简述四种干扰观测器(一)————基于名义逆模型的干扰观测器

开启干扰观测器系列,一共四种,分别是:

1、基于名义逆模型的干扰观测器;

2、基于非线性观测器的干扰观测器;

3、基于状态观测器的干扰观测器;

4、基于扩张状态在观测器的干扰观测器。

        基于名义逆模型的观测器利用鲁棒模型匹配原理设计干扰补偿器。鲁棒模型匹配以经典控制理论为依据,设计过程中考虑了干扰及不确定性等因素,设计目标在于 使干扰到所关心输出的传递函数等于或近似为零。如下图所示,通过观测输出\tiny y和控制对象的逆传递函数,就可以近似的到外界干扰,然后将其引入控制系统中进行补偿,理论上便消除了干扰产生的影响。在图中,\tiny M\left ( s \right )可以表示干扰观测器,用于对干扰进行估计,\tiny L\left ( s \right )项需要满足一定的函数转换关系,保证干扰补偿的正确性,\tiny F_{r}\left ( s \right )是一个滤波器,用来限定干扰抑制的带宽。

        简化系统模型如下:其中\tiny W\left ( s \right )为提供力矩的执行机构的传递函数,文中以飞轮为例,在无人机中也可以指无刷电机的传递函数,电机控制系统中可以指电流环,通常\tiny W\left ( s \right )可以用一阶惯性环节代替,如果\tiny W\left ( s \right )的带宽和上一环的带宽相比大五倍以上,可以认为\tiny W\left ( s \right )=1

        其中:\tiny q是包含挠性等不确定性影响的广义干扰力矩,\tiny u_{c}是执行机构驱动指令,\tiny u_{t}是执行机构输出力矩,\tiny \dot{\theta }是俯仰角速度。根据角速度输出和被控对象等信息可以得到广义干扰\tiny q的计算值(观测值)

                                                                         \tiny \hat{q}=I_{y}s\dot{\theta }-u_{t}                                         (1)

        为了消除广义干扰的影响,需要在控制器对应的控制力矩基础上添加的补偿器力矩\tiny z_{t}

                                                                   \tiny z_{t}=-\hat{q}=u_{t}-I_{y}s\dot{\theta }                                (2)

        相应的需要添加到执行机构的执行指令\tiny z_{c}可以根据\tiny W\left ( s \right )的模型结合式(2)逆推得到

                                                               \tiny z_{c}=\frac{1}{W_{s}}z_{t}=u_{c}-\frac{I_{y}s}{W_{s}}\dot{\theta }                           (3)

        飞轮执行机构的模型\tiny W\left ( s \right )可以简化为一阶惯性环节

                                                                      \tiny W\left ( s \right )=\frac{1}{\tau _{y}s+1}                                     (4)

        因此可知公式(3)为\tiny u_{c}-I_{y}\ast s\ast \left ( \tau _{y}s+1 \right )\ast \dot{\theta }存在二阶微分,因此对反馈中噪声的放大作用是相当可观的,如果直接加入控制系统将带来非常大的影响,必须抑制噪声带来的影响。最常用的方法即是设计低通滤波器来抑制噪声。设计合适的低通滤波器是观测器最为关键的部分,要在性能和稳定性之间折中,理想是希望在低频时\tiny F_{r}\left ( s \right )=1,高频时\tiny F_{r}\left ( s \right )=0,可以设置为如下的三阶低通滤波器,更加系统复杂的滤波器设计见注2。

        滤波器\tiny F_{r}\left ( s \right )对于干扰补偿器干扰抑制性能起关键作用,因此必须合理设计。\tiny F_{r}\left ( s \right )可以选取为

                                                         \tiny F_{r}\left ( s \right )=\frac{\alpha\beta \gamma }{\left ( s+\alpha \right )\left ( s+\beta \right )\left ( s+\gamma \right )}                   (5)

式中:\tiny \alpha ,\beta ,\gamma是待设计参数。可以看出\tiny F_{r}\left ( s \right )是由以\tiny \alpha ,\beta ,\gamma为截止频率的三个低通滤波器串联组成的,因此以上三个参数的选取,将决定干扰补偿器的性能。\tiny \alpha ,\beta ,\gamma的值越大,\tiny F_{r}\left ( s \right )越趋近于1;当\tiny \alpha ,\beta ,\gamma取值较小时,则不能有效地抑制期望频率范围内的干扰。

最终的模型如下:

通常的框图表示为下图:

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值