一种基于PID控制器的稳定平台控制方法及装置制造方法及图纸

本发明专利技术公开了一种基于PID控制器的稳定平台控制方法及装置，包括步骤：建立被控对象的广义预测算法控制模型；获取被控对象的历史和未来的输入信息，根据输入信息经广义预测算法控制模型计算得出输出信息；根据输入信息和输出信息进行多步骤的输出预测；根据预测结果设置目标函数计算得到最优控制率；根据最优控制率，基于隐式预测的自动校正算法进行自动校正。该装置包括用于建立模型单元；获取输出单元；多步输出单元；设置函数单元；自动校正单元。本发明专利技术提高了系统鲁棒性，对控制量加权，输出误差的二次性能高，隐式方式可直接辨识控制规律的参数，解决了运算量和运算时间的问题。

【技术实现步骤摘要】

本专利技术涉及稳定平台的控制技术，特别涉及一种基于PID控制器的稳定平台控制方法及装置。
技术介绍
船用稳定平台控制技术具有广泛的军用价值，民用价值和商用价值。当舰船在海浪中航行时，由于海浪的作用，船体出现不稳定的摇摆，这样会使船体上的装载设备不能处于稳定的水平状态而无法正常工作，船用水平稳定平台就是用来保障安装在平台上的负载装置，能够在与水平面平行的平台上正常工作。通常，选用PID(全称为Proportion Integration Differentiation)作为调节器的伺服控制系统，具有原理简单、高鲁棒性和高适用性等诸多优点。近几年，为了达到对系统模型复杂度降低、在线计算简便、增强适应外界扰动能力等要求，接连出现了一些控制算法，例如：广义预测控制算法，广义预测控制算法是基于计算机为媒介来实现的，所以建立其数学模型、推导其控制算法，是基于离散的空间和时间的，首先预测模型建立很方便，再者采用在线持续优化的方法，这是与传统最优控制算法的最大区别，最后采用基于模型的误差反馈闭环优化。但是广义预测控制算法的显示预测方式适用于被控参数的数值变慢或为未知数的情况，其求解控制规律参数的过程是获取对象的模型参数并计算，这个过程采用最小递推二乘法进行在线估算，需要很大的运算量和运算时间。
技术实现思路
本专利技术的目的是提供一种实时的最优控制技术，用于对稳定平台的实时控制。为实现上述目的，本专利技术提供了如下方案：一种基于PID控制器的稳定平台控制方法，包括步骤：步骤A，建立被控对象的广义预测算法控制模型；步骤B，获取被控对象的历史和未来的输入信息，根据输入信息经广义预测算法控制模型计算得出输出信息；步骤C，根据输入信息和输出信息进行多步骤的输出预测；步骤D，根据预测结果设置目标函数计算得到最优控制率；步骤E，根据最优控制率，基于隐式预测的自动校正算法进行自动校正。可选的，步骤A中步骤建立被控对象的的广义预测算法控制模型包括建立CARIMA模型的差分方程：A(z-1)y(t)＝B(z-1)u(t-1)+C(z-1)ε(t)/Δ式中，A(z-1)、B(z-1)、C(z-1)，都是后移算子z-1的多项式，如下：A(z-1)=1+a1z-1+...+anaz-na]]>B(z-1)=1+b1z-1+...+bnbz-nb]]>C(z-1)=1+c1z-1+...+cncz-nc]]>其中，y是系统输出，u是系统输入，ε是均值为零、方差为σ2的噪声,Δ＝1-z-1是差分算子；对公式A(z-1)y(t)＝B(z-1)u(t-1)+C(z-1)ε(t)/Δ进行简化，用Δ乘以两边得到公式其中可选的，步骤C根据所述输入信息和输出信息进行多步骤的输出预测包括步骤：引入Diophantine方程，选用直到K时刻的输入输出数据，经过下列公式运算，预测K+1时刻的系统输出：步骤C1，公式中的R(z-1)，如下述公式：R(z-1)=1+Σi=1j-1rj,iz-t;]]>Fj(z-1)=Σi=0naSj,iz-i;]]>degRj＝j-1；degSj＝na；步骤C2，用Rj(z-1)乘以公式得公式A‾(z-1)R(z-1)y(k)=B(z-1)Rj(z-1)Δu(k-1)ϵ(k);]]>步骤C3，将公式带入公式A‾(z-1)R(z-1)y(k)=B(z-1)Rj(z-1)Δu(k-1)ϵ(k),]]>简化后可得公式y(k+j)=G‾(z-1)Δu(k+j-1)+Sj(z-1)y(k)+Rj(z-1)ϵ(k+j)]]>其中：G‾(z-1)=B(z-1)Rj(z-1)=gj,0+gj,iz-1+...+gj,nb+z-1z-(nb+j-1)]]>degG‾j=nb+j-1]]>deg Gj＝j-1步骤C4，将前两项看做预测优化，第三项为误差预测，如公式y(k+j)＝yp((k+j)/k)+Rj(z-1)ε(k+j)在j步骤前的最优化的预测为y((k+j)/k)=G‾j(z-1)Δu(k+j-1)+Sj(z-1)y(k)]]>式中参数说明：j，预测的步骤(j＝1,2…,P)；P，最大的预测时域长度。当预测时域长度j从1取值直到P时，多步的预测输出值都可以利用上述公式求取：步骤C5，现在和未来待求的控制量部分过去的已知部分，相当于初值Yp(k+1)＝GΔU(k)+F0ΔU(k-1)+S(z-1)y(k)其中，Yp(k+1)＝[yp((k+1)/k),yp((k+2)/k),…yp((k+p)/k)]TΔU(k)＝[Δu(k),Δu(k+1),…Δu(k+p-1)]TΔU(k-1)＝[Δu(k-nb),Δu(k-nb+1),…Δu(k-1)]TS(z-1)＝[S1(z-1),S2(z-1)…Sp(z-1)]TF0=g1,nbg1,nb+1...g1,2g1,1g2,nb+1g2,nb...g2,3g2,2············gp,nb+P-1gp,nb+P-2...gp,P-1gp,pp×nb.]]>可选的，步骤D，根据预测结果设置目标函数计算得到最优控制率，步骤如下：步骤D1，公式参数说明：p，最大的预测时域长度；N1，最小的预测长度；M，控制时域长度；λ，控制增量加权与输出预测误差系数；yr(k+1)，输入参考轨迹，步骤D2，对假定值柔化处理，获取的参考轨迹，如公式yr(k+1)＝ary(k)+(1+ar)yr(j＝1,2…)参数说明：yr，假定值；y(k)，输出值；yr(k+j)，参考轨迹；a，柔化系数，0<a<1；令被控对象的输出值无限趋近于设定值,使目标函数达到最小值，通过优化求取Δu(k)，Δu(k+1)，Δu(k+m-1)。步骤D3，将公式变成矢量的形式，得公式：Jp＝E[Y(k+1)-Yr(k+j)]T[Y(k+1)-Yr(k+j)]+ΔUT(k)ΔU(k)步骤D4，把公式预测方程代入公式Jp＝E[Y(k+1)-Yr(k+j)]T[Y(k+1)-Yr(k+j)]+ΔUT(k)ΔU(k)得公式Jp＝E{[GΔU(k)+FaΔU(k-1)+S(z-1)y(k)+ε(k+1)-Yr(k+1)]T[GΔU(k)+FaΔU(k-1)+S(z-1)y(k)+ε(k+1)-Yr(k+1)-Yr(k+1)]+ΔUT(k)ΔU(k)本文档来自技高网...

【技术保护点】
一种基于PID控制器的稳定平台控制方法，其特征在于，包括：步骤A，建立被控对象的广义预测算法控制模型；步骤B，获取被控对象的历史和未来的输入信息，根据所述输入信息经所述广义预测算法控制模型计算得出输出信息；步骤C，根据所述输入信息和输出信息进行多步骤的输出预测；步骤D，根据预测结果设置目标函数,将目标函数对未来控制量ΔU(k)求导，目的是使得目标函数最小，进而计算得到最优控制率；步骤E，根据所述最优控制率，基于隐式预测的自动校正算法进行自动校正。

【技术特征摘要】
1.一种基于PID控制器的稳定平台控制方法，其特征在于，包括：步骤A，建立被控对象的广义预测算法控制模型；步骤B，获取被控对象的历史和未来的输入信息，根据所述输入信息经所述广义预测算法控制模型计算得出输出信息；步骤C，根据所述输入信息和输出信息进行多步骤的输出预测；步骤D，根据预测结果设置目标函数,将目标函数对未来控制量ΔU(k)求导，目的是使得目标函数最小，进而计算得到最优控制率；步骤E，根据所述最优控制率，基于隐式预测的自动校正算法进行自动校正。2.如权利要求1所述一种基于PID控制器的稳定平台控制方法，其特征在于，步骤A中所述建立被控对象的广义预测算法控制模型包括建立CARIMA模型的差分方程：A(z-1)y(t)＝B(z-1)u(t-1)+C(z-1)ε(t)/Δ式中，A(z-1)、B(z-1)、C(z-1)，都是后移算子z-1的多项式，如下：A(z-1)=1+a1z-1+...+anaz-na]]>B(z-1)=1+b1z-1+...+bnbz-nb]]>C(z-1)=1+c1z-1+...+cncz-nc]]>其中，y是系统输出，u是系统输入，ε是均值为零、方差为σ2的噪声,Δ＝1-z-1是差分算子；对公式A(z-1)y(t)＝B(z-1)u(t-1)+C(z-1)ε(t)/Δ进行简化，用Δ乘以两边得到公式其中3.如权利要求2所述的一种基于PID控制器的稳定平台控制方法，其特征在于，步骤C根据所述输入信息和输出信息进行多步骤的输出预测包括步骤：引入Diophantine方程，选用直到K时刻的输入输出数据，经过下列公式运算，预测K+1时刻的系统输出：步骤C1，公式中的R(z-1)，如下述公式：R(z-1)=1+Σi=1j-1rj,iz-t;]]>Fj(z-1)=Σi=0naSj,iz-i;]]>degRj＝j-1；degSj＝na；步骤C2，用Rj(z-1)乘以公式得公式A‾(z-1)R(z-1)y(k)=B(z-1)Rj(z-1)Δu(k-1)ϵ(k);]]>步骤C3，将公式带入公式A‾(z-1)R(z-1)y(k)=B(z-1)Rj(z-1)Δu(k-1)ϵ(k),]]>简化后可得公式y(k+j)=G‾(z-1)Δu(k+j-1)+Sj(z-1)y(k)+Rj(z-1)ϵ(k+j)]]>其中：G‾(z-1)=B(z-1)Rj(z-1)=gj,0+gj,iz-1+...+gj,nb+z-1z-(nb+j-1)]]>degG‾j=nb+j-1]]>degGj＝j-1步骤C4，前两项为预测优化，第三项为误差预测，如公式y(k+j)＝yp((k+j)/k)+Rj(z-1)ε(k+j)在j步骤前的最优化的预测为y((k+j)/k)=G‾j(z-1)Δu(k+j...

【专利技术属性】
技术研发人员：张兰勇，耿文杰，刘胜，李冰，刘洪丹，杜逸璇，曹岸，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23