（Cascade extended state observer）级联ADRC的simulink仿真和程序---送给中国研究学者的精华版

最新推荐文章于 2024-04-03 04:15:04 发布

小陈IT

最新推荐文章于 2024-04-03 04:15:04 发布

阅读量1.8k

点赞数 9

文章标签：人工智能 python 算法

本文链接：https://blog.csdn.net/weixin_44312889/article/details/128164437

版权

在这里先声明一下，级联CESO由美国学者Rafal Madonski的论文
《Cascade extended state observer for active disturbance rejection control 
applications under measurement noise》提出，本人只是将他给的模型给中国学者研究，
模型适用于各个行业，以供参考。

（Cascade extended state observer）级联ADRC的simulink仿真和程序---送给中国研究学者的精华版

一、论文介绍
二、ADRC介绍
三、simulink仿真介绍
四、噪声
五、仿真结果
六、结论
七、请大家仔细看程序含义
希望大家可以关注一下啦，或者点点赞，又或者打赏几块钱让我开心一下，哈哈哈！

一、论文介绍

扩展状态观测器(ESO)在非线性系统反馈控制设计中起着重要作用。然而，当输出测量被不可忽略的高频噪声破坏时，它的高增益特性在工程实践中产生了挑战。这种噪声的存在限制了观测器的增益可以有多高，这迫使在状态估计的快速收敛和控制任务实现的质量之间进行权衡。在这项工作中，提出了一种新的观测器设计，以提高存在噪声时的估计性能。特别地，开发了一种独特的ESO级联组合，能够快速、准确地重构信号，同时避免了测量噪声的过度放大。作为自抗扰控制(ADRC)方案的一部分，验证了所引入的观测器结构的有效性。对新的观测器结构进行了数值验证和理论分析，结果表明该观测器结构在噪声衰减方面优于标准方案。
下面的框图是这篇论文的总体控制介绍：
在这里插入图片描述
plant是你的模型，controller是你的控制器，中间由多个ESO级联，state selector是观测状态量，z1，z2，z3.

二、ADRC介绍

在这里插入图片描述
这方面可以参考其他博主的文章和论文，不再介绍。

三、simulink仿真介绍

下面将对论文的simulink仿真模型介绍，同学们可以对比ADRC框图和论文的总体控制框图做对比。
在这里插入图片描述

大家可以看到总共包括5个部分：
在这里插入图片描述
1：Reference signal（参考信号）
2：Observer（观测器）
3：Process disturbance（扰动信号）
4：ADRC controller（ADRC控制器）
5：Plant（研究模型）

1：Reference signal（参考信号）

在这里插入图片描述
其中的step：

2：Observer（观测器）

在这里插入图片描述
观测器总共由三个部分，单个三阶ESO，2个级联3阶ESO，3个级联3阶ESO

单个三阶ESO

在这里插入图片描述
其中Interpreted MATLAB Fcn模块：

名字是esoObserver,输出维度为3维度。
其中esoObserver.m文件为：

function [ z_hat_p ] = esoObserver( input )
    
    b_hat = 1;
    w0 = 400;
    L = [3*w0, 3*w0^2, w0^3]';

    z_hat = input(1:3);
    y = input(4);
    u = input(5);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat_p = Ao*z_hat + Bo*u + L*(y - z_hat(1));
end

2个级联3阶ESO

在这里插入图片描述
第一个是：

名字是newEsoObserverFirstStage,输出维度为3维度。
其中newEsoObserverFirstStage.m文件为：

function [ z_hat_p ] = newEsoObserverFirstStage( input )
    
    w01 = 460/4;
    b_hat = 1;
    L = [3*w01, 3*w01^2, w01^3]';

    z_hat = input(1:3);
    y = input(4);
    u = input(5);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat_p = Ao*z_hat + Bo*u + L*(y - z_hat(1));
end

第二个是：
在这里插入图片描述
名字是newEsoObserverSecondStage,输出维度为3维度。
其中newEsoObserverSecondStage.m文件为：

function [ z_hat2_p ] = newEsoObserverSecondStage( input )
    
    alpha = 2;
    w01 = 460/4;
    w02 = alpha*w01;
    b_hat = 1;
    L = [3*w02, 3*w02^2, w02^3]';

    z_hat2 = input(1:3);
    z_hat = input(4:6);
    u = input(7);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat2_p = Ao*z_hat2 + Bo*u - Bo*1/b_hat*z_hat(3) + L*(z_hat(1) - z_hat2(1));
end

第三个是：
在这里插入图片描述
名字是extendedStateSelectorN2,输出维度为3维度。
其中extendedStateSelectorN2.m文件为：

function [z_hat] = extendedStateSelectorN2(input)

z_hat_1 = input(1:3);
z_hat_2 = input(4:6);

z_hat = [z_hat_2(1:2); z_hat_1(3)+z_hat_2(3)];
end

3个级联3阶ESO

在这里插入图片描述
第一个是：

名字是newEsoObserverFirstStage,输出维度为3维度。
其中newEsoObserverFirstStage.m文件为：

function [ z_hat_p ] = newEsoObserverFirstStage( input )
    
    w01 = 460/4;
    b_hat = 1;
    L = [3*w01, 3*w01^2, w01^3]';

    z_hat = input(1:3);
    y = input(4);
    u = input(5);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat_p = Ao*z_hat + Bo*u + L*(y - z_hat(1));
end

第二个是：
在这里插入图片描述
名字是newEsoObserverSecondStage,输出维度为3维度。
其中newEsoObserverSecondStage.m文件为：

function [ z_hat2_p ] = newEsoObserverSecondStage( input )
    
    alpha = 2;
    w01 = 460/4;
    w02 = alpha*w01;
    b_hat = 1;
    L = [3*w02, 3*w02^2, w02^3]';

    z_hat2 = input(1:3);
    z_hat = input(4:6);
    u = input(7);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat2_p = Ao*z_hat2 + Bo*u - Bo*1/b_hat*z_hat(3) + L*(z_hat(1) - z_hat2(1));
end

第三个：
在这里插入图片描述
名字是newEsoObserverThirdStage,输出维度为3维度。
其中newEsoObserverThirdStage.m文件为：

function [ z_hat3_p ] = newEsoObserverThirdStage( input )
    
    alpha = 2;
    w01 = 460/4;
    w02 = alpha*w01;
    w03 = alpha*w02;
    b_hat = 1;
    L = [3*w03, 3*w03^2, w03^3]';

    z_hat3 = input(1:3);
    z_hat = input(4:6);
    z_hat2 = input(7:9);
    u = input(10);

    Ao = [0 1 0;...
         0 0 1;...
         0 0 0];
    Bo = [0; -b_hat; 0];

    z_hat3_p = Ao*z_hat3 + Bo*u - Bo*1/b_hat*(z_hat(3)+z_hat2(3)) + L*(z_hat2(1) - z_hat3(1));
end

第四个：
在这里插入图片描述
名字是extendedStateSelectorN3,输出维度为3维度。
其中extendedStateSelectorN3.m文件为：

function [z_hat] = extendedStateSelectorN3(input)

z_hat_1 = input(1:3);
z_hat_2 = input(4:6);
z_hat_3 = input(7:9);

z_hat = [z_hat_3(1:2); z_hat_1(3)+z_hat_2(3)+z_hat_3(3)];
end

3：Process disturbance（扰动信号）

在这里插入图片描述
名字是processDisturbanceGenerator,输出维度为3维度。
其中processDisturbanceGenerator.m文件为：

哦，突然发现代码不见了，改天我重新写一份吧，不好意思啦

4：ADRC controller（ADRC控制器）

在这里插入图片描述
名字是adrc,输出维度为1维度。
其中adrc.m文件为：

function [u] = adrc(input)
    
    b_hat = 1;
    K = [2^2 2*2];

    z_hat = input(1:3);

    u = 1/b_hat*(z_hat(3)+K*z_hat(1:2));
end

5：Plant（研究模型）

在这里插入图片描述
其中Interpreted MATLAB Fcn模块：

名字是transferFunctionTimeVarying,输出维度为3维度。
其中transferFunctionTimeVarying.m文件为：

function [ out ] = transferFunctionTimeVarying( input )
    
    A = [0 1;...
    -1 -2];
    C = [1 0];

    x = input(1:2);
    u = input(3);
    t = input(4);
    
    B =[0  (1+0.2*tanh((t-2)))/(abs(x(1))+1)]';

    xp = A*x+B*u;

    out = xp;
end

四、噪声

在这里插入图片描述

五、仿真结果

单个三阶ESO

参考值和估计值：
在这里插入图片描述
u的值：

2个级联3阶ESO

参考值和估计值：
在这里插入图片描述
u的值：

3个级联3阶ESO

参考值和估计值：
在这里插入图片描述
u的值：

六、结论

这下就把所有的模块都介绍完了，我希望大家不要轻易问我要模型，自己搭建，不会的在评论区下面留言，我一天之内会解答

七、请大家仔细看程序含义

希望大家可以关注一下啦，或者点点赞，又或者打赏几块钱让我开心一下，哈哈哈！

小陈IT

关注

9
点赞
踩
30

收藏

觉得还不错? 一键收藏
9
评论
（Cascade extended state observer）级联ADRC的simulink仿真和程序---送给中国研究学者的精华版

(Cascade extended state observer）级联ADRC的simulink仿真和程序---送给中国研究学者的精华版
复制链接

扫一扫