CN113189880B - 一种电液伺服***的极值搜索优化自抗扰控制方法 - Google Patents
一种电液伺服***的极值搜索优化自抗扰控制方法 Download PDFInfo
- Publication number
- CN113189880B CN113189880B CN202110510111.7A CN202110510111A CN113189880B CN 113189880 B CN113189880 B CN 113189880B CN 202110510111 A CN202110510111 A CN 202110510111A CN 113189880 B CN113189880 B CN 113189880B
- Authority
- CN
- China
- Prior art keywords
- electro
- hydraulic servo
- servo system
- control
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于电液伺服***技术领域,提供了一种电液伺服***的极值搜索优化自抗扰控制方法。该方法包括以下步骤:S1:根据电液伺服***的状态空间模型获取扩张状态***;S2:根据扩张状态***建立扩张状态观测器、干扰补偿器和反馈控制器;S3:对扩张状态观测器、干扰补偿器和反馈控制器的控制参数利用极值搜索方法进行迭代更新。本发明采用极值搜索算法对设计的扩张状态观测器、干扰补偿器和反馈控制器的控制参数进行基于数据的优化,优化过程不依赖于干扰和***模型,给出了控制参数的最优自动整定方法,从而估计和补偿***受到的干扰,实现对电液伺服***的控制。
Description
技术领域
本发明涉及电液伺服***技术领域,具体涉及一种电液伺服***的极值搜索优化自抗扰控制方法。
背景技术
电液伺服***以其***传输效率高、响应速度快、输出功率大和控制精确性高等优势,成为多电/全电飞机发展趋势下的航空器刹车、起落架和操纵***领域中一种重要的执行装置。近年来,随着航空器对极限性能的追求,电液伺服***的研究得到了国内外从业人员的进一步关注,在机构改进、性能分析和控制设计等方面均得到了深入的探讨和显著的优化。
在控制设计上,电液***的伺服能力直接影响其在飞机中的性能指标,因此大量研究都围绕如何抑制干扰、使***对特定信号跟踪性能达到预期指标展开。而电液伺服***是一种典型的多源干扰***,其在工作中受到自身强非线性、模型不确定性、泄露干扰、摩擦力矩扰动和外部负载力矩扰动等多源内外扰动的影响。这给电液伺服***的控制和干扰补偿器设计提出新的挑战。虽然现今有滑模控制、鲁棒自适应控制和反步法自适应控制等先进控制方案解决***所受干扰,但这些控制方案均需较精准***模型信息,限制了电液伺服***控制性能的提升。
针对电液伺服***的干扰抑制问题,近期基于干扰/不确定性估计和补偿的方法成为了解决电液伺服多源扰动的一个新的选择。主要包括:基于频域信息的干扰观测器滑模控制方案;以及不过度依赖于模型、利用扩张状态观测器对***集总干扰进行主动估计和补偿的自抗扰控制方法,都成为了提升电液伺服***控制性能的主流方法。但需要指出,电液伺服***的强非线性等特征使自抗扰方法控制参数的整定和优化面临重大的挑战。
发明内容
有鉴于此,本发明实施例提供了一种电液伺服***的极值搜索优化自抗扰控制方法,至少部分的解决现有技术中存在的问题。
本发明实施例提供了一种电液伺服***的极值搜索优化自抗扰控制方法,包括以下步骤:
S1:根据电液伺服***的状态空间模型获取扩张状态***;
S2:根据扩张状态***建立扩张状态观测器、干扰补偿器和反馈控制器;
S3:对扩张状态观测器、干扰补偿器和反馈控制器的控制参数利用极值搜索方法进行迭代更新。
根据本发明实施例的一种具体实现方式,所述步骤3具体包括以下步骤:
执行电液伺服***轨迹跟踪实验并计算电液伺服***位置输出跟踪误差;
通过电液伺服***位置输出跟踪误差计算优化目标函数;
根据优化目标函数更新控制参数;
重复执行电液伺服***轨迹跟踪实验并计算电液伺服***位置输出跟踪误差、计算优化目标函数、及更新控制参数,直至执行次数大于设定次数或优化目标函数小于设定阈值。
根据本发明实施例的一种具体实现方式,所述优化目标函数满足J=w1MA+w2MSD,其中J为优化目标函数,MA和MSD分别为电液伺服***输出的移动平均值和移动标准差,w1和w2分别为权衡电液伺服***高频和低频定位性能的权重系数。
本发明实施例提供的电液伺服***的极值搜索优化自抗扰控制方法、装置及电子设备,为用户提供一种基于数据的极值搜索控制参数优化方法,解决强非线性、多源扰动下的线性自抗扰控制器的设计和优化问题,提高电液伺服***的控制性能。本发明的实施例至少具有如下技术效果:
第一、本发明实施例对电液伺服***设计的自抗扰控制器,不过度依赖***模型,受***非线性影响较小,具有更好的鲁棒性。
第二、本发明实施例采用移动平均值指标和移动标准差指标相结合的优化指标函数对参数进行优化,权衡了电液伺服***的高频和低频定位性能。
第三、本发明实施例采用极值搜索算法对设计的自抗扰控制器即扩张状态观测器、干扰补偿器和反馈控制器的控制参数进行基于数据的优化,优化过程不依赖于干扰和***模型,给出了控制参数的最优自动整定方法,从而估计和补偿***受到的干扰,实现对电液伺服***的控制。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明实施例所提供的极值搜索优化自抗扰控制方法的步骤流程图;
图2示出了自抗扰控制器的极值搜索优化整定框图;
图3示出了极值搜索优化方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例一:
参见图1,一种电液伺服***的极值搜索优化自抗扰控制方法,包括以下步骤:
S1:获取电液伺服***的动力学状态空间模型,并根据状态空间模型获取扩张状态***;
获取电液伺服***的动力学状态空间模型,并对状态空间模型作微分平坦处理,从而获取非线性***的微分平坦模型,再从微分平坦模型获取电液伺服***的扩张状态***。该步使得后续对电液伺服***设计的自抗扰控制器不过度依赖***模型,且受***非线性影响较小,具有更好的鲁棒性。
S2:根据扩张状态***建立扩张状态观测器、干扰补偿器和反馈控制器;
扩张状态观测器、干扰补偿器和反馈控制器共同构成自抗扰控制器,扩张状态观测器用于观测***的集总干扰,干扰补偿器用于补偿***所受集总干扰,反馈控制器用于控制整个闭环***。
S3:对扩张状态观测器、干扰补偿器和反馈控制器的控制参数利用极值搜索方法进行迭代更新,具体为:
将当前扩张状态观测器、干扰补偿器和反馈控制器的控制参数值作为初值;
执行电液伺服***轨迹跟踪实验并计算电液伺服***位置输出跟踪误差;
通过电液伺服***位置输出跟踪误差计算优化目标函数,优化目标函数满足J=w1MA+w2MSD,其中J为优化目标函数,MA和MSD分别为电液伺服***输出的移动平均值和移动标准差,w1和w2分别为权衡电液伺服***高频和低频定位性能的权重系数;
根据优化目标函数更新控制参数;
重复执行上述电液伺服***轨迹跟踪实验并计算电液伺服***位置输出跟踪误差、计算优化目标函数、及更新控制参数步骤,直至执行次数大于设定次数或优化目标函数小于设定阈值。
上述步骤采用移动平均值指标和移动标准差指标相结合的优化指标函数对控制参数进行优化,权衡了电液伺服***的高频和低频定位性能;同时采用极值搜索算法对设计的自抗扰控制器参数进行基于数据的优化,优化过程不依赖于干扰和***模型,给出了控制参数的最优自动整定方法,从而估计和补偿***受到的干扰,实现对电液伺服***的控制。
上述步骤在间隔一段时间后需重复进行,保持对电液伺服***的控制。
需要说明的是,各个模块按照流式布局进行排列,仅仅是本发明的一个实施例,也可以采用其他的方式排列,本发明对此不做限定。
本发明的实施例具有如下技术效果:
第一、本实施例对电液伺服***设计的自抗扰控制器,不过度依赖***模型,受***非线性影响较小,具有更好的鲁棒性。
第二、本实施例采用移动平均值指标和移动标准差指标相结合的优化指标函数对参数进行优化,权衡了电液伺服***的高频和低频定位性能。
第三、本实施例采用极值搜索算法对设计的自抗扰控制器即扩张状态观测器、干扰补偿器和反馈控制器的控制参数进行基于数据的优化,优化过程不依赖于干扰和***模型,给出了控制参数的最优自动整定方法,从而估计和补偿***受到的干扰,实现对电液伺服***的控制。
实施例二:
一种电液伺服***的极值搜索优化自抗扰控制方法,具体包括以下步骤:
S1:根据电液伺服***的状态空间模型获取扩张状态***,具体包括以下步骤:
其中x1表示电液伺服器的活塞位置,x2表示活塞速度,x3表示负载压力,u表示输入电流,Ap表示活塞的受压面积,Ps表示泵的供给压,m为等效质量,k为等效刚度,c为等效阻尼,而α,β和γ为液压系数。此外,d1和d2为***所受干扰,并有如下形式:
d1=Fload+Ffriction+Δ1, (2)
d2=dleakage+Δ2, (3)
其中Fload和Ffriction分别表示负载力和摩擦力,dleakage为内泄漏干扰。而Δ1和Δ2为模型不确定性。
S1.2:对电液伺服***的受扰状态空间模型作微分平坦处理,具体包括以下步骤:
S1.2.1:定义平坦输出量:y=x1. (4);
S1.2.2:将式(1)推导成关于平坦输出y的函数表达形式:
S1.2.3:计算电液伺服***关于平坦变量的动态模型:
S1.2.4:定义新变量:
S1.2.5:根据式(7),获得式(1)的微分平坦模型:
其中f(ξ)=-λ1βξ1-(λ3α+λ2β+λ1)ξ2-(λ2+β)ξ3,
S1.3:获取电液伺服***的扩张状态***,具体包括以下步骤:
S1.3.1:将式(8)写作如下形式:
S2:对扩张状态***设计扩张状态观测器、干扰补偿器和反馈控制器,扩张状态观测器、干扰补偿器和反馈控制器共同构成自抗扰控制器,具体包括以下步骤:
S2.1:对扩张状态***式(10)设计扩张状态观测器:
S2.2:对扩张状态***设计干扰补偿器和反馈控制器:
考虑***的给定跟踪参考信号r,对式(10)设计干扰补偿器和反馈控制器,其控制输入电流计算如下:
S3:如图2-3所示,对步骤S2中的扩张状态观测器、干扰补偿器和反馈控制器控制参数利用极值搜索方法进行迭代更新与优化,从而获取最优控制参数值,具体包括以下步骤:
S3.1:设置需要优化整定的控制参数θ=[θ1,θ2,θ3]=[b0,ωo,ωc];设置最大迭代次数kmax和优化目标阈值Jthreshold。
S3.2:令k=0,初始化待整定的控制参数θ(0)=[b0(0),ωo(0),ωc(0)],b0(0),ω0(0),ωc(0)为当前b0,ω0,ωc值。
S3.3:令k=k+1,执行电液伺服***轨迹跟踪实验,并计算电液伺服***位置输出跟踪误差:e=r-ξ1。
S3.4:计算优化目标函数。
计算电液伺服***输出的移动平均值(Moving Average,MA)指标:
其中,T0为优化窗口时间周期。
计算移动标准差(moving standard deviation,MSD)指标:
计算控制参数优化目标函数为:
J=w1 MA+w2 MSD, (15)
其中w1和w2分别为权衡电液伺服***高频和低频定位性能的权重系数。
S3.5:对优化目标函数J进行采样。
S3.6:依次对第i(i=1,2,3)个控制参数按照下式进行参数更新。
该步中将扩张状态观测器、干扰补偿器和反馈控制器中b0,ω0,ωc值更新为θ(k)对应的b0(k),ω0(k),ωc(k)。
S3.7:判定若k+1>kmax或J<Jthreshold,则并间隔设定时间后跳转至步骤3.2;否则跳转至步骤3.3。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种电液伺服***的极值搜索优化自抗扰控制方法,其特征在于,包括以下步骤:
S1:根据电液伺服***的状态空间模型获取扩张状态***,具体为:
S1.1:获取电液伺服***的受扰状态空间模型:
其中x1表示电液伺服器的活塞位置,x2表示活塞速度,x3表示负载压力,u表示输入电流,Ap表示活塞的受压面积,Ps表示泵的供给压,m为等效质量,k为等效刚度,c为等效阻尼,而α,β和γ为液压系数,此外,d1和d2为***所受干扰,并有如下形式:
d1=Fload+Ffriction+Δ1, (2)
d2=dleakage+Δ2, (3)
其中Fload和Ffriction分别表示负载力和摩擦力,dleakage为内泄漏干扰,而Δ1和Δ2为模型不确定性;
S1.2:对电液伺服***的受扰状态空间模型作微分平坦处理,具体包括以下步骤:
S1.2.1:定义平坦输出量:y=x1, (4)
S1.2.2:将式(1)推导成关于平坦输出y的函数表达形式:
x1=y,
S1.2.3:计算电液伺服***关于平坦变量的动态模型:
S1.2.4:定义新变量:
S1.2.5:根据式(7),获得式(1)的微分平坦模型:
S1.3:获取电液伺服***的扩张状态***,具体包括以下步骤:
S1.3.1:将式(8)写作如下形式:
S2:根据所述扩张状态***建立扩张状态观测器、干扰补偿器和反馈控制器,具体为:
S2.1:对扩张状态***式(10)建立扩张状态观测器:
S2.2:对扩张状态***建立干扰补偿器和反馈控制器:
考虑***的给定跟踪参考信号r,对式(10)设计干扰补偿器和反馈控制器,其控制输入电流计算如下:
S3:对所述扩张状态观测器、干扰补偿器和反馈控制器的控制参数利用极值搜索方法进行迭代更新,具体为:
执行电液伺服***轨迹跟踪实验并计算电液伺服***位置输出跟踪误差;
通过所述电液伺服***位置输出跟踪误差计算优化目标函数;
根据所述优化目标函数更新所述控制参数;
重复执行所述电液伺服***轨迹跟踪实验并计算所述电液伺服***位置输出跟踪误差、计算所述优化目标函数、及更新所述控制参数,直至执行次数大于设定次数或所述优化目标函数小于设定阈值。
2.根据权利要求1所述的极值搜索优化自抗扰控制方法,其特征在于:所述优化目标函数满足J=w1MA+w2MSD,其中J为所述优化目标函数,MA和MSD分别为电液伺服***输出的移动平均值和移动标准差,w1和w2分别为权衡电液伺服***高频和低频定位性能的权重系数。
3.根据权利要求2所述的极值搜索优化自抗扰控制方法,其特征在于,所述步骤S3具体为:
S3.1:获取需要优化整定的控制参数θ=[θ1,θ2,θ3]=[b0,ωo,ωc];获取最大迭代次数kmax和优化目标阈值Jthreshold;
S3.2:令k=0,初始化待整定的控制参数θ(0)=[b0(0),ωo(0),ωc(0)],b0(0),ω0(0),ωc(0)为当前b0,ω0,ωc值;
S3.3:令k=k+1,执行电液伺服***轨迹跟踪实验,并计算电液伺服***位置输出跟踪误差:e=r-ξ1;
S3.4:计算优化目标函数:
计算电液伺服***输出的移动平均值指标:
其中,T0为优化窗口时间周期;
计算移动标准差指标:
计算控制参数优化目标函数为:
J=w1MA+w2MSD, (15)
其中w1和w2分别为权衡电液伺服***高频和低频定位性能的权重系数;
S3.5:对优化目标函数J进行采样;
S3.6:依次对第i个控制参数按照下式进行参数更新;
S3.7:判定若k+1>kmax或J<Jthreshold,则并间隔设定时间后跳转至步骤3.2;否则跳转至步骤3.3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510111.7A CN113189880B (zh) | 2021-05-11 | 2021-05-11 | 一种电液伺服***的极值搜索优化自抗扰控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510111.7A CN113189880B (zh) | 2021-05-11 | 2021-05-11 | 一种电液伺服***的极值搜索优化自抗扰控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113189880A CN113189880A (zh) | 2021-07-30 |
CN113189880B true CN113189880B (zh) | 2022-06-21 |
Family
ID=76981033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110510111.7A Active CN113189880B (zh) | 2021-05-11 | 2021-05-11 | 一种电液伺服***的极值搜索优化自抗扰控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113189880B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103195599B (zh) * | 2013-04-03 | 2015-08-26 | 天津大学 | 一种hcci燃烧基于模型的解耦及抗扰控制方法 |
CN104407335B (zh) * | 2014-10-24 | 2017-01-18 | 哈尔滨工业大学深圳研究生院 | 一种3轴交叉阵列的doa估计方法 |
CN109895754B (zh) * | 2019-03-05 | 2020-06-05 | 中南大学 | 一种基于最优滑移率的列车防滑控制方法及其控制装置 |
CN111027136B (zh) * | 2019-11-25 | 2024-05-31 | 安徽天诺制动***有限公司 | 基于分数阶极值搜索的非线性abs控制方法 |
CN111474936A (zh) * | 2020-04-29 | 2020-07-31 | 江苏海事职业技术学院 | 一种基于rbf神经网络的船舶运动智能控制器 |
CN111585475B (zh) * | 2020-07-09 | 2022-10-28 | 湖南科技大学 | 无刷直流电机伺服***扰动抑制与高精度跟踪控制方法 |
-
2021
- 2021-05-11 CN CN202110510111.7A patent/CN113189880B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113189880A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | A new adaptive sliding mode controller based on the RBF neural network for an electro-hydraulic servo system | |
CN104111607B (zh) | 一种考虑输入时滞的电机位置伺服***的控制方法 | |
Zhao et al. | Fractional order control to the electro-hydraulic system in insulator fatigue test device | |
CN109164709A (zh) | 一种基于改进型Smith预估器的光电跟踪***控制方法 | |
CN107193210B (zh) | 一种非线性***的自适应学习预设性能控制方法 | |
CN113241973B (zh) | S型滤波器迭代学习控制直线电机轨迹跟踪控制方法 | |
CN111142404A (zh) | 一种基于压电陶瓷驱动的微定位平台及其建模与控制方法 | |
CN107168072B (zh) | 一种基于干扰观测器的非匹配干扰***自抗扰控制方法 | |
CN107315350B (zh) | 一种电静液作动***双闭环模型参考自适应控制方法 | |
CN111930008A (zh) | 基于数据驱动控制的压电微定位平台轨迹跟踪控制方法 | |
CN112936277B (zh) | 一种水下机器人-机械手***固定时间轨迹跟踪方法 | |
CN111158386B (zh) | 一种干扰自主免疫的无人机姿态控制***及实现方法 | |
CN113189880B (zh) | 一种电液伺服***的极值搜索优化自抗扰控制方法 | |
CN115128958A (zh) | 一种前馈改进Smith预估器的光电跟踪控制方法 | |
CN113671833B (zh) | 不确定重复控制***协调设计方法及*** | |
CN110618705B (zh) | 一种数字式电动舵机环境温度补偿方法及装置 | |
CN115236974B (zh) | 一种复合抗扰控制器及其控制参数优化方法 | |
CN116068901A (zh) | 一种基于自适应有限时间扰动观测器的柔性连杆机械臂控制方法 | |
Saleem et al. | Self-Tuning State-Feedback Control of Rotary Pendulum via Online Adaptive Reconfiguration of Control Penalty-Factor | |
Ahmed et al. | Non-model based adaptive control of electro-hydraulic servo systems using prefilter inversion | |
Jo et al. | Robust stabilization via disturbance observer with noise reduction | |
CN111273548B (zh) | 基于参考模型和扰动精确观测补偿的三阶舵机控制方法 | |
CN113359415A (zh) | 一种新型扰动观测补偿控制器及其实现方法 | |
CN109426140B (zh) | 基于simulink的负载模拟器参数影响度分析方法 | |
Deniz et al. | Experimental verification of lead-lag compensators on a twin rotor system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |