5-SISO系统鲁棒性分析-part2-补灵敏度和内稳定性2017
s域SISO系统概率鲁棒设计新方法

s域SISO系统概率鲁棒设计新方法
岳红;蒋慰孙
【期刊名称】《华东理工大学学报:社会科学版》
【年(卷),期】1996(000)002
【摘要】通过引入随机向量截尾分布描述系统不确定性,并对优化性能指标进行概率加权,提出了一种新的鲁棒控制器设计方法。
所得结果保守性低,兼顾了鲁棒稳定性和鲁棒性能,且控制器性能在标称情况和最坏情况之间得到概率折衷,实现了整个参数平面的一体化设计。
仿真结果表明该方法的有效性。
【总页数】6页(P170-175)
【作者】岳红;蒋慰孙
【作者单位】华东理工大学自动化研究所
【正文语种】中文
【中图分类】O231
【相关文献】
1.使用特征域对SISO单输入输出滞后系统参数的辩识 [J], 曾海燕
2.基于导频和变换域的SISO/MIMO OFDM系统自适应信道估计 [J], 宋铁成;尤肖虎;沈连丰;宋晓晋
3.无模型SISO时滞系统的PID参数稳定域研究 [J], 林示麟;欧林林;俞立
4.s域SISO系统概率鲁棒设计亲方法 [J], 岳红;蒋慰孙
5.单一震源下生命线系统失效概率分析的新方法(一)——系统可靠路径与失效路径的识别 [J], 何军;李杰
因版权原因,仅展示原文概要,查看原文内容请购买。
控制系统的鲁棒性分析与优化

控制系统的鲁棒性分析与优化为什么要关注控制系统的鲁棒性?控制系统的鲁棒性是指系统对于各种不确定性因素的响应能力,例如参数变化、噪声干扰、外部扰动等。
在实际工程应用中,不可避免地存在各种不确定性因素,因此控制系统的鲁棒性成为了一个至关重要的问题。
一个具备良好鲁棒性的控制系统可以更加稳定、精准地执行控制任务,避免系统失控或产生较大的误差,保证了安全稳定的工程运行。
常见的鲁棒性分析与控制方法鲁棒性分析主要是通过数学模型对系统的不确定性因素进行建模和分析,从而确定系统的稳定性、稳定域和敏感度等指标。
常见的鲁棒性分析方法包括Bode图法、根轨迹法、小波分析法等。
这些方法主要是通过对系统的传递函数进行分析,得出系统的稳定性和鲁棒性大小等指标,从而指导系统的控制方法选择和优化。
控制方法主要包括模型预测控制、自适应控制、滑模控制等。
这些方法是通过对控制器的设计和调整来实现对系统鲁棒性的优化和抑制不确定性的影响。
以滑模控制为例,滑模控制是一种适用于非线性、多变量、复杂和不确定的系统的控制方法,它通过建立“滑域”来实现对系统的控制。
滑模控制可以根据系统的鲁棒性要求,灵活调节控制参数、扰动抑制参数等,从而实现对系统的鲁棒性优化。
如何优化控制系统的鲁棒性?优化控制系统的鲁棒性需要针对不同系统情况和鲁棒性要求进行分析和选择适合的方法。
一般而言,可以从以下几个方面进行优化:1. 建立系统模型:在进行鲁棒性分析和控制优化之前,首先需要建立系统的数学模型。
建立准确的系统模型可以更好地反映实际系统的动态特性和不确定性因素,为鲁棒性分析提供重要的依据。
2. 分析系统的稳定性和鲁棒性:通过Bode图、根轨迹等方法,分析系统的稳定性和鲁棒性情况,评估系统对不确定性因素的响应能力并找出系统弱点。
3. 选择合适的控制方法:根据系统的鲁棒性要求和分析结果,选择合适的控制方法进行鲁棒性优化。
例如,在需要对非线性等复杂系统进行鲁棒性优化时,可采用非线性控制方法或者滑模控制等方法。
控制系统中的鲁棒性分析与设计

控制系统中的鲁棒性分析与设计在控制系统中,鲁棒性是指控制系统对于参数变化、外部干扰、测量噪声等不确定性因素的稳定性和性能表现。
鲁棒性分析与设计主要目的是提高控制系统的稳定性、鲁棒性和性能,以适应实际工程环境中的不确定性。
1. 鲁棒性分析鲁棒性分析是控制系统设计的重要环节。
它可以帮助工程师评估以及量化控制系统对于参数变化、干扰和噪声的容忍程度。
以下是一些常用的鲁棒性分析方法:1.1 系统感度函数分析系统感度函数是用来描述控制系统输出对于参数变化的敏感程度。
通过分析系统感度函数,可以确定系统的脆弱性和稳定性。
系统感度函数分析常用于评估系统的稳定性边界、参数不确定性边界和鲁棒性边界。
1.2 线性矩阵不等式(LMI)方法线性矩阵不等式方法是一种基于数学理论的鲁棒性分析方法。
它通过建立一系列矩阵不等式,来刻画控制系统的稳定性和性能。
LMI方法在控制系统设计中被广泛应用,它不仅可以评估系统的鲁棒性,还可以用于设计鲁棒控制器。
1.3 干扰分析干扰是控制系统中常见的不确定因素,对系统的性能和稳定性产生重要影响。
干扰分析可以帮助工程师了解系统对于不同干扰的响应,并根据需要采取相应的措施来改进系统鲁棒性。
常用的干扰分析方法包括频域分析、时域分析和能量分析等。
2. 鲁棒性设计鲁棒性设计旨在采取控制策略和控制器结构,使得控制系统对于不确定性因素具有较好的稳定性和性能。
以下是一些常见的鲁棒性设计方法:2.1 鲁棒控制器设计鲁棒控制器设计是指根据鲁棒性需求,设计出满足控制系统鲁棒性要求的控制器。
常用的鲁棒控制器设计方法包括H∞控制、μ合成、鲁棒PID控制等。
这些方法都是基于数学理论,可用于设计满足鲁棒性和性能要求的控制器。
2.2 鲁棒优化设计鲁棒优化设计是指结合鲁棒控制与优化方法,兼顾控制系统的稳定性和性能。
通过优化设计,可以在满足鲁棒性要求的前提下,使系统的性能指标达到最优。
鲁棒优化设计方法包括H∞优化、线性二次调节器和状态反馈等。
4-SISO系统鲁棒性分析-part1-灵敏度2017

被控对象 P(s)
S
T P
=1
被控对象 P(s)
SPT
=1 1+ PC
被控对象 P= (s) SPT
= 1 , G 1+ GH
PC
反馈环节 H= (s) SHT
= −GH , G 1+ GH
PC
3.1 SISO反馈系统的灵敏度
控制与仿真中心
灵敏度计算实例 R(s)
—
例:天线的灵敏度函数。
C(s) H (s)
ቤተ መጻሕፍቲ ባይዱ问题1
本节重点
如何求取SISO系统 灵敏度函数?
问题2
问题3
系统灵敏度的定义?
系统灵敏度的含义?
3.1 SISO反馈系统的灵敏度
控制与仿真中心
3.1.1 灵敏度定义 问题:
由于被控对象的变化而引起 的系统输出的变化有多大?
3.1 SISO反馈系统的灵敏度
控制与仿真中心
闭环系统的输出变化
闭环系统:
1 系统灵敏度 22 反馈系统的内部稳定性
3 鲁棒稳定性判据 4 鲁棒性能
控制与仿真中心
内容回顾
系统中的存在不确定性
R(s)
—
C(s)
( P0 , ∆P )
D(s) + Y (s)
频域模型的不确定性表示方法: 加性不确定性 乘性不确定性
被控对象模型的不确定性对系统输出带来多大变化?
控制与仿真中心
Y (s)
H (s)
当GH很大时,灵敏度约为-1,则H(s) 的变化将直接 影响输出响应。因此,保持反馈部分不因环境的改变而 改变,或者说保持反馈增益为常数,是非常重要的。
3.1 SISO反馈系统的灵敏度
动力学控制系统中的鲁棒性研究

动力学控制系统中的鲁棒性研究1. 引言动力学控制系统广泛应用于机器人、飞机、汽车等自动化系统中。
这类系统具有参数变化和扰动等不确定性,对系统的控制产生了挑战。
因此,在动力学控制系统中鲁棒性研究是一个重要的研究领域。
本文将介绍动力学控制系统中的鲁棒性研究。
2. 动力学控制系统动力学控制系统是由动力学方程描述的系统,其基本形式为:$$\dot{x} = f(x,u)$$其中,$x$表示系统状态变量,$u$表示控制输入,$f(x,u)$表示状态变化率。
动力学控制系统具有高度的非线性性和复杂性,例如:机器人、汽车、飞行器等。
3. 鲁棒性概述鲁棒性是指系统对于未知扰动和参数变化具有稳定性和可控性。
鲁棒性的研究是一个重要的和实用的工程问题。
在动力学控制系统中,鲁棒性是在模型不确定性下对系统进行控制的能力。
4. 鲁棒控制方法4.1 鲁棒控制定义鲁棒控制是一种保持系统稳定和满足性能要求的控制方法,即使在不确定和随机环境下也能确保系统的可控性和可观性。
4.2 鲁棒控制常见方法(1) $H_\infty$ 控制:是一种常用的鲁棒控制方法,可处理具有有限频率和无限频率不确定性的系统。
(2) $μ$ 合成控制:该方法将控制器设计与系统不确定性和性能要求明确联系起来,使得控制器能够提供所需要的鲁棒性和性能。
(3) 自适应鲁棒控制:是一种能够应对不确定性的变化来保持系统稳定的控制方法。
5. 鲁棒控制在动力学控制系统中的应用动力学控制系统是复杂的、非线性的,具有较大的不确定性和非线性因素。
在该系统中,鲁棒控制方法是一种重要的研究方向。
5.1 $H_\infty$ 鲁棒控制在动力学控制系统中的应用$H_\infty$ 鲁棒控制方法广泛应用于动力学控制系统中,其目的在于设计一个控制器,使得系统的输出稳定,且被控制器产生的鲁棒性最大化。
5.2 自适应鲁棒控制在动力学控制系统中的应用自适应鲁棒控制是另一种在动力学控制系统中广泛应用的方法。
鲁棒控制系统

函数对系统进行优化设计,就可使具有有限功率谱的干 扰对系统期望输出的影响最小。
对于反馈系统 w
re
u
y
-
kK(s)
P(s)
其中K(s)为控制器,w为干扰信号,r为参考输入,u
为控制输入,e为控制误差信号,y为输出信号。系统
G(s)
s2
1 as
,a 1
[a ,
a
]
可以代表带阻尼的弹簧装置,RLC电路等。这种不确 定性通常不会改变系统的结构和阶次。
▪ 动态不确定性
也称未建模动态 (s) ,我们通常并不知道它的结构、
阶次,但可以通过频响实验测出其幅值界限:
( j) W( j) , R,W( j)为确定函数
• 加性不确定性: G(s, ) G0 (s) (s) • 乘性不确定性: G(s, ) (I (s))G0 (s)
• Kharitonov区间理论; • H控制理论;
• 结构奇异值理论(理论);
等。
Kharitonov定理
具有不确定参数的系统
假设系统的特征多项式为
f (s) ansn an1sn1 a1s a0
(1)
其系数满足
ai ai ai , i 0,1,, n,0 [ai , ai ]
P1(s) a0 a1s a2s2 a3s3 a4s4 a5s5 P2 (s) a0 a1s a2s2 a3s3 a4s4 a5s5 P3(s) a0 a1s a2s2 a3s3 a4s4 a5s5 P4 (s) a0 a1s a2s2 a3s3 a4s4 a5s5
一个例子
设汽车质量为M,路面摩擦系数为 ,汽车的力学模型如
稳定性与鲁棒性lecture6时滞系统的鲁棒控制PPT课件

称矩阵
,使得
其中 则
是系统(11)的一个绝对稳定化控制律.
•时滞系统的鲁棒稳定性分析
1、时滞独立的鲁棒稳定性条件
▪ 系统 (12)
是出现在滞后状态向量系数矩阵中的时变摄动,设 (13)
其中B和D是已知适维常数矩阵,
满足
(14) 其中ρ是一个待定的实常数。
▪ 问题:确定尽可能大的ρ ,使得所有满足(13)和(14)的参 数摄动矩阵E(t),摄动系统(12)保持稳定.
稳定性与鲁棒性基础
Lecture 6 时滞系统的鲁棒控制
▪ 时滞:系统现在状态的变化率依赖于过去的状态的 特性
▪ 时滞系统:生物系统,机械传动系统,流体传输系 统,冶金工业过程,网络控制系统……
▪ 系统中时滞的存在:是造成系统不稳定的重要因素, 使得系统分析变得复杂、困难
▪ 时滞系统发展
时
滞
无
20世纪50年代
引进-2aTb的一个改进的上界: 对于任意适维的矩阵M
(4)
▪ 定理3 若存在标量 >0,对称矩阵P,Q,V和矩阵W,使得
(5) 其中
则对所有的滞后时间
,系统(1)是渐近稳定的。
▪ 证明:若对称矩阵P,Q,V和矩阵W,使得不等式(5) 成立,取 L-泛涵
其中:
由于
则系统(1)可以写成
(6)
沿着系统(1)的任意轨线,V1(xt)关于t的导数
(9)
(10)
其中
,则系统
(8)是在扇形区域[V1, V2]内绝对稳定的。
▪ 应用上述定理可以求得保持绝对稳定的最大允许滞后
时间d*:
max d
P ,Q , X ,Y ,Z ,h
s.t. P 0
控制系统的脆弱性与鲁棒性

。 本文认为上面提到的这
种系统失去鲁棒性的问题并不是控制器本身的问 题。所以这里不用控制器脆弱性这个概念, 而是将 这种鲁棒性问题称为控制系统的脆弱性 。这里是将 根据各种优化设计或鲁棒设计理论所得的系统 , 但 缺乏( 或几近消失) 幅值裕度或相位裕度的系统, 称 为脆弱性系统。这种系统虽然在理论上或仿真验证 时是满足设计要求的, 但由于 ( 控制器 ) 实现时存在 因为没有稳定裕度而使系统实 的各种可能的差异, 际上无法稳定工作。这个脆弱性问题是因为某些优 化设计中缺乏 ( 或无法 ) 考虑到一些基本的稳定裕 度, 因而是不能用同一个理论框架来进行评估或避 免的。脆弱性问题在经典理论时期是不存在的, 只 有在现代的各种优化设计和鲁棒设计中才有可能出
第 15 卷
第4 期
2011 年 4 月
电 机 与 控 制 学 报 ELECTRI C MACHINES AND CONTROL
Vol. 15 No. 4 Apr. 2011
控制系统的脆弱性与鲁棒性
何朕, 饶丹, 王广雄, 刘志远
( 哈尔滨工业大学 航天学院 , 黑龙江 哈尔滨 150001 )
摘
要: 针对脆弱性有不同的理解, 提出了一种新的关于脆弱性的概念。 脆弱性是指一个优化设 计的控制系统却失去了稳定裕度 。文中对此进行了分析和说明, 指出这脆弱性问题并不是脆弱性的概念是与现代的控制系统的优化设计 [1 ] 。 现代的各种鲁棒设计理论都
相伴随而出现的
是与对象的某种不确定性联系在一起的。 例如 H ∞ 设计中常用乘性不确定性来描述未建模动态 , 要求 -1 珚 GK ( I + GK ) ]< 1 / l m ( ω) 。 ( 1) σ[ 式中 l m ( ω) 为乘性不确定性的界函数, 并称这个条 件为鲁棒稳定性条件
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1
2
系统灵敏度 反馈系统的内部稳定性 鲁棒稳定性 鲁棒性能
2
3 4
控制与仿真中心
知识回顾
灵敏度(Sensitivity)是反馈控制系统的一个
灵敏度定义
重要性能指标。系统灵敏度定义为:系统传递函数 的变化率与对象传递函数的变化率之比。
∆T ( s ) T ( s ) S= ∆P ( s ) P ( s )
控制与仿真中心
3.2 反馈系统的内部稳定性
问题:系统内部的零极点对消?
在实际系统中,镇定不稳定对象的唯一方法就是 把不稳定的极点移动,直至成为稳定极点,这只 能通过反馈控制实现。
为此,有必要关注控制系统内部的 全部信息!
控制与仿真中心
3.2 反馈系统的内部稳定性
D(s)
E (s)
—
R(s)
C (s)
无扰无噪
无扰有噪
有扰有噪
控制与仿真中心
3.2 反馈系统的内部稳定性
问题:系统内部的零极点对消?
在实际系统中,由于存在模型误差,不可能精确 地消去对象的不稳定零点或极点,需要指出的是, 即使在理想情况下,能实现精确的零极点对消, 我们得到的也是一个内部不稳定的系统。从状态 空间描述看来,系统内部含有一个不稳定的隐模 态,它对应于一个不可镇定或不可检测的状态。
控制与仿真中心
Control and Simulation Center
鲁棒控制
第三章:SISO系统的鲁棒性分析 ——Part 2
课程类别:本科生选修课 授课教师:马 杰 、贺风华
哈尔滨工业大学控制与仿真中心 Control and Simulation Center, HIT
控制与仿真中心
目 录
控制与仿真中心
3.2 反馈系统的内部稳定性
D(s)
R(s)
—
C (s)
+
P0 ( s )
Y (s)
+ N s ( )
(2)由 n 到 y 闭环控制系统的传递函数
s+2 = − Tyn ( s ) = s+3 1 + P0 ( s ) C ( s ) − P0 ( s ) C ( s )
控制与仿真中心
3.1 SISO反馈系统的灵敏度
C (s)
灵敏度和补灵敏度函数小结 R ( s )
—
P (s)
Y (s)
① 灵敏度函数和补灵敏度函数都是传递函数,表征 了控制系统的频率特性: ② 在全频率范围内,S
+T = 1
③ 利用加权灵敏度函数可以实现控制系统设计 ④ 补灵敏度函数在数值上等于从R到Y的传递函数
控制与仿真中心
3.2 反馈系统的内部稳定性
Y (s)
反馈系统的内部稳定性
R(s)
—
C (s)
P0 ( s )
(1)由 r 到 y 闭环控制系统的传递函数
1 s −1 P s = C (s) = 例如: 0 ( ) s − 1 s+2 P0 ( s ) C ( s ) 1 = Tyr ( s ) = = 1 + P0 ( s ) C ( s ) s + 3
取微小增量的极限形式,则:
dT ( s ) T ( s ) d ln T ( s ) = S = dP ( s ) P ( s ) d ln P ( s )
控制与仿真中心
知识回顾
灵敏度定义
四种情况 可变参数 灵敏度
T SP =1
开环系统
被控对象
单位反馈闭环系统
非单位反馈闭环系统
非单位反馈闭环系统
控制与仿真中心
3.1 SISO反馈系统的灵敏度
灵敏度函数S是闭环性能的非常好的指标。
加权灵敏度 关于灵敏度函数的典型指标包括:
① 最小带宽频率 ωB: ② 在关注频率范围内的最大跟踪误差 ③ 系统类型,或者最大稳态跟踪误差A ④ S在关注频率范围内的形状 ⑤ S的最大峰值
Ws S < 1
S ( jω ) ≤ M
3.2 反馈系统的内部稳定性
D(s)
R(s)
—
C (s)
+
P0 ( s )
Y (s)
+ N s ( )
(3)由 d 到 y 闭环控制系统的传递函数
P0 ( s ) = Tyd ( s ) = 1 + P0 ( s ) C ( s ) s+2 ( s + 3)( s − 1)
控制与仿真中心
3.2 反馈系统的内部稳定性
+
V (s)
U (s)
P0 ( s )
Y (s)
+ N s ( )
关注的输出信号:y, e, v, u 关注的输入信号: r, d, n
控制与仿真中心
3.2 反馈系统的内部稳定性
D(s)
E (s)
—
R(s)
C (s)
+
V (s)
U (s)
P0 ( s )
Y (s)
+ N s ( )
r, d, n → y, e, v, u 共12个传递函数:
1 被控对象 S = 1 + PC 1 T , G PC = SP = 被控对象 1 + GH −GH T = SH = , G PC 反馈环节 1 + GH
T P
控制与仿真中心
知识回顾
灵敏度函数特性
(1)灵敏度函数表征了闭环系统关于被控对象变化的鲁棒性。 (2)Nyquist曲线中,开环传递函数PC距离-1点的最
C T3 = 1 + P0C 1 T4 = 1 + P0C
控制与仿真中心
3.2 反馈系统的内部稳定性
内部稳定的Nyquist判据: 对于SISO反馈控制系统,闭环控制系统内部稳 定的充要条件是P0(s)C(s) 在的奈奎斯特轨迹不包围 (-1, j 0)点,并且逆时针绕(-1, j 0)点的次数等于P(s) 和C(s) 在Re s≥0 上极点总数。
3.1 SISO反馈系统的灵敏度
补灵敏度函数
S +T = 1
S——灵敏度函数; T——补灵敏度函数。
T = 1− S
控制与仿真中心
3.1 SISO反馈系统的灵敏度
R(s)
—
补灵敏度函数
C (s)
P (s)
Y (s)
1 S= 1 + PC
S +T = 1
PC T= 1 + PC
控制与仿真中心
C (s)
V (s)
U (s)
P
定理:对于SISO反馈控制系统,闭环控制系统内部 稳定的充要条件是: (1)1+P0C 在Re s≥0 上没有零点; (2)乘积P0C 在Re s≥0 上没有零极点对消。
P0C T1 = 1 + P0C P0 T2 = 1 + P0C
1 1 S max = = 小距离与灵敏度函数的最大值互为倒数。 max 1 + PC ρ
(3)灵敏度函数与相位裕度的关系 (4)灵敏度函数与传递函数的关系
S max ≥
1 2 sin
γ
2
d到y ——反映系统对输出端扰动d的抑制特性 r到e ——反映系统对输入信号的跟踪性能
R(s)
—
D(s)
E (s)
P0C Tyr = 1 + P0C P0 Tyd = 1 + P0C
Tyn = −Ter
1 Ter = 1 + P0C C Tvr = 1 + P0C
Tur = Tvr Tud = −Ter Tun = −Tvr
Ted = −Tyd
Ten = −Ter
Tvd = −Tyr
Tvn = −Tvr
控制与仿真中心
C (s)
P 0 (s)
+
Y (s)
控制与仿真中心
知识回顾
思考问题(提问并讨论) 空调机的温度传感器精度为1°,可否通过 改进空调机的控制器,实现室温控制误差减小 到0.5 °?试说明原因。
控制与仿真中心
知识回顾
判断正误(提问并讨论) 1927年Black在贝尔实验室利用高增益抑制真空管 特性变化对放大器精度的影响,增益提高, Nyquist 曲线中,开环传递函数PC更靠近-1点,灵敏度恶化。
P0C T1 = 1 + P0C P0 T2 = 1 + P0C
C T3 = 1 + P0C 1 T4 = 1 + P0C
控制与仿真中心
3.1 SISO反馈系统的灵敏度
权函数的选择 一种典型的权函数
S M + ωB Ws ( s ) = s + ωB A
S M ( W (s) = (s +ω
s 1n
+ ωB ) A
1n n
n
B
)
ωB ——最小带宽频率;
M——高频段灵敏度峰值指标; A——低频段灵敏度的上界。
控制与仿真中心
3.2 反馈系统的内部稳定性
个传递函数都是稳定的,则闭环反馈控制系 统是内部稳定的。
定义:单回路反馈控制系统(如下图),T1~ T4四
P0C T1 = 1 + P0C
R(s)
—
P0 T2 = 1 + P0C
D(s)
E (s)
C T3 = 1 + P0C
+
1 T4 = 1 + P0C
Y (s) + N (s)