自抗扰控制技术简述

2017年1月23日
#跟踪微分器(Tracking Differentiator)
   时延不同的两个惯性环节的信号相减,再除以时延之差,可以获得不错的微分效果。而惯性环节本质上是对信号的滤波与跟踪。当两个惯性环节相差很小的时候,这样的微分器可以近似表示为:
            $$W(s) = frac{ r^{2} s } { s^{2} + 2rs + r^{2} }$$
   上式中的跟踪环节实际上是二阶线性系统,相当于二阶滤波器。一般的,跟踪微分器有如下形式:
            $$W(s) = frac{ r^{m} s } { (s + r)^{ m } }$$
   为什么采取这种结构呢?因为需要快速地追踪输入信号,所以实际上这种结构是零阻尼结构,能够在快速性与超调之间取得平衡。
   非线性跟踪微分器又是什么呢?考虑二阶积分器串联型系统:
            $$
               left{
                    egin{aligned}
                        dot{ x_{1} } &= x_{2} \
                        dot{ x_{2} } &= u,  |u| leq r 
                    end{aligned}
                ight.
            $$
    以原点为终点的快速最优控制综合函数(此处存疑)为:
            $$
                u(x_{1}, x_{2}) = -r ext{ sign } ( x_{1} + frac{ x_{2} | x_{2} | } {2 r } )
            $$
    将上式中的$x_{1}$改为$x_{1} - v_{0}(t)$,其中$v_{0}(t)$表示为需要追踪的信号,则有:
            $$
               left{
                    egin{aligned}
                        dot{ x_{1} } &= x_{2} \
                        dot{ x_{2} } &=  -r ext{ sign } ( x_{1}  - v_{0}(t) + frac{ x_{2} | x_{2} | } {2 r } )
                    end{aligned}
                ight.
            $$
    这个系统的加速度绝对值限制在r之下,将最快地跟踪输入信号$v_{0}(t)$。r越大,跟踪速度越快。取解分量之一$x_{2}$作为输入信号的近似微分,就可以构成一种非线性跟踪微分器。非线性跟踪微分器的参数效率要比线性的高,相似的滤波效果,非线性跟踪微分器的参数值较小。
    菲利波夫意义:存疑
    关于跟踪微分器的定理:
    设有二阶微分方程
            $$
                left{
                    egin{aligned}
                        dot{ z_{1} } &= z_{2} \
                        dot{ z_{2} } &= f(z_{1}, z_{2})
                    end{aligned}
                ight.
            $$
    那么,对于任意有界可测信号$v(t),t in [0, +infty]$, 以及任意的$T$,如下微分方程:
            $$
                left{
                    egin{aligned}
                        dot{ x_{1} } &= x_{2} \
                        dot{ x_{2} } &= r^{2}f(x_{1} - v(t), frac { x_{2} } {r} )
                    end{aligned}
                ight.
            $$
    的解的第一分量$x_{1}(r,t)$将满足$mathop{lim}_{ r o +infty } { int_{0}^{T}| x_{1}(r,t) - v(t) | ext{d} t}  = 0 $。即当$r o +infty$时,该方程的解分量$x_{1}$将会收敛于给定$v(t)$。
##快速跟踪微分器的离散形式
   最速跟踪微分器直接离散得到形式为:
            $$
                left{
                    egin{aligned}
                        f &= - r ext{sign} ( x_{1}(k) - v(k) + frac{ x_{2}(k) |x_{2}(k)| }{ 2r } ) \
                        x_{1}(k+1) &= x_{1}(k) + h x_{2}(k) \
                        x_{2}(k+1) &= x_{2}(k) + hf
                    end{aligned}
                ight.
            $$
   最速跟踪微分器直接离散进行数值计算,在系统进入稳态之后,会产生高频震颤。即使将符号函数换成线性饱和函数,也只能减小而不能避免高频震颤,速度输出依然很难保持为零。因为连续系统的最速控制综合函数离散化后,并不是离散化后的系统的最优控制函数。
   假设有如下离散系统:
            $$
                left{
                    egin{aligned}
                        x_{1}(k+1) &= x_{1}(k) + h x_{2}(k) \
                        x_{2}(k+1) &= x_{2}(k) + h u , |u| leq  r
                    end{aligned}
                ight.
            $$
    该离散系统的最速控制综合函数记作$u = fhan(x_{1}, x_{2}, r, h)$,其公式如下:
            $$
            egin{equation}
                left{
                    egin{aligned}
                        d &= rh \
                        d_{0} &= hd \
                        y &= x_{1} + h x_{2} \
                        a_{0} &= sqrt{ d^{2} + 8 r | y | } \
                        a &= 
                            left{
                                egin{aligned}
                                    &x_{2} + frac{ (a_{0} - d ) } { 2 } ext{sign}(y), &|y| > d_{0} \
                                    &x_{2} + frac{y}{h}, &|y| leq d_{0}
                                end{aligned}
                            ight.\
                        fhan &= - 
                              left{
                                  egin{aligned}
                                        &r ext{sign}(a), &|a| > d \ 
                                        &r frac{a}{d}, &|a| leq d
                                  end{aligned}
                               ight. 
                    end{aligned}
                ight.
                label{fhan_equation}
            end{equation}
            $$
#存疑
   P128,线性反馈闭环系统抑制未知扰动的能力的论述。
   2.7 离散系统快速最优控制综合函数的推导过程为什么需要用到G(2)的等时曲线,因为二阶系统最少需要用到2步才能达到最优状态吗?





原文地址:https://www.cnblogs.com/NJdonghao/p/f211471d218dccf10bd2d94366bf2c7d.html