一种基于噪声估计的自适应状态反馈预测控制方法技术

技术编号:2781160 阅读:288 留言:0更新日期:2012-04-11 18:40
本发明专利技术公开了一种基于噪声估计的自适应状态反馈预测控制方法,包括以下步骤:A.利用Singular  Pencil  Model模型表示实际被控过程;B.采用递推的扩展卡尔曼滤波参数估计方法估计所述利用Singular  PencilModel模型表示的实际被控过程的状态和模型参数;C.利用估计出来的状态和模型参数计算当前的控制作用,并将计算出来的控制作用加到实际被控过程中;D.在下一个执行周期,重复执行步骤B和C,实现对实际被控过程的自适应状态反馈预测控制。利用本发明专利技术,充分考虑了被控过程中含有的噪声信息和状态信息,大大提高了控制方法抑制噪声的能力。另外,本发明专利技术提供的控制方法计算量小,便于工业应用。

An adaptive state feedback predictive control method based on noise estimation

The invention discloses a method of adaptive state feedback predictive control based on noise estimation, which comprises the following steps: A. using Singular Pencil Model model to represent the actual controlled process; B. uses the extended Calman filter recursive parameter estimation method to estimate the Singular using the PencilModel model to represent the actual state of the controlled process and the model parameters of C. by the state; the estimated model parameters and calculation of control current, control function is applied and the calculated actual controlled process; D. in the next execution cycle, repeat steps B and C, realize the adaptive state feedback predictive control of the actual controlled process. With the invention, the noise information and the state information contained in the controlled process are fully taken into account, and the control method and the noise suppression capability are greatly improved. In addition, the control method provided by the invention has small amount of calculation and is convenient for industrial application.

【技术实现步骤摘要】

本专利技术涉及自动化控制
,尤其涉及。
技术介绍
在工业自动化控制领域,应用预测控制技术对被控过程进行控制具有广泛的应用。现有的应用预测控制技术多是基于离线辨识的模型,或是根据物理和化学反应机理推导出来的模型,例如模型算法控制(Model AlgorithmControl)、动态矩阵控制(Dynamic Matrix Control)和广义预测控制(GeneralPredictive Control)等。另外,现有的应用预测控制技术也有将在线辨识和上述预测控制相结合的自适应预测控制方法,例如自适应的广义预测控制,模型参考自适应预测控制方法等。在上述各种现有的应用预测控制技术中,由于噪声信息难以确定,尤其是工业上被控过程中含有不可测的噪声信息,导致现有的控制方法无法充分考虑被控过程中含有的噪声信息。即使个别现有的控制方法考虑了被控过程中含有的噪声信息,考虑的也大都是可测噪声信息,而在工业上被控过程中含有的噪声信息多是不可测噪声信息,所以现有的控制方法并没有充分考虑被控过程中含有的不可测噪声信息。另外,由于大部分应用预测控制技术都没有引入状态反馈,所以现有的控制方法都没有充分考虑被控过程中含有的状态信息。即使个别现有的方法虽引入了状态反馈,例如状态反馈预测控制,但是受到状态是否可测的限制,如果状态是可测的,则可以直接利用测出的状态信息进行状态反馈预测控制;如果状态是不可测的,则还要单独设计状态观测器,利用设计的状态观测器对状态信息进行观测,然后再利用测出的状态信息进行状态反馈预测控制,实现过程非常复杂,实现成本也很高。因此,基于上述两个原因,即现有的控制方法没有充分考虑被控过程中含有的噪声信息和状态信息,导致了现有的控制方法抑制噪声的能力很差,这也是目前应用预测控制技术急需解决的重要问题。
技术实现思路
(一)要解决的技术问题针对上述现有技术存在的问题,本专利技术的主要目的在于提供,以充分考虑被控过程中含有的噪声信息和状态信息,提高控制方法抑制噪声的能力。(二)技术方案为达到上述目的,本专利技术的技术方案是这样实现的,该方法包括A、利用Singular Pencil Model模型表示实际被控过程;B、采用递推的扩展卡尔曼滤波参数估计方法估计所述利用SingularPencil Model模型表示的实际被控过程的状态和模型参数;C、利用估计出来的状态和模型参数计算当前的控制作用,并将计算出来的控制作用加到实际被控过程中;D、在下一个执行周期,重复执行步骤B和C。所述步骤A包括假设xk是状态变量,uk是输入变量,yk是输出变量,ek为噪声变量,E*,A*,B*,C*,E0为矩阵,I为单位阵,z为前向移位算子,则建立公式 表示实际被控过程。所述在建立公式 表示实际被控过程之后进一步包括 假设j=Ip|0p×m,wk=T,]]>G~*(wk)r=wk,]]>G~0(wk)r=wk+Jwk,]]>C*ek=C~*(ek)ηk,]]>其中矩阵 和 根据r中参数的特定位置构建,矩阵 根据η中参数的特定位置构建,则将用于表示实际被控过程的公式 变形为公式xk+1=E*xk+G~*(wk)r+C*ek0=E0xk+G~0(wk)r-Jwk+ek;]]>假设F~k=E*G~*(wk)C~*(ek)0I000I,]]>sk=xkTrkTηkTT,]]>H~k=E0G~0(wk)0,]]>则将公式xk+1=E*xk+G~*(wk)r+C*ek0=E0xk+G~0(wk)r-Jwk+ek]]>变形为公式sk+1=F~kskyk=H~ksk+ek.]]>所述步骤B包括所述递推的扩展卡尔曼滤波参数估计算法公式为Kk=ΞkPkH~kT(H~kPkH~kT+Rk)-1Pk+1=ΞkPkΞkT-Kk(H~kPkH~kT+Rk)KkTs^k+1=F~ks^k+Kk(yk-H~ks^k),]]>式中,R^k+1=R^k+1k+1(e^ke^kT-R^k),]]>Ξk=∂(F~ksk)∂sk|sk=s^k,]]>∂(F~ksk)∂sk=E*-C*E0G~*(wk)-C*G~0(wk)C~*(ek)0I000I]]>公式Pk+1=ΞkPkΞkT-Kk(H~kPkH~kT+Rk)KkT]]>用于修正Kk,将修正后的Kk代入公式s~k+1=F~ks^k+Kk(yk-H~ks^k),]]>计算得到包含所述实际被控过程状态和模型参数的参数sk=xkTrkTηkTT.]]>步骤C中所述利用估计出来的状态和模型参数计算当前的控制作用包括C1、利用包含实际被控过程状态和模型参数的参数sk=xkTrkTηkTT]]>构建A、B、V和状态反馈x;C2、利用构建的A、B、V构建状态反馈预测控制方法公式x(k+1)=Ax(k)+Bu(k)+Ve(k)y(k)=Cx(k)+e(k);]]>C3、根据参考轨迹ys(k+p)=αy(k)+(1-α)ω、性能指标Jp=Q+ΔuT(k)λΔu(k)]]>和预测公式x(k+1)=Ax(k)+Bu(k)+Ve(k)y(k)=Cx(k)+e(k),]]>计算增量形式的最优控制率Δu(k)=(STQS+λ)-1STQ(ys(k+p)-y(k)-ΔKX-ΔSU-ΔTY),其中,ω是输入设定值,α为滤波系数,ΔKX=(C1Ap1-C1Ap1VC1)(x(k)-x(k-p1))(C2Ap2-C2Ap2VC2)(x(k)-x(k-p2))...(CrApr-CrAprVCr)(x(k)-x(k-pr)),]]>ΔSU=Σi=1p1(S1(p1)-S1(i))Δu(k-i)Σi=1p2(S2(p2)-S2(i))Δu(k-i)...Σi=1pr(Sr(pr)-Sr(i))Δu(k-i),]]>ΔTY=C1Apj-1V(y(k)-y(k-p1))C2Ap2-1V(y(k)-y(k-p2))...CrApr-1V(y(k)-y(k-pr)),]]>S(p)=S1(p1)S2(p2)...Sr(pr),]]>ys=y1s(k+p1)y2s(k+p2)...yrs(k+pr),]]>Sj(pj)=Σi=1pjCjAi-1B,]]>Q为输出预测误差加权阵,λ为控制量的加权系数,Δu(k)为控制作用u(k)的增量; C4、将Δu(k)=(STQS+λ)-1STQ(ys(k+p)-y(k)-ΔKX-ΔSU-ΔTY)代入公式u(k)=u(k-1)+Δu(k),计算得到当前的控制作用u本文档来自技高网
...

【技术保护点】
一种基于噪声估计的自适应状态反馈预测控制方法,其特征在于,该方法包括:A、利用SingularPencilModel模型表示实际被控过程;B、采用递推的扩展卡尔曼滤波参数估计方法估计所述利用SingularPen cilModel模型表示的实际被控过程的状态和模型参数;C、利用估计出来的状态和模型参数计算当前的控制作用,并将计算出来的控制作用加到实际被控过程中;D、在下一个执行周期,重复执行步骤B和C。

【技术特征摘要】

【专利技术属性】
技术研发人员:佟世文刘国平郑耿熊鹰飞邓先瑞
申请(专利权)人:中国科学院自动化研究所
类型:发明
国别省市:11[中国|北京]

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1