ADRC算法Auto Disturbances Rejection control

ADRC算法Auto Disturbances Rejection control 自抗扰控制 其中,e=v(t)-y(t)是控制系统参考输入量v(t)与被控对象输出量y(t)之间的差值,kp比例系数,ki积分系数,,kd微分系数优点:1.仅由误差来决定控制2.运算量低,可以以极高的速率运行缺点:1.误差的取法e=v-y,使得初始时刻误差较大,容易造成控制系统快速性和超调的矛盾,比如输入为阶跃信号的时候,会导致误差函数也是一个阶跃信号,对…

大家好,又见面了,我是你们的朋友全栈君。

 

自抗扰控制

ADRC算法Auto Disturbances Rejection control

 

ADRC算法Auto Disturbances Rejection control

其中,e=v(t)-y(t)是控制系统参考输入量v(t)与被控对象输出量y(t)之间的差值,kp比例系数,ki积分系数,,kd微分系数

优点:

1.仅由误差来决定控制

2.运算量低,可以以极高的速率运行

缺点:

1.误差的取法e=v-y,使得初始时刻误差较大,容易造成控制系统快速性和超调的矛盾,比如输入为阶跃信号的时候,会导致误差函数也是一个阶跃信号,对控制系统的稳定性有影响。

2.实际中,参考输入量v(t)一般不可导,甚至不连续,并且y(t)中又常常存在噪声干扰,因而e(t)=v(t)-y(t)通常是不可导的,其微分信号难以利用,因而限制了PID控制器的应用。

3.经典pid的比列,误差,积分项是线性组合输出最后的控制量的,线性组合并不是一个最优的组合方案,常会引起系统快速性和超调量之间的矛盾

4.严格上说,积分项虽然消除了静态固有误差,但是会大大影响控制的稳定性能,积分反馈有许多副作用

 

针对上面的4个缺点,ADRC提出了改进方法

1.为了防止跳变信号,对信号作如下处理,就是用下面的微分跟踪器

 

u=−rsign(x1−v+x2|x2|2r)

如下图所示,使用这种变换实际上是模仿最短时间到达一个点的概念,在到达平衡处前恒定加速运动,过平衡位置后恒定减速运动,使目标点在规定的加速度下以最短的时间到达目标点,并且到达速度为0,其中v是当前位置

ADRC算法Auto Disturbances Rejection control

2. 微分器的改进

借助于高等数学有

ADRC算法Auto Disturbances Rejection control

或者由拉氏变换

 

ADRC算法Auto Disturbances Rejection control

ADRC算法Auto Disturbances Rejection control

即:采样周期越短,噪声被放大越大,因此采用如下改进:

ADRC算法Auto Disturbances Rejection control

问题:这里怎么证明噪声不被放大呢?

ADRC算法Auto Disturbances Rejection control

3. 非线性加权平均

è¿éåå¾çæè¿°

其中v0为输入信号,目的是实现v1跟踪v0, v2跟踪到v1的导数,即间接实现v2跟踪到输入v0的导数,举例如下

有一个系统,其中输入信号为v0(t),

ADRC算法Auto Disturbances Rejection control

ADRC算法Auto Disturbances Rejection control

ADRC算法Auto Disturbances Rejection control

ADRC算法Auto Disturbances Rejection control 

ADRC算法Auto Disturbances Rejection control 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/145868.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • MATLAB强化学习入门——三、深度Q学习与神经网络工具箱

    MATLAB强化学习入门——三、深度Q学习与神经网络工具箱零、为什么需要深度Q学习上一期的文章《网格迷宫、Q-learning算法、Sarsa算法》的末尾,我们提到了Q学习固有的缺陷:由于智能体(agent)依赖以状态-动作对为自变量的Q函数表(QFunctionTable)来形成对当前状态的估计,并以此为依据利用策略π选择动作。Q函数表就必须包含智能体在环境中所可能出现的所有动作-状态对及其对应Q值。显然,当一个多步决策问题变得足够复杂甚至变为连…

    2022年10月3日
    2
  • minipcie转nvme,msata转ngff sata「建议收藏」

    minipcie转nvme,msata转ngff sata「建议收藏」现如今的电脑主板,m.2/ngff接口相当普遍。具有minipcie接口的主板大概只有工控主板和老款的主板的了。并不代表minipcie就会别淘汰了。对于消费用户,minipcie接口就是装个无线网卡。但在某些情况下,并不需要这无线网卡功能,这一接口就作他用了,比如扩展nvme固态盘或者傲腾呢?!nvme固态盘/傲腾是m.2/ngff接口的,接口不一样,不能直接安装。但是可以通过接口转接板将minipcie接口转换成m.2/ngff接口来安装nvme固态盘,NICE!常见的nvme固态盘尺寸

    2025年10月2日
    5
  • 数据结构哈希表例题_数据结构哈希算法

    数据结构哈希表例题_数据结构哈希算法各类介绍:各类实战代码如下:(包括五种,自己可以逐个测试)#include “pch.h”#include <iostream>using namespace std;//折半查找int BinarySearchFunc(int key, int a[], int n){ int low, mid, high; //查找标记 int count …

    2022年8月18日
    5
  • VirtualBox下安装ubuntu server 16.04

    VirtualBox下安装ubuntu server 16.04

    2021年10月28日
    47
  • vue项目刷新当前页面的三种方法[通俗易懂]

    vue项目刷新当前页面的三种方法[通俗易懂]本文介绍了vue项目刷新当前页面的三种方法,本文图文并茂给大家介绍的非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下。 想必大家在刨坑vue的时候也遇到过下面情形:比如在删除或者增加一条记录的时候希望当前页面可以重新刷新或者如下面这种:如果希望点击确定的时候,Dialog对话框关闭的时候,当前http://localhost:9530/#/supplier/supplierAll页面可以重新刷新下那么表格的数据可以重新加载,Dialog对话框设置的数据可以在确定后刷新出现在页面上

    2022年10月17日
    2
  • 各种进位制转换_二进位制与十进位制之间的转换

    各种进位制转换_二进位制与十进位制之间的转换在数字后面加上不同的字母来表示不同的进位制。B(Binary)表示二进制,O(Octal)表示八进制,D(Decimal)或不加表示十进制,H(Hexadecimal)表示十六进制。例如:(1010

    2022年8月2日
    5

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号