永磁同步电机自抗扰控制ADRC(位置环/速度环控制器)Matlab/Simulink仿真(S-Function)

最新推荐文章于 2024-04-16 10:10:56 发布

小羊学习记录

最新推荐文章于 2024-04-16 10:10:56 发布

阅读量3.1k

点赞数 6

文章标签： matlab 开发语言算法

本文链接：https://blog.csdn.net/m0_66341377/article/details/132209941

版权

经典PID控制器的主要缺陷为：阶跃信号下的初始误差较大，系统存在快速性与超调之间的矛盾；微分器对噪声敏感，微分信号容易被噪声淹没失去作用；误差积分容易使系统产生振动，对扰动的抑制响应较慢。

自抗扰控制(ADRC)技术的核心思想是将简单的积分串联型视为标准模型，把系统模型中不同于标准型的部分和外部干扰之和视为总扰动，并将其扩张为一个新的状态。通过状态估计，反馈线性化等将被控对象还原为标准的积分串联系统，最后为该积分串联系统设计状态反馈控制律，简化设计使得结构简单，物理意义明确。

自抗扰控制器由TD、ESO、和NLSEF这三个各具独特优点的主要部分组成，具有结构简单，响应速度快、动静态性能良好、不依赖于被控对象的精确模型、抗扰动能力强等诸多优点，在非线性控制领域以及其他复杂控制环境中得到了大量应用和认可。ADRC中的TD用来安排合适的过渡过程，得到输入信号快速且无超调的跟踪信号和优质的微分信号。ESO是ADRC的核心，其作用是跟踪被控对象的输出，同时给出受控对象的各阶状态变量以及系统总扰动的实时估计，将其补偿到控制器中，实现动态补偿线性化。NLSEF采用非线性函数把TD产生的跟踪及微分信号与ESO给出的状态变量估计值之间的误差进行非线性组合得到初级控制量，然后同总扰动的补偿量一起生成最终的控制信号。

过渡过程中的fhan(x1,x2,r,h)函数计算公式为：

$\left\{\begin{matrix} d=rh\\ d_{0}=hd\\ y=x_{1}+hx_{2}\\ a_{0}=\sqrt{d^{2}+8r\left | y \right |}\\ a=\left\{\begin{matrix} x_{2}+\frac{a_{0}-d}{2},\left | y \right |>d_{0}\\ x_{2}+\frac{y}{h},\left | y \right |\leq d_{0} \end{matrix}\right.\\ fhan=\left\{\begin{matrix} -rsign(a),\left | a \right |>d\\-\frac{ra}{d},\left | a \right |\leq d \end{matrix}\right. \end{matrix}\right.$

扩张观测器中的fal()函数为：

$fal(\varepsilon ,\alpha ,\delta )=\left\{\begin{matrix} \left | \varepsilon \right |^{2}sign(\varepsilon ),\left | \varepsilon \right |>\delta \\ \frac{\varepsilon }{\delta ^{1-\alpha }},\left | \varepsilon \right |\leq \delta \end{matrix}\right.$

作为位置控制器的仿真如下：

一阶状态变量为角度，二阶状态变量为转速，控制信号量为指令转速：

$x\dot{}_{1}=x_{2}$

$x\dot{}_{2}=[(\frac{3}{2}\frac{P_{n}^{2}\psi _{f}^{2}}{JR}-\frac{B}{J})x_{2}+\frac{3}{2}\frac{P_{n}\psi _{f}}{JR}U_{q}-b_{0}u-\frac{T_{L}}{J}]+b_{0}u$

令一个高阶状态变量为 $x_{3}=(\frac{3}{2}\frac{P_{n}^{2}\psi _{f}^{2}}{JR}-\frac{B}{J})x_{2}+\frac{3}{2}\frac{P_{n}\psi _{f}}{JR}U_{q}-b_{0}u-\frac{T_{L}}{J}$

上式变为：

$x\dot{_{1}}=x_{2}$

$x\dot{_{2}}=x_{3}+b_{0}u$

$x\dot{_{3}}=f(u,x_{2},T_{L}...)$

式中最后一项f()代表各类误差，内外扰动构成的综合扰动项，表达式计算复杂，建模难以保证准确，扰动变量无法预测，因此很难得到可靠的解析解。但如果能得到这个非实际状态变量的实时近似观测值，同样也可以对系统进行误差补偿。扩张观测器经过非线性逼近的方式，得到足够接近X3的值，那么令 $u=\frac{u_{0}-x_{3}}{b_{0}}$ ,即可达到闭环。

S-Function代码如下：

function [sys,x0,str,ts,simStateCompliance]=sfun_ADRC(t,x,u,flag,r,h)
switch flag
    case 0
        [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;
    case 2
        sys=mdlUpdate(t,x,u,r,h);
    case 3
        sys=mdlOutputs(t,x,u);
    case {1,4,9}
        sys=[];
    otherwise
       DAStudio.error('simulink:blocks:unhandledFlag',num2str(flag));
end
function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes
sizes=simsizes;
sizes.NumContStates=0;
sizes.NumDiscStates=8;
sizes.NumOutputs=8;
sizes.NumInputs=2;
sizes.DirFeedthrough=0;
sizes.NumSampleTimes=1;
sys=simsizes(sizes);
x0=[0;0;0;0;0;0;0;0];
str=[];
ts=[1e-6 0];

simStateCompliance='UnknownSimstate';
function sys=mdlUpdate(t,x,u,r,h)
b=0.01;
h_1=0.1;
h_2=0.01;
delta=0.01;
beta0=0;
beta1=150;
beta2=150;
beta01=100;
beta02=500;
beta03=1000;
alpha0=0.001;
alpha1=5;
alpha2=1.2;

z1=x(1);
z2=x(2);
z3=x(3);
v1=x(4);
v2=x(5);
e0=x(6);
e1=x(7);
uf=x(8);
v=u(1);
y=u(2);
%% TD
v1=v1+h_1*v2;
v2=v2+h_1*fhan(v1-v,v2,r,h);

%% ESO
e=z1-y;
z1=z1+h_2*(z2-beta01*e);
z2=z2+h_2*(z3-beta02*fal(e,0.5,delta)+b*uf);
z3=z3+h_2*(-beta03*fal(e,0.25,delta));

%% NLSEF
e1=v1-z1;
e0=e0+e1;
if e0>1000
    e0=1000;
else if e0<-1000
        e0=-1000;
    end
end

e2=v2-z2;
u0=beta1*fal(e1,alpha1,delta)+beta2*fal(e2,alpha2,delta)+beta0*fal(e0,alpha0,delta);
% u0=-fhan(e1,c*e2,r0,h);
uf=(u0-z3)/b;
if uf>3000
    uf=3000;
else if uf<-3000
        uf=-3000;
    end
end
sys=[z1;z2;z3;v1;v2;e0;e1;uf];
function sys=mdlOutputs(t,x,u)
sys=x;

搭建模型如下：

其中r和h的取值为：

得到的位置响应为：

作为速度控制器：

将机械运动方程改写为： $\frac{d\omega }{dt}=f_{0}+b_{0}i_{q}^{*}=\frac{K_{t}i_{q}}{J}-\frac{B\omega }{J}-\frac{T_{L}}{J}$ ，其中 $f_{0}=(-B\omega -T_{L}+K_{t}(i_{q}-i_{q}^{*}))/J$ 看作系统内外部扰动之和。

S-Function代码如下：

function [sys,x0,str,ts,simStateCompliance]=sfun_VelADRC2(t,x,u,flag,r,h)
switch flag
    case 0
        [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes;
    case 2
        sys=mdlUpdate(t,x,u,r,h);
    case 3
        sys=mdlOutputs(t,x,u);
    case {1,4,9}
        sys=[];
    otherwise
       DAStudio.error('simulink:blocks:unhandledFlag',num2str(flag));
end
function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes
sizes=simsizes;
sizes.NumContStates=0;
sizes.NumDiscStates=8;
sizes.NumOutputs=8;
sizes.NumInputs=2;
sizes.DirFeedthrough=0;
sizes.NumSampleTimes=1;
sys=simsizes(sizes);
x0=[0;0;0;0;0;0;0;0];
str=[];
ts=[1e-6 0];

simStateCompliance='UnknownSimstate';
function sys=mdlUpdate(t,x,u,r,h)
b=10;
h_1=0.1;
h_2=0.01;
delta=0.001;
beta0=10;
beta1=40;
beta2=200;
beta01=100;
beta02=500;
beta03=1000;
alpha0=0.5;
alpha1=0.5;
alpha2=0.25;

z1=x(1);
z2=x(2);
z3=x(3);
v1=x(4);
v2=x(5);
e0=x(6);
e1=x(7);
uf=x(8);
v=u(1);
y=u(2);
%% TD
v1=v1+h_1*v2;
v2=v2+h_1*fhan(v1-v,v2,r,h);

%% ESO
e=z1-y;
z1=z1+h_2*(z2-beta01*e);
z2=z2+h_2*(z3-beta02*fal(e,0.5,delta)+b*uf);
z3=z3+h_2*(-beta03*fal(e,0.25,delta));

%% NLSEF
e1=v1-z1;
e0=e0+e1;
if e0>1000
    e0=1000;
else if e0<-1000
        e0=-1000;
    end
end

e2=v2-z2;
u0=beta1*fal(e1,alpha1,delta)+beta2*fal(e2,alpha2,delta)+beta0*fal(e0,alpha0,delta);
% u0=-fhan(e1,c*e2,r0,h);
uf=(u0-z3)/b;
if uf>7.5
    uf=7.5;
else if uf<-7.5
        uf=-7.5;
    end
end
sys=[z1;z2;z3;v1;v2;e0;e1;uf];
function sys=mdlOutputs(t,x,u)
sys=x;

搭建模型为：

r,h的值及内部模型如下：

得到的位置和速度响应如下：

参考文献：

[1]留若宸. 多电机伺服系统同步控制研究[D].浙江大学,2020.DOI:10.27461/d.cnki.gzjdx.2020.000807.

[2]黄文俊. 基于优化ADRC的伺服控制技术的研究与开发[D].江南大学,2017.

小羊学习记录

关注

6
点赞
踩
54

收藏

觉得还不错? 一键收藏
5
评论
永磁同步电机自抗扰控制ADRC(位置环/速度环控制器)Matlab/Simulink仿真(S-Function)

ESO是ADRC的核心，其作用是跟踪被控对象的输出，同时给出受控对象的各阶状态变量以及系统总扰动的实时估计，将其补偿到控制器中，实现动态补偿线性化。NLSEF采用非线性函数把TD产生的跟踪及微分信号与ESO给出的状态变量估计值之间的误差进行非线性组合得到初级控制量，然后同总扰动的补偿量一起生成最终的控制信号。自抗扰控制(ADRC)技术的核心思想是将简单的积分串联型视为标准模型，把系统模型中不同于标准型的部分和外部干扰之和视为总扰动，并将其扩张为一个新的状态。看作系统内外部扰动之和。令一个高阶状态变量为。
复制链接

扫一扫