1 / 23
文档名称:

翻译:基于ARX模型的磁悬浮的建模与控制方法.doc

格式:doc   大小:77KB   页数:23页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

翻译:基于ARX模型的磁悬浮的建模与控制方法.doc

上传人:小雄 2021/2/23 文件大小:77 KB

下载得到文件列表

翻译:基于ARX模型的磁悬浮的建模与控制方法.doc

相关文档

文档介绍

文档介绍:翻译:基于ARX模型的磁悬浮的建模与控制方法
基于ARX模型的磁悬浮的建模与控制方法
秦叶梅a、b、c、彭辉a、b、*、阮伟杰a、b、吴军a、b、高家诚a、
b
a、 中国湖南长沙,中南大学信息工程学院,邮编:410083
b、 湖南智能控制工程与先行控制工程研究所,邮编:410083
c、 中南林业科技大学涉外学院团委新闻中心,邮编410201
文章历史:
于2013年03月30日收到初稿
于2013年08月17 H收到修改稿
于2013年10月27日采纳
于2013年12月14日在网上发布 摘要:磁悬浮(Maglev)系统通常具 有强非线性、开环不稳定和快速响应。为了控制在一个磁悬浮系统中钢球 的位置,本文提出了一个数据驱动建模方法和控制策略。一个状态相依的 自回归外源性输入(SD-ARX)模型是建立在电磁线圈中的电流和球的位置 之间的动态关系上的。在SD-ARX模型中的状态相关的泛函数系数和高斯 径向基函数(RBF)神经网络的相似。通过应用结构化非线性参数优化方 法(SNPOM)离线辨识模型参数。基于该模型,预测控制器被设计成使磁 悬浮球稳定到一个给定的位置或使之沿所希望的轨迹运动。该方法的实时 控制的效果与其他已提出的两种方法的相比较表明,本文提出的建模与控
制方法对控制快速响应、强非线性和开环不稳定系统有着非常显著地效果。 本文给出的真实实验证明,RBF-ARX模型不仅能够控制全局,而且能够进 行局部控制以及量化非线性和快速响应系统的运行,同时基于模型的预测 控制策略在宽工作范围的非线性系统能有非常不错的工作效果。
关键词:磁悬浮系统、RBF-ARX模型、参数优化、预测控制、实时控 制
1、简介
磁悬浮(Maglev)技术以及因为其非接触式,低噪音,低摩擦特性而被 广泛地应用到许多工程系统,例如无摩擦轴承和高速磁悬浮列车。为了提 高磁悬浮系统中的控制性能,磁悬浮球系统经常就被用来作为一种重要的 实验平台。这是一种典型的非线性和开环不稳定的系统,其建模和控制策 略吸引了世界各地的极大关注。
在最近几年,有许多在文献被提及用于控制磁悬浮系统的作品。这些 作品主要集中在基于系统物理模型的控制器设计。为了控制非线性磁悬浮 系统,Ahmadi和Javaid [1]设计一个围绕标称工作间隙线性化模型的线性 控制器,同时也有一些学者设计了基于将反馈或前馈线性化的非线性控制 器。分段线性化技术⑹也被用来在磁悬浮系统中每一个(足够小)网格区 域中建立分段线性模型,以及每个子模型的计算都依赖于分区的拓扑。有 学者[7-10]直接构建一个非线性模型来描述磁悬浮系统的动态特性。这种方 式依赖与该系统中有一个结构或参数精确地物理模型装置。然而,要在实 际中获得一个精确的磁悬浮系统物理模型并不是一件容易的事。
PID控制器仍然被广泛应用于工业领域,因为它具有结构简单,并易 于工程师理解;然而,需要手动调整PID参数是其在实际应用中的缺点。
为了克服这个
问题,就为磁悬浮系统设计一个模糊PID复合控制器[11,12],在该系 统中使用的模糊推理进行自我调节PID参数以获得一个良好的控制结果。 但是实施取决于经验知识。Baranowski和Piatek[13]所用的PID控制器,其 观察和前馈技术使参数调整变得容易,并扩宽了一个磁悬浮系统的稳定运 行的范围。用于磁悬浮系统控制的广义比例积分(GPI)控制器也被设计成 补偿误差的组成部分。它可以保证系统渐近指数稳定地运行,并增强其稳 定性[2,5]。此外,变结构或滑模控制[10,14,15]、自适应控制⑶和鲁棒控制 [16-18]也被认为是有效地提高了磁悬浮系统的鲁棒性,而且已成功在磁悬 浮系统的实验平台完成应用。

在本文中,提出一个基于数据驱动[19]建模技术的新的磁悬浮系统建 模和控制策略,克服了不准确的物理模型的结构和/或系统的参数的影响。 为了捕捉并量化非线性磁悬浮动力系统,可以使用外生变量(ARX)状态 依赖自回归模型。使用一组RBF网络逼近状态相关的ARX模型的系数用了 产生一个
RBF-ARX模型
[20]o RBF-ARX模型,结合了 RBF网络和ARX模型的优点,是一个全 局非线性模型,也是围绕每个工作点的局部线性模型。它可以很好地表征 一个非线性系统。这种模式的命令和参数可以由结构化的非线性参数优化 方法(SNPOM)[20]离线辨识,从而可以提高建模精度和获得更快的收敛 速度。同时,可以避免实时控制中在线参数估计失败。
基于线性模型的预测控制(MPC) [21-24],由于其易于实现而越来越 多的应用在工业,同时基于非线性模型预测控制(NMPC)⑹技术也逐渐 在实践中实现。对基于线性化的磁悬浮