基于ADRC自抗扰控制器的simulink仿真,ESO和TD等模块使用S函数开发

简介: 基于ADRC自抗扰控制器的simulink仿真,ESO和TD等模块使用S函数开发

1.算法仿真效果
matlab2022a仿真结果如下:

babbd16454e657e6c9f557201dedee54_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要

   自抗扰控制器主要由三部分组成:跟踪微分器(tracking differentiator),扩展状态观测器 (extended state observer) 和非线性状态误差反馈控制律(nonlinear state error feedback law)。

自抗扰控制器自PID控制器演变过来,采取了PID误差反馈控制的核心理念。传统PID控制直接取参考给定与输出反馈之差作为控制信号,导致出现响应快速性与超调性的矛盾。

   跟踪微分器的作用是安排过渡过程,给出合理的控制信号,解决了响应速度与超调性之间的矛盾。扩展状态观测器用来解决模型未知部分和外部未知扰动综合对控制对象的影响。虽然叫做扩展状态观测器,但与普通的状态观测器不同。扩展状态观测器设计了一个扩展的状态量来跟踪模型未知部分和外部未知扰动的影响。然后给出控制量补偿这些扰动。将控制对象变为普通的积分串联型控制对象。设计扩展状态观测器的目的就是观测扩展出来的状态变量,用来估计未知扰动和控制对象未建模部分,实现动态系统的反馈线性化,将控制对象变为积分串联型。非线性误差反馈控制律给出被控对象的控制策略。

   自抗扰控制是在PID控制算法基础上进行改进的新型控制方法,它具有不依赖于控制对象模型、不区分系统内外扰的结构特点。常用的自抗扰控制器主要由跟踪微分器(Tracking Differentiator,TD)、扩张状态观测器(Extended State Observer,ESO)和非线性状态误差反馈控制率(Nonlinear State Error Feedback,NLSEF)三部分组成。

    跟踪微分器的作用是针对被控对象的输入特点对其提取所需要的信号。

   扩张状态观测器作为自抗扰控制的核心组成部分,一方面可以对系统中重要的状态变量进行跟踪,便于实时了解系统状态;另一方面还能根据系统模型内外扰动的总体作用量,以反馈的形式对其加以及时补偿,有助于提高系统鲁棒性。

   非线性状态误差反馈控制率是一种非线性的组合方式,输入是TD输出的状态变量与ESO状态估计值之间的误差,输出结合ESO的总扰动补偿值得到控制器的控制量。

跟踪微分器(TD)

ea78f400d95dcebddf4f0ea72ea51dd4_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

扩张状态观测器(ESO)
ea0ccd31a88c25bebaf345cdae72ad10_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   ADRC控制器结构如图所示。自抗扰的根本在于使用补偿项将系统“不确定模型”和“未知外扰”的总和作用共同作为总扰动进行观测和补偿。

027ee178fb13dc437dbaa7656c66fc01_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   其中,为目标速度,为实际速度,为跟踪速度,为跟踪加速度,为观测速度,为观测加速度,为观测扰动。

c9a571f9c8f0780a88e4f273c4fe08ef_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

3.MATLAB核心程序

5e50a5ea4f31387134fbaeb3f7594d19_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

sizes = simsizes;
sizes.NumContStates  = 2;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 2;
sizes.NumInputs      = 1;
sizes.DirFeedthrough = 0;
sizes.NumSampleTimes = 1;
sys = simsizes(sizes);
x0  = [0;0]; 
str = [];
ts  = [-1 0];
 
function sys = mdlDerivatives(x,u,r,d)
sys(1,1) = x(2);
sys(2,1) = -r*fst2(x,u,r,d);
 
function sys = mdlOutputs(x)
sys = x;
 
function f = fst2(x,u,r,d)
v=x(1)-u+abs(x(2))*x(2)/(2*r);
if v>=d
    f=sign(v);
else f=v/d;
end
相关文章
|
算法
专题九Simulink仿真基础-1
专题九Simulink仿真基础
151 1
|
1天前
|
传感器
基于PID控制器的天线方位角位置控制系统simulink建模与仿真
本课题基于MATLAB2022a的Simulink平台,构建并仿真了天线方位角位置控制系统。通过零极点配置法整定PID控制器参数,实现对天线方位角的精确控制。系统由天线驱动装置、角度传感器、PID控制器和电机驱动电路组成,确保天线快速准确地跟踪设定方位角。PID控制器综合比例、积分、微分三个环节,优化响应速度、稳定性和准确性,适用于无线通信、雷达跟踪等领域。
|
30天前
|
机器学习/深度学习 流计算
基于simulink的直接转矩控制方法建模与性能仿真
本研究基于Simulink实现直接转矩控制(DTC)建模与仿真,采用电压空间矢量控制及Park、Clark变换,实现电机磁场定向控制。系统通过磁链观测器、转矩估计器等模块,精确控制电机转矩和磁链,提高控制性能。MATLAB2022a版本实现核心程序与模型。
基于PI控制器的DC-DC结构PWM系统simulink建模与仿真
本课题基于MATLAB2022a的Simulink环境,构建了包含IGBT结构、PI控制器及PWM模块的DC-DC转换器模型,通过仿真验证了系统在电压精确控制方面的性能。PI控制器通过调整占空比实现对输出电压的闭环控制,确保输出稳定。
|
2月前
|
算法
基于模糊PID控制器的的无刷直流电机速度控制simulink建模与仿真
本课题基于模糊PID控制器对无刷直流电机(BLDCM)进行速度控制的Simulink建模与仿真。该系统融合了传统PID控制与模糊逻辑的优势,提高了BLDCM的速度动态响应、抗干扰能力和稳态精度。通过模糊化、模糊推理和解模糊等步骤,动态调整PID参数,实现了对电机转速的精确控制。适用于多种工况下的BLDCM速度控制应用。
|
安全 算法 C++
专题九Simulink仿真基础-2
专题九Simulink仿真基础
164 1
|
5月前
|
算法
自适应PID控制器的simulink建模与仿真
本研究实现PID控制器参数(kp, ki, kd)的自适应调整,达成最优控制并展示参数收敛过程。MATLAB2022a环境下仿真结果显示,参数经调整后趋于稳定,控制器输出平滑,误差显著降低。自适应PID通过实时监测系统性能自动优化参数,有效应对不确定性,维持系统稳定及高性能。采用不同优化算法调整PID参数,确保最佳控制效果。
|
6月前
|
网络协议 数据处理 C++
LabVIEW与Simulink的通信及调用方式
LabVIEW与Simulink的通信及调用方式
92 1
基于simulink的模糊PID控制器建模与仿真,并对比PID控制器
在MATLAB 2022a的Simulink中,构建了模糊PID和标准PID控制器模型,对比两者控制输出。模糊控制器采用模糊逻辑处理误差和误差变化率,通过模糊化、推理和去模糊化调整PID参数。模糊PID能更好地应对非线性和不确定性,而标准PID虽然简单易实现,但对复杂系统控制可能不足。通过仿真分析,可选择适合的控制器类型。
|
算法
m基于simulink的PID控制器,模糊PID控制器以及MPC控制器性能对比仿真
m基于simulink的PID控制器,模糊PID控制器以及MPC控制器性能对比仿真
240 0

热门文章

最新文章

下一篇
开通oss服务