书中是讲完DMC接着讲的GPC,不过我想接着写DMC,将DMC的有关内容写完。
预测控制的部分先不写了,先去学点数学知识
上一篇文章写了在无约束单输入单输出情况下的DMC的原理,及其仿真。我在仿真时取N=P=M=20,所以至少有40个参数可以调节,那么如何去选择这些参数?有没有一些结论去供我们参考呢?这就涉及到我接下来要写的这部分内容DMC的内模控制结构,内模控制结构即IMC(internal model control,我猜的哈,没查过),可以用来有效的分析预测控制系统。那么它究竟是以一种什么样的原理去分析预测控制系统的呢?笼统地可以表达成针对IMC具有一些定理和结论,我们将DMC变换为IMC的结构,将IMC的定理和结论套用在上面,来达到分析DMC的目的。所以为了达成这个目的我们需要做的工作:1.了解IMC的结构,及其相关定理。2.将DMC变换为IMC。3.分析变换为IMC结构的DMC,有点像大象关冰箱里分几步哈。
首先是第一个工作,IMC的结构和定理。
IMC的基本的结构就如上图所示,其中
w
(
z
)
w(z)
w(z)为参考输入,
u
(
z
)
u(z)
u(z)为控制量,
v
(
z
)
v(z)
v(z)为扰动量,
y
(
z
)
y(z)
y(z)为输出量。从上面这个结构很容易得出传递函数:
y
(
z
)
=
G
w
(
z
)
G
c
(
z
)
G
p
(
z
)
1
+
G
c
(
z
)
G
F
(
z
)
[
G
p
(
z
)
−
G
M
(
z
)
]
w
(
z
)
+
1
−
G
c
(
z
)
G
F
(
z
)
G
M
(
z
)
1
+
G
c
(
z
)
G
F
(
z
)
[
G
p
(
z
)
−
G
M
(
z
)
]
v
(
z
)
−
−
−
−
−
−
−
−
(
1
)
y(z)=G_w(z)\frac {G_c(z)G_p(z)}{1+G_c(z)G_F(z)[G_p(z)-G_M(z)]}w(z)+\frac {1-G_c(z)G_F(z)G_M(z)}{1+G_c(z)G_F(z)[G_p(z)-G_M(z)]}v(z)--------(1)
y(z)=Gw(z)1+Gc(z)GF(z)[Gp(z)−GM(z)]Gc(z)Gp(z)w(z)+1+Gc(z)GF(z)[Gp(z)−GM(z)]1−Gc(z)GF(z)GM(z)v(z)−−−−−−−−(1)
其中的
G
w
(
z
)
G_w(z)
Gw(z)称为参考模型,根据控制方式的不同,有所不同。未分析方便将
G
w
(
z
)
G_w(z)
Gw(z)设为1。在之后的分析中还会涉及到。
G
c
(
z
)
G_c(z)
Gc(z)为控制器,
G
p
(
z
)
G_p(z)
Gp(z)为对象,
G
M
(
z
)
G_M(z)
GM(z)为针对对象建立的模型,
G
F
(
z
)
G_F(z)
GF(z)为滤波器。
这个就是IMC的结构,还是挺简单的,接下来介绍IMC的几个性质或者说结论:
1.对偶稳定准则
在模型精确时,即模型
G
M
(
z
)
G_M(z)
GM(z)等于对象
G
p
(
z
)
G_p(z)
Gp(z)时,我们将
G
M
(
z
)
=
G
p
(
z
)
G_M(z)=G_p(z)
GM(z)=Gp(z)代入(1)式中,可以得到
y
(
z
)
=
G
c
(
z
)
G
p
(
z
)
w
(
z
)
y(z)=G_c(z)G_p(z)w(z)
y(z)=Gc(z)Gp(z)w(z)可以得到系统此时的传递函数:
F
0
(
z
)
=
G
c
(
z
)
G
p
(
z
)
F_0(z)=G_c(z)G_p(z)
F0(z)=Gc(z)Gp(z),系统在对象
G
p
(
z
)
G_p(z)
Gp(z)和控制器
G
c
(
z
)
G_c(z)
Gc(z)稳定时稳定。
2.完全控制器
在对像稳定且模型准确的前提下,若取控制器为
G
c
(
z
)
=
1
G
−
(
z
)
−
−
(
2
)
G_c(z)=\frac {1}{G_-(z)}--(2)
Gc(z)=G−(z)1−−(2)则控制系统对镇定或跟踪控制都具有最小输出方差。式中的
G
−
(
z
)
G_-(z)
G−(z)来自于模型下述分解
G
M
(
z
)
=
G
+
(
z
)
G
−
(
z
)
G_M(z)=G_+(z)G_-(z)
GM(z)=G+(z)G−(z)其中
G
+
(
z
)
=
z
−
(
l
+
1
)
∏
i
=
1
p
(
z
−
z
i
z
−
z
^
i
)
(
1
−
z
^
i
1
−
z
i
)
G_+(z)=z^{-(l+1)}\prod_{i=1}^p(\frac{z-z_i}{z-\hat{z}_i})(\frac{1-\hat{z}_i}{1-z_i})
G+(z)=z−(l+1)i=1∏p(z−z^iz−zi)(1−zi1−z^i),式中
l
l
l是对象的纯滞后数,再+1是为了计入采样保持所附加的一拍滞后;p为对象在单位圆外的零点数;
z
i
z_i
zi为单位圆外的零点,
z
^
i
=
1
/
z
i
\hat{z}_i=1/z_i
z^i=1/zi为器在单位圆内的映射。控制器(2)称为完全控制器,我不理解书上为什么要将
G
+
(
z
)
G_+(z)
G+(z)写成这种形式,按《计算机控制》的最小拍来说的话,也不是这种形式,或许还和最小方差控制相关?有懂的同学方便的话告诉我一下。虽然和计算机控制上的形式不太一样,但目的却是一样的,都是为了对消被控对象中的可控部分,而滞后和不稳定部分保留,但如果被控对象中含有不稳定部分,也就不符合预测控制的要求了,不符合性质1,所以在接下来的讨论中被控对象可以认为都是稳定的。
3.零静差
不论模型与对象是否失配,就是不论模型
G
M
(
z
)
G_M(z)
GM(z)等不等于对象
G
p
(
z
)
G_p(z)
Gp(z),只要闭环系统是稳定的,且控制器
G
c
(
1
)
=
1
/
G
M
(
1
)
G_c(1)=1/G_M(1)
Gc(1)=1/GM(1),滤波器满足
G
F
(
1
)
=
1
G_F(1)=1
GF(1)=1.则系统对于阶跃输
w
w
w和常值扰动
v
v
v均不存在输出静差。这个推导的话,大家对式(1)运用终值定理就可以推出来。
第二个工作,将DMC变换为IMC
在变换之前我们先把上一节得到的DMC的结构再列一下,
其中
a
=
[
0.0867
,
0.2917
,
0.5413
,
0.7851
,
0.9818
,
1.1166
,
1.1882
,
1.2059
,
1.1846
,
1.1407
,
1.0886
,
1.0394
,
1.001
,
0.9738
,
0.9603
,
0.9577
,
0.9627
,
0.9721
,
0.9829
,
0.9929
;
a= [0.0867,0.2917,0.5413,0.7851,0.9818,1.1166,1.1882,1.2059,1.1846,1.1407,1.0886,1.0394,1.001,0.9738,0.9603,0.9577,0.9627,0.9721,0.9829,0.9929;
a= [0.0867,0.2917,0.5413,0.7851,0.9818,1.1166,1.1882,1.2059,1.1846,1.1407,1.0886,1.0394,1.001,0.9738,0.9603,0.9577,0.9627,0.9721,0.9829,0.9929;
d
T
=
[
0.00741
,
0.0192
,
0.0254
,
0.0348
,
0.0135
,
0.0141
,
0.0109
,
0.0073
,
0.00420.00170.00067
,
0.000427
,
0.000256
,
0.000142
,
0
,
0
,
0
,
0
,
0
,
0
]
d^T=[0.00741,0.0192, 0.0254, 0.0348, 0.0135, 0.0141, 0.0109, 0.0073, 0.0042 0.0017 0.00067 ,0.000427 ,0.000256, 0.000142, 0,0,0,0,0,0]
dT=[0.00741,0.0192,0.0254,0.0348,0.0135,0.0141,0.0109,0.0073,0.00420.00170.00067,0.000427,0.000256,0.000142,0,0,0,0,0,0]
h
=
[
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
,
1
]
T
h=[1,1 ,1, 1, 1, 1, 1, 1 ,1 ,1 ,1 ,1, 1 ,1 ,1, 1, 1, 1, 1, 1]^T
h=[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]T
还需要上一篇的几个公式:
接下来开始变换,首先需要将DMC变换成如下的形式:
由(1)(2)式
接下来再变换成
(没网费了。。下次再写),