基于干扰观测器的PID控制

基于干扰观测器的PID控制《PID控制器设计》课程论文题目：基于干扰观测器的PID控制目录内容摘要------------------------------------------------------------3关键字--------------------------------------------------------------31绪论--------------------------------------------------------------42干扰观测器的设计--------------------------------------------------42.1干扰观测器的基本原理--------------------------------------------42.2干扰观测器的性能分析--------------------------------------------52.3干扰观测器的稳定特性--------------------------------------------62.4干扰观测器的设计------------------------------------------------72.5干扰观测器的仿真结果及MATLAB程序-------------------------------82.5.1连续系统的控制仿真--------------------------------------------82.5.2离散系统的控制仿真------------------------------------------113结论-------------------------------------------------------------17参考文献-----------------------------------------------------------18Abstract-----------------------------------------------------------18KEYWORDS----------------------------------------------------------18基于干扰观测器的PID控制专业：电子信息工程（应用电子技术方向）学号：202112701149学生姓名：黄婧宇指导老师姓名：殷严刚【内容摘要】在一个实际的控制系统中，外部干扰会造成整个系统的控制品质下降，我们应当设计一种控制结构，将外部干扰进行有效地抑制。如果我们采用一种结构，将外部干扰以及模型参数的变化造成的实际对象与名义模型输出的差异等效到控制的输入端，就能够实现对外部干扰的抑制。我们可以采用一种结构观测出了外部干扰在输入端的等效干扰，并在系统中引入等效的补偿，因而我们把基本这种思想设计的结构称为干扰观测器。【关键字】干扰观测器；模型参数；等效干扰1绪论PID控制是最早发展起来的控制策略之一，但应用常规PID控制器对于非线性、时变不确定性的系统，无法达到理想的控制效果。随着现代控制理论，诸如智能控制等技术的研究发展、出现了许多新型的PID控制器，为解决复杂无规则系统的控制开辟；饿新途径。PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高，被广泛应用于工业过程控制，尤其适用于建立精确数学模型的确定性控制系统]1[。2干扰观测器的设计2.1干扰观测器的基本原理干扰观测器的基本思想是将外部力矩干扰及模型参数变化造成的实际对象与名义模型输出的差异等效到控制输入端，即观测出等效干扰。在控制中引入等效的补偿，实现对干扰完全抑制。其基本结构如图1所示。图1干扰观测器的基本结构图中G（s）为对象的传递函数，d为等效干扰，d?为观测到的干扰，u为控制器输出，e为u和d?的误差函数。由此有d?=（e+d）*G(s)G1-(s)-e=d对于实际的物理系统，其实现存在如下问题：（1）在通常情况下，Gp(s)的相对阶不为0，其逆在物理上不可实现；（2）对象Gp(s)的精确数学模型无法得到；（3）考虑到测量噪声的影响，该方法的控制性能将下降。解决上述问题的唯一方法是在d?的后面串入低通滤波器Q(s)，并用名义模型Gn(s)的逆1-nG(s)来代替Gp(s)，从而得到如图2所示的干扰观测器原理图，其中虚线部分为干扰观测器。图2干扰观测器原理框图控制器的输出为：u=c-df+d式中，c为PID控制器的输出，df为干扰d的估计值。2.2干扰观测器的性能分析设低通滤波器Q(s)的频带为qf。（1）当f≤af时，Q=1，CYG≈nG(s),DYG≈0,NYG≈1.（2）当f≥qf时，Q=0,CYG≈PG(s),dyG(s)=pG(s),NYG(s)≈0.由上面分析可见，Q(s)的设计是干扰观测器设计中的一个重要环节。Q(s)的性能决定整个干扰观测器的动态性能。从理论上分析，Q(s)的，甚至使系统变得不稳定。观测器的响应速度就越快，干扰的抑制效果就越好，则系统对干扰的灵敏度低，但随着阶数的增高，大的相位滞后会使系统产生阻尼现象以上分析可知，如何使干扰观色器获得好的动态性能和高的稳定性是Q(s)设计的关键。因此，首先，为使Q(s)1-nG（s）正则，Q(s)的相对阶应不小于nG(s)的相对阶；其次，Q(s)带宽的设计应是在干扰观测器的鲁棒稳定性和干扰受抑制能力之间的折中。2.3干扰观测器的稳定特性设pG(s)的名义模型为nG(s),则不确定对象的集合可以用乘机摄动来描述，即：pG(s)=nG(s)（1+?(s)式中，?(s)为可变的传递函数。图3pG(s)与nG(s)频率特性图如图3为转台伺服系统某框的实测频率特性pG(s)与名义模型nG(s)频率特性，可见，当频率增大时，对象的不确定性增大，)(jw?表现为频率w的增函数。由鲁棒稳定性定理，干扰观测器Q(s)鲁棒稳定的充分条件是)()(sQs?≤1，通过Q(s)的设计，可实现鲁棒要求]2[。2.4干扰观测器的设计采用如下形式的低通滤波器由?s=PG（s）÷nG(s)-1可得?s的频率特性，它表明了实际对象频率特性对名义模型的摄动，?s不同带宽的Q(s)的幅频特性，可见，Q(s)=2Q(s)时鲁棒稳定性可以得到满足，并且外界干扰可以达到很好的抑制。Q(s)=2Q(s)时为理想的低通滤波器，此时t=0.001。图4s和不同宽带的Q(s)的幅频特性2.5干扰观测器的仿真结果及MATLAB程序2.5.1连续系统的控制仿真采用PID控制器与干扰观测器的组合控制对系统进行跟踪正弦图5连续干扰观测器的结构实例仿真设实际的被控对象为名义模型取信号r(t)=1.0sin(2πt),干扰信号为：d(t)=3sin(5πt),PID控制器中取pk=5.0，ik=0，dk=0.50。取τ=0.0001。干扰观测器如图5，对干扰信号的观测结果如图7，无干扰信号如图8。MATLAB程序主程序：clearall;closeall;Jp=0.0075;bp=0.1880;Jn=Jp;bn=bp;ts=0.001;Gp=tf([1],[Jp,bp,0]);%PlantGpz=c2d(Gp,ts,'z');[num,den]=tfdata(Gpz,'v');Gn=tf([1],[Jn,bn,0]);%NominalmodelGnz=c2d(Gn,ts,'z');[num1,den1]=tfdata(Gnz,'v');tol=0.0065;Q=tf([3*tol,1],[tol^3,3*tol^2,3*tol,1]);%LowPassFilterQz=c2d(Q,ts,'tustin');[numq,denq]=tfdata(Qz,'v');uu_1=0;u2_1=0;uo_1=0;uo_2=0;uo_3=0;u3_1=0;u3_2=0;u3_3=0;u_1=0.0;u_2=0.0;y_1=0;y_2=0;x=[0,0,0]';error_1=0;fork=1:1:1000time(k)=k*ts;rin(k)=0.5*sin(3*2*pi*k*ts);%TracingSinehighfrequencySignal%Linearmodelyout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;n(k)=0.001*rands(1);%Measurenoiseyout(k)=yout(k)+n(k);%Disturbancen(k)error(k)=rin(k)-yout(k);图6无扰信号的观测结果图7由干扰观测器时的正弦跟踪从仿真曲线中发现，采用常规的PID控制时，在跟踪期望信号过程中，由强烈的极限环振荡且不能很好的跟踪期望信号；而采用PID与干扰观测器的组合控制在跟踪期望信号过程中，干扰观测器对系统和测量噪声具有较好的抑制作用，系统的极限环节振荡消失、且能较好地跟踪期望信号。因此，该控制系统具有较强的适应性和鲁棒性。2.5.2离散系统的控制仿真实例仿真由连续干扰观测器可得到离散干扰观测器的结构]3[，如图8所示。图8离散干扰观测器的结构MATLAB程序主程序：clearall;closeall;Jp=0.0075;bp=0.1880;Jn=Jp;bn=bp;ts=0.001;Gp=tf([1],[Jp,bp,0]);%PlantGpz=c2d(Gp,ts,'z');[num,den]=tfdata(Gpz,'v');Gn=tf([1],[Jn,bn,0]);%NominalmodelGnz=c2d(Gn,ts,'z');[num1,den1]=tfdata(Gnz,'v');tol=0.0065;Q=tf([3*tol,1],[tol^3,3*tol^2,3*tol,1]);%LowPassFilterQz=c2d(Q,ts,'tustin');[numq,denq]=tfdata(Qz,'v');uu_1=0;u2_1=0;uo_1=0;uo_2=0;uo_3=0;u3_1=0;u3_2=0;u3_3=0;u_1=0.0;u_2=0.0;y_1=0;y_2=0;x=[0,0,0]';error_1=0;fork=1:1:1000time(k)=k*ts;rin(k)=0.5*sin(3*2*pi*k*ts);%TracingSinehighfrequencySignal%Linearmodelyout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;n(k)=0.001*rands(1);%Measurenoiseyout(k)=yout(k)+n(k);%Disturbancen(k)error(k)=rin(k)-yout(k);x(1)=error(k);%CalculatingPx(2)=(error(k)-error_1)/ts;%CalculatingDx(3)=x(3)+error(k)*ts;%CalculatingIkp=50;ki=0;kd=15.0;%TracingSinevelocityc(k)=kp*x(1)+kd*x(2)+ki*x(3);%PIDControlleru1(k)=uu_1;%Mn=1,onetimedelayu2(k)=1/num1(2)*(-num1(3)*u2_1+yout(k)+den1(2)*y_1+den1(3)*y_2);u3(k)=u2(k)-u1(k);uo(k)=-denq(2)*uo_1-denq(3)*uo_2-denq(4)*uo_3+numq(1)*u3(k)+numq(2)*u3_1+numq(3)*u3_2+numq(4)*u3_3;Q=1;ifQ==0%NotusingQ(s)uo(k)=u3(k);endM=1;ifM==1%UsingObserveruu(k)=c(k)-uo(k);endifM==2%NoObser