三阶积分终端滑模控制方法

三阶积分终端滑模控制方法
三阶积分终端滑模控制方法

三阶积分终端滑模控制方法

1.1三阶积分终端滑模

1.1.1压电驱动纳米定位平台运动控制问题描述

1.1.1.1纳米定位系统动态建模

考虑磁滞非线性时,压电驱动纳米定位系统的完整动态模型为

(0-1)

其中为时间变量。分别为质量、阻尼系数、刚度和纳米定位平台压电系数,分别为输入电压、纳米定位平台的输出位移、系统的辞职效应、模型不确定性和扰动项。以上动态方程可进一步简化描述如下

(0-2)

其中。本文不直接对磁滞效应进行建模,而是将磁滞非线性影响和其它不确定性统一视为集中扰动,以下省略变量。1.1.1.2扰动估计

基于动态模型(0-2),扰动项可描述如下:

(0-3)

但是以上扰动估计方法由于algebraic loop不可实现。以下根据文献[]提出的摄动估计技术进行扰动估计,即

(0-4)

其中为采样时间间隔。那么,式(0-2)所示的动态模型变为

(0-5)

表示扰动估计误差。为助于控制器设计,给出以下合理假设:

假设1:。

1.1.1.3状态估计

由式(0-4)可知,扰动估计器的实现需要计算位置的高阶微分项。但

是,在实际应用中只有位置可测。因此,为实现扰动估计必须设计位置的高阶微分项的估计器或观测器,如Luenberger观测器、高增益观测器和滑模观测器等。然而传统的观测器只能实现状态估计的渐进收敛,而Levant提出的鲁棒精确差分技术(Robust Exact Differentiator, RED)可实现状态估计的有限时间收敛。

特别地,k阶RED可实现k次实时的鲁棒差分,其中2阶RED可设计如下:

(0-6)

其中,且。差分器的输出分别为

:

(0-7) 定义状态估计误差为

(0-8)

那么,式(0-6)可描述为

(0-9)

其中可在有限时间内实现。

式(0-9)所示的误差动态推导错误,已由文献[]指出,正确推导过程如下:由式(0-6)-(0-8)可知,

(0-10)

,因此式(0-9)的正确表达为

(0-11)

利用以上微分器,估计的扰动变为

(0-12)

其中

(0-13)

(0-14)

由式(0-11)。此时,如果利用式(0-13)进行扰动估计,

。结合假设1可知,扰动估计误差的变化率有界,

因此,考虑动态模型(0-5)、状态估计(0-7)和扰动估计(0-13),那么控制器设

计的主要目标为在状态估计误差控制输出位移使其跟踪期望轨迹尽量精确。

注1:实际中应通过设计观测器增益使得差分器的动态快于控制器,以保证估计误差收敛速度快于位置跟踪误差。

1.1.1.4二阶RED的离散化实现过程

假设采样时间为,由式(0-6)知时刻各中间变量的关系如下:

(0-15)

其中为时刻的位置采样值,那么时刻的中间变量可计算为

(0-16)

因此,根据以上分析,可在有限时间内(有限大)实现

1.1.2传统二阶滑模控制器(STC)设计

1.1.

2.1STC设计[2]

超螺旋控制(Supertwisting control, STC)为著名的二阶滑模控制器,其保证了滑模变量的有限时间收敛,以下进行STC设计。

定义位置估计误差为

(0-17) 其中为期望的位置轨迹。定义滑模面为

(0-18)

其中

(0-19)

且为恒定增益,那么误差将呈指数收敛。

对式(0-18)进行微分得到

(0-20)

(0-21)

根据式(0-5)、(0-8)和(0-12)可推导得到

模糊积分滑模

1 模糊积分滑模控制器 12233112233()()x x x x x f x gu d a x a x a x gu d =?? =??=++=???++? 其中0i i i a a a =+?,(),i i a a t t ?≤?;0g g g =+?,(),g t t β?≤?;(),d D t t ≤?。0i a 、0g 为系统的标称参数,i a ?、g ?为系统参数的不确定部分,()i a t 、()t β分别为i a ?和g ?的上界,()D t 为扰动d 的上界。 选择滑动模态为 11223110()()t d z t c x c x x k x x dt =+++?∫ 控制器为 012()()() ()l u t u t u t u t g +?+?= 0122311()()()d u t c x c x k x x =?+?? 10()()f u t F D u ?=?? 21112233()()d u t x x x x ????=?++ 11()l h f l g g k u g ?=? 1()i l h i fi l g g c u g ??=?,2,3i = (1)()sgn()fi u ββ= (2)加入边界层控制 1 ()()fi u sign else ββββ?≤?=??? (3)对()fi u β设计模糊控制器: 32 23 2 232 23 2211297310.56962370.50 633 23700.56332973 0.51696 11 fi u ββββββββββββββββββββββββββ≤???+++??<≤??++?+???<≤?++?=????<≤??+??+??<≤??+???>?

通过积分滑模控制改进数控逻辑精度

通过积分滑模控制改进数控轮廓精度 程学希,Geok-soon Hong,和Aun-Neow Poo 上海交通大学机械工程学院机械系统与振动系统国家重点实验室 东川路800号,中国邮编:上海200240 新加坡国立大学机械工程学院工程驱动器实验室 新加坡邮编:新加坡117576 文章历史: 收到:2008.5.16 接受:2010.3.30 可在线至:2010.5.10 关键词:计算机数字控制轮廓加工精度轮廓误差跟踪误差积分滑模控制 摘要: 在本文中,一种以输入输出模型为基础的积分滑模控制器被提了出来,以作为对双自由度独立跟踪与监测控制器的完善。因此,极位控制知识可被应用在ISMC中,它的稳健性通过扰动控制而提高,进而获得等效控制。为了消除抖动问题,我们采取了两项措施,一是适当滑动面的选择,一是完整的控制动作。结果发现,选择相较于开环系统具有更小的本盏率的滑动表面机械可以缓解抖动的问题。K(积分控制系数)的选择是基于双自由度控制器的。根轨迹是用来帮助选择合适的k值,以确保闭环的稳定。计划的ISMC被实施和实验于一台小型的数控机床上。通过ISMC设备,该卫星数控机床的轮廓加工精度得到了极大地提高。此外,没有观察到震颤,这有利于机械的致动器。 1. 简介 为了改善多轴数控机床轮廓加工精度,最好的办法是提高各个轴的跟踪精度。因此,整体轮廓精度可以得到保证。由T omizuka[1]提出的零相位误差跟踪控制器(ZPETC),正是基于这种想法。ZPETC基本上是前馈控制器,对于最小相位系统,前馈控制器可设计为性能指标的的逆。因而参考输入到输出的传递函数就得到了统一。拥有一个完美的模型,跟踪误差可以是零,因而导致了零位轮廓错误。对于非最小相位系统,ZPETC 的设计是一个系统的近似逆。从参考输入到输出的传递函数是在低频率时近似一致。当模型是完美的时,输出应密切跟踪参考输入,这导致了非常小的跟踪误差与间接的导致非常小的轮廓误差。但是,反向或ZPETC控制器的性能,很大程度上依赖于模型的质量。在不完善的模式中,反向或ZPETC控制器提高到轮廓精度可以忽略不计[2]。 为了克服模型不确定性和在实践中是不可避免的外部干扰,减少跟踪误差的一个有希望的方法就是滑模控制(SMC)。滑模控制因为其对模型不确定性和外部扰动的稳定性而众所周知[3],并已应用在各个领域内[4][5]和[6]。在连续时间系统,其稳定性可以通过采用无穷频率开关来保证。这种开关控制可以驱动系统运行于滑动表面,并使系统在之

高阶滑模控制讲解学习

高阶滑模控制

高阶滑模控制(读书笔记) 王蒙 1、传统滑模控制有如下缺陷: (1)抖振问题:主要是由未建模的串联动态引起,同时切换装置的非理想性也是一个重要原因; (2)相对阶的限制:传统滑模控制只有在系统关于滑模变量s 的相对阶是 1时才能应用,也就是说,控制量u 必须显式出现在s中,这样就限制了滑模面的设计。 (3)控制精度问题:在实际的、采样实现的传统滑模控制算法中,滑动误差正比于采样时间τ,也就是说,有限时间到达的传统滑模在具有零阶保持器的离散控制下,系统的状态保持在滑动模态上的精度是采样时间的一阶无穷小,即Oτ; () 2、高阶滑模控制理论 在传统滑模控制中,不连续的控制量显式地出现在滑模变量的一阶导数s&中,即s&是不连续的。由于未建模动态和非理想的切换特性,传统滑模存在抖振,它在实际应用中是有害的。连续近似化方法(如引入边界层)能抑制抖振,然而失去了不变性这个显著优点。Levant 提出了高阶滑模的概念,高阶滑

模保持了传统滑模的优点(如不变性),抑制了抖振,消除了相对阶的限制和提高了控制精度。 滑动模态的不变性:系统一旦进入滑动模态,对满足匹配条件的不确定性及干扰具有不变性。 3、高阶滑模的定义 (1)滑动阶r 是指滑模变量s 的连续全导数(包含零阶)在滑模面 s =0上为 0 的数目。滑动阶刻画了系统被约束在滑模面 s = 0上的运动动态平滑度。根 据上述定义可知:传统滑模的滑动阶为 1,因为在滑模面上 s = 0,而s &则是不连续的,因此传统滑模又被称为一阶滑模。 (2)关于滑模面 s (t , x ) = 0的 r 阶滑动集由下述等式描述 (1)0r s s s s -=====&&&L 上式构成了动态系统状态的 r 维约束条件。 (3)1996 年,Levant 和 Firdman 给出了高阶滑模的精确定义 r 阶滑动集(1)0r s s s s -=====&&&L 是非空,且假设它是 Filippov 意义下局部积分集(也就是说,它由不连续动态系统的 Filippov 轨迹组成),那么,满足 (1)0r s s s s -=====&&&L 的相关运动称为关于滑模面 s (t , x ) = 0的“r 阶滑模”。 (4)当且仅当系统轨迹位于状态空间中 s = 0和0s =&的交界处时,系统具有二阶滑模动态,如图所 示。

三阶积分终端滑模控制方法

三阶积分终端滑模控制方法 1.1三阶积分终端滑模 1.1.1压电驱动纳米定位平台运动控制问题描述 1.1.1.1纳米定位系统动态建模 考虑磁滞非线性时,压电驱动纳米定位系统的完整动态模型为 (0-1) 其中为时间变量。分别为质量、阻尼系数、刚度和纳米定位平台压电系数,分别为输入电压、纳米定位平台的输出位移、系统的辞职效应、模型不确定性和扰动项。以上动态方程可进一步简化描述如下 (0-2) 其中。本文不直接对磁滞效应进行建模,而是将磁滞非线性影响和其它不确定性统一视为集中扰动,以下省略变量。1.1.1.2扰动估计 基于动态模型(0-2),扰动项可描述如下: (0-3) 但是以上扰动估计方法由于algebraic loop不可实现。以下根据文献[]提出的摄动估计技术进行扰动估计,即 (0-4) 其中为采样时间间隔。那么,式(0-2)所示的动态模型变为 (0-5) 表示扰动估计误差。为助于控制器设计,给出以下合理假设: 假设1:。 1.1.1.3状态估计 由式(0-4)可知,扰动估计器的实现需要计算位置的高阶微分项。但 是,在实际应用中只有位置可测。因此,为实现扰动估计必须设计位置的高阶微分项的估计器或观测器,如Luenberger观测器、高增益观测器和滑模观测器等。然而传统的观测器只能实现状态估计的渐进收敛,而Levant提出的鲁棒精确差分技术(Robust Exact Differentiator, RED)可实现状态估计的有限时间收敛。 特别地,k阶RED可实现k次实时的鲁棒差分,其中2阶RED可设计如下:

(0-6) 其中,且。差分器的输出分别为 : (0-7) 定义状态估计误差为 (0-8) 那么,式(0-6)可描述为 (0-9) 其中可在有限时间内实现。 式(0-9)所示的误差动态推导错误,已由文献[]指出,正确推导过程如下:由式(0-6)-(0-8)可知, (0-10) ,因此式(0-9)的正确表达为 (0-11) 利用以上微分器,估计的扰动变为 (0-12) 其中 (0-13) (0-14) 由式(0-11)。此时,如果利用式(0-13)进行扰动估计, 。结合假设1可知,扰动估计误差的变化率有界, 。

终端滑模控制方法

终端滑模控制方法 1.1终端滑模控制 1.1.1基于终端滑模的非线性系统控制[1] 控制系统设计的主要需求包括两个主要方面:控制(收敛)性能和控制鲁棒性,前者需要实现有限时间收敛控制,后者需要在不适用高增益开关的条件下实现鲁棒控制。 为提高动态系统的收敛性能,Zak提出了终端吸引子(terminal attractor)[2]的概念,并在神经网络学习中表现出较好的性能,其具有如下三次抛物线型式: (0-1) 且平衡点位于原点,对其在初始时刻和平衡时刻间进行积分得到: (0-2) 由此可知,系统(0-1)将在有限时间内收敛到平衡点,收敛时间只取决于系统初始状态。 考虑如下二阶系统 (0-3) 其中为系统状态,为系统输入,跟踪误差,其中为期望轨迹。 设计如下控制律 (0-4) 其中,均为正奇数且。 将上式代入式(0-3)得到如下闭环系统: (0-5) 并设计滑模面如下 (0-6) 其中表示初始条件。那么式(0-5)和(0-6)确保了系统(0-3)在控制律(0-4)下的终端稳定性,定义滑模面为终端滑模子(terminal slider),并定义形如式(0-4)的控制律为终端滑模控制(terminal slider control)。显然,式(0-4)所示的控制比全状态反馈线性化控制性能优越。 结合式(0-6)(0-4)得到如下控制律

(0-7) 那么考虑到控制量有界且误差有界,误差的指数必须为正,即 (0-8) 该条件进一步缩小了参数的设计范围。但是以上分析设计基础是滑模面初始条件,那么对于不同的期望轨迹其初始值不同(也就是说式(0-6)不一定对仍以期望轨迹均能满足),因此需要对滑模控制器的参数进行重新设计。传统滑模利用高增益开关切换来迫使系统从任意初始条件均可收敛到滑模面,文献[]提出建立初始条件和滑模面之间的动态系统来解决传统滑模的缺陷。设计如下滑模控制律 (0-9) 并将其代入系统(0-3)中得到 (0-10) 上式表明对于任意初始条件,滑模变量均将在有限时间收敛到稳态值,之后系统跟踪误差将在滑模面(0-6)上有限时间内到达平衡点。定义式(0-10)所示的滑模面为动态终端滑模子(dynamic terminal slider)。注意传统的滑模面只能保证在任意初始条件下渐进指数收敛,但是通过建立动态终端 滑模面可在不利用高增益开关的条件下,保证对于任意初始条件滑模变量均可在有限时间内收敛到滑模面。 1.1.2终端滑模控制的基本原理[3] 1.1. 2.1未考虑不确定性二阶系统的终端滑模控制 对于如下式(1-1)所示二阶线性或非线性系统(未考虑系统不确定性): (1-1) 其中和为系统状态,和为和的线性或非线性函数,为系统输入。为使得以上系统动态终端收敛(terminal convergence),定义如下一阶终端滑模变量: (1-2) 其中各参数满足如下条件: (1-3)

高阶滑模控制

高阶滑模控制(读书笔记) 王蒙 1、传统滑模控制有如下缺陷: (1)抖振问题:主要是由未建模的串联动态引起,同时切换装置的非理想性也是一个重要原因; (2)相对阶的限制:传统滑模控制只有在系统关于滑模变量s 的相对阶是 1时才能应用,也就是说,控制量u 必须显式出现在s 中,这样就限制了滑模面的设计。 (3)控制精度问题:在实际的、采样实现的传统滑模控制算法中,滑动误差正比于采样时间τ,也就是说,有限时间到达的传统滑模在具有零阶保持器的离散控制下,系统的状态保持在滑动模态上的精度是采样时间的一阶无穷小,即()O τ; 2、高阶滑模控制理论 在传统滑模控制中,不连续的控制量显式地出现在滑模变量的一阶导数s 中,即s 是不连续的。由于未建模动态和非理想的切换特性,传统滑模存在抖振,它在实际应用中是有害的。连续近似化方法(如引入边界层)能抑制抖振,然而失去了不变性这个显著优点。Levant 提出了高阶滑模的概念,高阶滑模保持了传统滑模的优点(如不变性),抑制了抖振,消除了相对阶的限制和提高了控制精度。 滑动模态的不变性:系统一旦进入滑动模态,对满足匹配条件的不确定性及干扰具有不变性。 3、高阶滑模的定义 (1)滑动阶r 是指滑模变量s 的连续全导数(包含零阶)在滑模面 s =0上为 0 的数目。滑动阶刻画了系统被约束在滑模面 s = 0上的运动动态平滑度。根据上述定义可知:传统滑模的滑动阶为 1,因为在滑模面上 s = 0,而s 则是不连续的,因此传统滑模又被称为一阶滑模。 (2)关于滑模面 s (t , x ) = 0的 r 阶滑动集由下述等式描述(1)0r s s s s -===== 上式构成了动态系统状态的 r 维约束条件。 (3)1996 年,Levant 和 Firdman 给出了高阶滑模的精确定义 r 阶滑动集(1)0r s s s s -=== ==是非空,且假设它是 Filippov 意义下局部积分集(也

积分滑模控制方法

滑模控制方法文献学习 1 / 4 积分滑模控制方法 1.1 积分滑模控制[1] 滑模变结构控制的基本概念 对于一般的存在模型不确定性和外部扰动的非线性动态系统,滑模控制技术起源于变结构系统理论。滑模在变结构系统理论中起主要作用,变结构系统控制算法的核心思想在于enforcing this type of motion in some mainfolds in system space 。传统地,这些mainfolds 由状态空间的超平面相交构成,通常称为开关平面。当系统状态到达开关平面后,反馈控制系统结构自适应变化为趋势系统状态沿着开关平面滑动,因此,系统响应将取决于开关平面的梯度并保持对系统参数变化和外部扰动的不敏感性,这种运动成为滑模。滑模运动阶段运动方程的阶数为,其中为状态空间维数,为控制输入的维数。但是,在趋近阶段(滑模阶段到达之前),系统不具备这种不敏感特性,因此,传统滑模控制不能保证对全局响应的不敏感性。通常可通过高增益反馈控制提高趋近阶段的鲁棒性,但是不可避免会引入稳定性问题。 积分滑模的基本思想 积分滑模的思想集中于实现全局状态空间的鲁棒运动,运动方程的阶数与状态空间的维数相同。因此,积分滑模控制方法可以保证从初始时刻开始的状态空间全局鲁棒性。积分滑模控制的设计步骤为在已知非线性系统和合理设计的反馈控制基础上,在控制律中加入不连续控制项以抵消未知动态和外部扰动。另外,利用积分滑模设计扰动估计器可实现连续控制,并消除抖振,同时保证滑模控制的强鲁棒性和高精度。 积分滑模的基本原理 对于如下状态空间形式动态系统 (0-1) 其中。假设存在连续或者非连续反馈控制律使得系统(0-1)稳定(如在给的的精度范围内,系统状态轨迹可跟踪参考轨迹)。定义该理想闭环控制系统如下: (0-2) 其中为理想系统在控制律下的状态轨迹。但是系统(0-1)往往存在参数变化、未建模动态和外部扰动等不确定性,因此,实际控制系统可表示为 (0-3) 其中 表示系统总的摄动并且满足如下匹配条件(matching condition ) (0-4) 或者亦可表示如下 (0-5)

非奇异终端滑模

非奇异终端滑模控制(读书笔记) 王蒙 1、非奇异终端滑模控制特点 非奇异终端滑模控制是近年来出现的一种新型滑模控制方法,它通过有目 的地改变切换函数,直接从滑模设计方面解决了现有终端滑模控制存在的奇异 性问题,实现了系统的全局非奇异控制;同时它又继承了终端滑模的有限时间 收敛特性,与传统的线性滑模控制相比,可令控制系统有限时间内收敛到期望 轨迹,且具有较高的稳态精度,特别适用于高速、高精度控制。 2、线性滑模控制方法 (1)这对不确定二阶非线性系统 122 (,)()()x x x f x t u t d t =? ? =++? 其中,12()[(),()];(,)x t x t x t f x t =为未知函数,表示系统内部扰动,假设其估计值为 1 2?(,)f x t x =,且满足21?(,)(,)(,)0.1f x t f x t F x t x -≤=;()0.1sin()d t t =表示系统外部扰动,且假设()0.1d t D ≤=;系统初始状态120.3,0.5x x ==。 (2)线性滑模通常设计为系统状态的线性组合 12()0s t x x β=+=,其中,0β>。 (3)等效控制律为()()()eq n u t u t u t =+,其中,eq u 为等效控制项,n u 为非线性控制项。(4)下面详细给出控制律的设计过程 ①当系统处于滑动状态时,暂且不考虑系统的参数摄动和外部扰动(()0d t =) 由等效控制原理,如果达到理想的滑动模态,则()0s = x ,即()0s x s x t ??=?=?? x 对滑模s 求时间的一阶导数12222?((,)())0eq s x x x x x f x t u t βββ=+=+=++= ②从而得到等效控制项为21 ?(,)eq u x f x t β =- -

电力系统混沌振荡的等效快速终端模糊滑模控制_倪骏康

电力系统混沌振荡的等效快速终端模糊滑模控制* 倪骏康?刘崇新?庞霞 (电力设备电气绝缘国家重点实验室,西安710049) (西安交通大学电气工程学院,西安710049) (2013年5月11日收到;2013年6月26日收到修改稿) 电力系统混沌振荡被认为是大型互联电力系统停电事故的主要原因,本文通过相图、李雅普诺夫指数图和时域波形图分析了二阶电力系统混沌振荡的动力学行为,并提出了等效快速终端模糊滑模控制来抑制电力系统混沌振荡,使其恢复到同步运行状态.仿真结果表明,所提出的控制方案不仅具有较快的收敛速度,而且能够柔化控制信号,减少控制能量,并且能有效地降低抖振. 关键词:电力系统混沌振荡,等效滑模控制,模糊滑模控制,快速终端滑模控制 PACS:05.45.Gg,05.45.Ac,05.45.Xt,84.70.+p DOI:10.7498/aps.62.190507 1引言 电力系统是一种典型的强耦合、高度非线性、多变量的动态系统,具有丰富的非线性动力学行为.电力系统发展的必然趋势是大电网互联,大电网的互联为电能的生产和消费带来了巨大便利,同时也为系统带来了稳定性问题.近些年来,美国[1]、中国[2]、巴西[3]和欧洲[4]一些国家的互联电力系统发生大停电事故,给国民经济造成巨大损失.事故分析表明在这些电力系统中曾经发生过无规则的、突发性或阵发性的机电振荡—–混沌振荡,而且通过传统的线性控制器(PSS,LOEC等)难以控制或者抑制这种振荡.因此分析电力系统混沌振荡产生的机理以及研究控制混沌振荡的方法就显得非常必要. 当周期性负荷扰动达到一定幅值时,电力系统就会出现混沌振荡现象.电力系统混沌振荡被认为是电压崩溃、角度失稳的元凶[5,6].近些年来,人们对混沌振荡的机理进行了深入的研究.Jia等[7]研究了电力系统环面分岔、环面折叠分岔和倍周期分岔通向混沌的道路.Yang等[8]运用拓扑马蹄理论,通过计算机计算拓扑熵证明了简单电力系统混沌的存在性.Yu等[9]研究了混沌振荡与电力系统不同失稳模式的关系.Wei等[10]研究了在负荷扰动和有界噪声下电力系统混沌动力学行为.Qin 等[11]的研究表明电力系统在随机相位扰动下会发生混沌振荡现象.Jia等[12]研究了电力系统小信号稳定域与混沌之间的关系,并得出了在研究小信号稳定域及边界问题时不必考虑混沌振荡这一结论. Chiang等[13]通过计算机仿真观察到电力系统在负荷大范围波动下的混沌行为,并通过宽带频谱和Lyapunov指数证明了奇怪吸引子的存在.王宝华等[14]总结了电力系统混沌振荡的机理以及抑制混沌振荡的方法.Chen等[15]利用Melnikov方法和椭圆积分法研究了二阶电力系统混沌振荡的条件. 许多先进的控制方法被应用于电力系统混沌振荡的控制中,典型的控制方法有自适应补偿控制[16]、逆系统控制[17]、最小二乘支持向量机控制[18]、无源控制[19]、ANFIS-based控制[20]、鲁棒控制[21]、自适应Backstepping控制[22]、延时反馈控制[23]、反馈精确线性化控制[24]、基于有限时稳定原理控制[25]和滑模控制[26]等.特别是滑模控 *国家自然科学基金(批准号:51177117)、国家自然科学基金创新研究群体科学基金(批准号:51221005)和高等学校博士学科点专项科研基金(批准号:2010020110023)资助的课题. ?通讯作者.E-mail:max12391@https://www.360docs.net/doc/7317727456.html, ?通讯作者.E-mail:liucx@https://www.360docs.net/doc/7317727456.html, c?2013中国物理学会Chinese Physical Society https://www.360docs.net/doc/7317727456.html,

滑模控制

滑模变结构理论 一、引言 滑模变结构控制本质上是一类特殊的非线性控制,其非线性表现为控制的不连续性,这种控制策略与其它控制的不同之处在于系统的“结 构”并不固定,而是可以在动态过程中根据系统当前的状态(如偏差及其 各阶导数等)有目的地不断变化,迫使系统按照预定“滑动模态”的状态 轨迹运动。由于滑动模态可以进行设计且与对象参数及扰动无关,这就使 得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线 辩识,物理实现简单等优点。该方法的缺点在于当状态轨迹到达滑模面后,难于严格地沿着滑模面向着平衡点滑动,而是在滑模面两侧来回穿越, 从而产生颤动。滑模变结构控制出现于20世纪50年代,经历了 50余年 的发展,已形成了一个相对独立的研究分支,成为自动控制系统的一种一 般的设计方法。以滑模为基础的变结构控制系统理论经历了 3个发展阶 段.第1阶段为以误差及其导数为状态变量研究单输入单输出线性对象的 变结构控制; 20世纪60年代末开始了变结构控制理论研究的第2阶段, 研究的对象扩大到多输入多输出系统和非线性系统;进入80年代以来, 随着计算机、大功率电子切换器件、机器人及电机等技术的迅速发展, 变 结构控制的理论和应用研究开始进入了一个新的阶段, 所研究的对象已 涉及到离散系统、分布参数系统、滞后系统、非线性大系统及非完整力 学系统等众多复杂系统, 同时,自适应控制、神经网络、模糊控制及遗传 算法等先进方法也被应用于滑模变结构控制系统的设计中。 二、基本原理 带有滑动模态的变结构控制叫做滑模变结构控制(滑模控制)。所谓滑动模态是指系统的状态被限制在某一子流形上运动。通常情况下,系统 的初始状态未必在该子流形上,变结构控制器的作用在于将系统的状态 轨迹于有限时间内趋使到并维持在该子流形上,这个过程称为可达性。系 统的状态轨迹在滑动模态上运动并最终趋于原点,这个过程称为滑模运 动。滑模运动的优点在于,系统对不确定参数和匹配干扰完全不敏感。下 图简要地描述了滑模变结构控制系统的运动过程,其中S(t)为构造的切 换函数(滑模函数), S(t)=0为滑模面。

基于模糊调节的两轮自平衡车的终端滑模分解控制

第37卷第10期  2014年10月合肥工业大学学报(自然科学版)JOURNALOFHEFEIUNIVERSITYOFTECHNOLOGYVol.37No.10 Oct.2014 收稿日期:2013‐11‐05;修回日期:2014‐01‐07 基金项目:国家自然科学基金资助项目(61100211) 作者简介:杨兴明(1977-),男,云南安宁人,博士,合肥工业大学副教授,硕士生导师.Doi:10.3969/j.issn.1003‐5060.2014.10.008 基于模糊调节的两轮自平衡车的终端滑模分解控制 杨兴明, 段 举, 朱 建, 高银平 (合肥工业大学计算机与信息学院,安徽合肥 230009) 摘 要:文章针对两轮自平衡车的平衡控制问题,提出一种新型滑模控制方法。该方法首先将平衡控制系统分解为摆角子系统和位移子系统,分别设计各子系统的快速终端滑模面,利用一个具有反正切函数形式的中间变量将位移子系统的控制目标嵌入到摆角子系统的控制目标中,从而用1个控制量实现了对2个子系统的有效控制,使其在有限时间内收敛至平衡点;考虑到滑模面系数对系统状态收敛速度的影响,采用模糊推理对系数进行调节,改善了动态响应速度,且从理论上证明了滑模面的稳定性。最后,针对所提出的方法进行仿真,仿真结果验证了该控制方法的有效性。 关键词:两轮自平衡车;分解控制;终端滑模控制;模糊推理 中图分类号:TP273畅5 文献标识码:A 文章编号:1003‐5060(2014)10‐1187‐07 Terminalsliding‐modedecomposedcontroloftwo‐wheeledself‐balancingcartbasedonfuzzytuning YANGXing‐ming, DUANJu, ZHUJian, GAOYin‐ping (SchoolofComputerandInformation,HefeiUniversityofTechnology,Hefei230009,China)Abstract:Inordertosolvetheproblemofbalancecontroloftwo‐wheeledself‐balancingcart,anovelsliding‐modecontrolmethodisproposedinthispaper.Firstly,thebalancecontrolsystemisdecom‐posedintoswinganglesubsystemandpositionsubsystem,andthefastterminalsliding‐modesurfaceisdesignedfortwosubsystemsrespectively.Thenanintermediatevariable,whichhasaformofarct‐angentfunction,isusedtoincorporatethecontroltargetofpositionsubsystemintothecontroltargetofswinganglesubsystem,sothatbothsubsystemscanbeeffectivelycontrolledthroughacontrolac‐tion,andtheyconvergetoequilibriumpointsinfinitetime.Fuzzyreasoningisusedtoadjusttheslid‐ing‐modesurfacecoefficientsinconsiderationoftheirinfluenceontheconvergencerateofsystemstates,whichimprovesthedynamicresponserate.Andthestabilityofthesliding‐modesurfaceistheoreticallyproved.Finally,thesimulationresultsshowthatthecontrolmethodiseffective.Keywords:two‐wheeledself‐balancingcart;decomposedcontrol;terminalsliding‐modecontrol;fuzzyreasoning 欠驱动系统是一类驱动器数目小于系统自由 度数目的系统。两轮自平衡小车则是欠驱动系统 的典型代表,它具有欠驱动、非线性、强耦合、多变 量的特点。它可以在3个自由度上运动,包括摆 杆的旋转,车体的前后运动以及车体的旋转。其 广泛的应用前景引起了国内外学者的关注。由于 非线性系统不能建立精确模型,传统PID、LQR等线性控制方法具有局限性,因而研究人员开始关注智能控制方法的应用,滑模控制、模糊控制、神经网络、迭代学习、遗传算法等控制方法的设计各有特点。其中,滑模控制的特点在于系统的“结构”并不固定,随着当前系统的状态不断变化,按

高阶滑模控制方法

高阶滑模控制方法 1.1高阶滑模[1] 1.1.1带摄动双积分系统的基于STO的STC设计 考虑如下形式的动态系统 (0-1) 其中为系统输出,为系统扰动。大多数控制器设计时需要获取全状态信息,当只有系统输出可测时,首先需要重构系统其它状态,在估计的状态信息基础上设计STC(Super-Twisting-Control, STC)。下面分析基于STO(Super-Twisting-Observer, STO)设计STC时控制量存在不连续的问题。 系统(0-1)的状态估计STO动态形式如下: (0-2) 其中为校正项。定义状态估计误差变量为,并设计校正项为。那么,状态估计误差动态如下: (0-3) ,由文献[2]和[3]知当设计时,误差 将同时在有限时间内收敛到零。当收敛到零时,在有限时间 后可认为状态。 由于STC只适用于相对度为1的系统,但是系统(0-1)的输出相对度为2,因此不能直接使用STC,必须定义如下形式的滑模变量将系统相对度转换为1: (0-4) 为设计STC控制律,对式(0-4)进行时间微分得到: (0-5) 将代入到上式得: (0-6) 结合式(0-4)和(0-6)可将系统(0-1)转换到的坐标系下,如下:

(0-7) (0-8) 其中为控制器设计参数。将控制量(0-8)代入系统(0-7)后可得: (0-9) 因此,整个闭环系统的控制器和观测器可整理如下: (0-10) 如前所述,系统中估计误差将在有限时间内收敛到零,也即,存在 使得对于任意的都有。根据文献[4]可知,系统的轨迹不会在 有限时间内逃逸到无穷大。通常,观测器增益可根据观测误差收敛速度进行设计。在有限时间后,闭环系统可进一步描述如下: (0-11) 进一步,增加虚构状态变量,以上系统动态可表示为 (0-12) 由此可知,经过数学变换(0-4)后,系统(0-12)中包含不可微项,因此下面两个式子组成的子系统不能实现STA。因此,二阶滑模运动不能实现,即有限时间内不能实现。STO-STC实现框图如下图1-1所示,可以看出闭环控制策略在STO处实现,而并非在STC处实现。

相关文档
最新文档