

4.如权利要求3所述的风力发电机独立变桨控制方法，其特征在于，风轮运动方程的状态空间表示形式为：

$\left.\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_{1}x\left(t\right)+B_{1}u\left(t\right)\\ y\left(t\right)=C_{1}x\left(t\right)+D_{1}u\left(t\right)\end{array}\right\}$

其中，A₁、B₁、C₁、D₁为风轮运动方程转化为标准控制方程的状态空间表示形式中的参数，第一个式子左边为x(t)的导数，x(t)为***状态，u(t)为***输入，都是自变量，y(t)为因变量，所有因变量、自变量都是随时间t变化的函数式。

5.如权利要求4所述的风力发电机独立变桨控制方法，其特征在于，该目标函数为：

$J=\underset{0}{\overset{\mathrm{\∞}}{\∫}}\left(\mathrm{\δ}x{\left(t\right)}^{T}Q\right(t\left)\mathrm{\δ}x\right(t)+\mathrm{\δ}u{\left(t\right)}^{T}R(t\left)\mathrm{\δ}u\right(t\left)\right)dt$

其中，δx(t)为***状态；δu(t)为控制输入；Q(t)为状态权重矩阵；R(t)为输入权重矩阵，δx(t)、δu(t)为状态变量x(t)、输入变量u(t)的多元微分。

6.如权利要求5所述的风力发电机独立变桨控制方法，其特征在于，该最优控制信号u(t)表达式为：

u(t)＝Gx(t)

其中，G为反馈增益矩阵，是在***的全状态反馈下计算的。

7.如权利要求6所述的风力发电机独立变桨控制方法，其特征在于，于步骤二中，该状态观测器模型表示为：

$\stackrel{\·}{\hat{x}}\left(t\right)=(A-G_{x}C)\hat{x}\left(t\right)+Bu\left(t\right)+\mathrm{\Γ}{\hat{u}}_d\left(t\right)+G_{x}y\left(t\right).$

其中，为x(t)的状态估计值，u_D(t)为受湍流和塔影效应影响的扰动输入，A、B、C为该闭环状态观测器的传递矩阵，G为反馈增益矩阵。

8.如权利要求7所述的风力发电机独立变桨控制方法，其特征在于，该干扰自适应观测器表示为：

$\left.\begin{array}{c}{\stackrel{\·}{z}}_D\left(t\right)={\mathrm{Fz}}_D\left(t\right)+G_d\left(y\right(t)-\hat{y}(t\left)\right)\\ u_D\left(t\right)={\mathrm{\Θz}}_D\left(t\right)\end{array}\right\}$

其中，u_D(t)为受湍流和塔影效应影响的扰动输入，z_D(t)为状态观测器新引入的干扰状态函数，为z_D(t)的导数，F和Θ是已知的干扰状态矩阵和扰动输入矩阵，G为反馈增益矩阵。

9.如权利要求8所述的风力发电机独立变桨控制方法，其特征在于，于步骤三中，该状态方程的估计误差为：

$\stackrel{\·}{e}\left(t\right)=(\stackrel{\‾}{A}-\stackrel{\‾}{G}\stackrel{\‾}{C})e\left(t\right)$

其中： $\stackrel{\‾}{A}=\left[\begin{array}{cc}A& \mathrm{\Θ}\mathrm{\Γ}\\ 0& F\end{array}\right];$ $\stackrel{\‾}{G}=\left[\begin{array}{c}{G}_x\\ G_d\end{array}\right];$ $\stackrel{\‾}{C}=\left[\begin{array}{cc}C& 0\end{array}\right];$ $e\left(t\right)={\left[\begin{array}{cc}{e}_x^T& e_D^T\end{array}\right]}^T,$ G_d为干扰扰动增益， $\begin{array}{cc}{e}_x^T& e_D^T\end{array}$ 分别为没有扰动输入和有扰动输入情况下的误差矩阵的转置。

10.如权利要求9所述的风力发电机独立变桨控制方法，其特征在于：调节增益矩阵的增益系数，可配置的极点在期望的极点附近，即可将极点配置到复平面虚轴的左侧，使得误差迅速衰减，使状态估计值能很好地跟踪***状态。