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
|
11月前
|
算法
专题九Simulink仿真基础-1
专题九Simulink仿真基础
120 1
|
11月前
|
安全 算法 C++
专题九Simulink仿真基础-2
专题九Simulink仿真基础
108 1
基于PID控制器的直流电机位置控制系统simulink建模与仿真
**摘要:** 构建基于PID的直流电机位置控制系统,利用PID的简易性和有效性实现精确控制。在MATLAB2022a中进行系统仿真,展示结果。控制器基于误差(e(t))生成控制信号(u(t)),由比例(K_p)、积分(K_i)和微分(K_d)项构成。系统采用三层控制环:位置环设定速度参考,速度环调节实际速度,电流环确保电流匹配,以达成期望位置。
|
2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。
|
3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
30 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。
|
4月前
|
流计算
基于双闭环PI和SVPWM的PMSM控制器simulink建模与仿真
该文主要介绍了一个基于双闭环PI和SVPWM技术的PMSM控制器的Simulink建模与仿真项目。系统包含逆变桥、PMSM电机、变换器、SVPWM、PI控制器等模块,实现了转速和电流的快速稳定控制。文章提供了系统仿真的图表,并详细阐述了双闭环PI控制器设计及SVPWM技术。在控制流程中,系统不断采集反馈信息,通过PI控制器调整直轴和交轴电流,经SVPWM调制后驱动电机运行,确保高效精确的电机控制。使用的工具为MATLAB2022a。
|
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
226 0
[simulink] --- 模型生成嵌入式代码配置
[simulink] --- 模型生成嵌入式代码配置
170 0
[simulink] --- 模型生成嵌入式代码配置
|
算法
m基于Simulink的自适应模糊控制器设计与仿真实现
m基于Simulink的自适应模糊控制器设计与仿真实现
172 0
m基于Simulink的自适应模糊控制器设计与仿真实现