山东科技大学 电气与自动化工程学院,山东青岛266590
快速反射镜(Fast Steering Mirror,FSM)是高精密光学系统中的关键仪器,基于音圈电机(Voice Coil Actuator,VCA)驱动的柔性支撑FSM存在复杂耦合特性,导致系统模型复杂并严重影响系统的控制性能,对于该问题,本文提出了一种基于系统辨识与模型降阶的双轴积分增广滑模控制方法。首先,采用基于脉冲响应的Hankel矩阵系统辨识方法建立VCA-FSM的精确耦合模型;随后,基于平衡实现与平衡截断,在保证模型精度的前提下对所建立的高阶模型进行降阶;其次,基于降阶模型,采用现代控制理论方法设计积分增广滑模控制器,通过设计状态观测器构造滑模切换函数与控制律,并在控制设计中改进符号函数以消除滑模抖振;最后,基于VCA-FSM伺服控制系统实验平台,开展频域与时域性能测试实验。实验结果表明:本文所提控制方法相较于单轴滑模、PID控制方法,系统的闭环跟踪带宽分别提高了约50.3%,251.3%,扰动抑制带宽分别提高了约39.9%,451.9%,阶跃响应调节时间分别缩短了约29.7%,97.7%,螺旋线跟踪精度分别提高了约48.5%,97.8%,且实现了对存在强耦合特性VCA-FSM的解耦控制。本文所提控制方法充分提高了VCA-FSM的控制性能。
快速反射镜 音圈电机 系统辨识 模型降阶 滑模控制 Fast Steering Mirror(FSM) Voice Coil Actuator(VCA) system identification model reduction sliding mode control 光学 精密工程
2023, 31(24): 3580
ITAE最优控制具有使系统满足时间乘以误差绝对值的积分为最小, ITAE具有三阶无静差, 即对匀加速输入无差的特点。ITAE最优无静差方法控制简单, 易于在工程上实现; 但是对于参数具有时变性的舰载火箭炮系统, 直接运用ITAE控制效果并不理想, 因为系统参数的变化导致控制器的参数已不再满足ITAE最佳传递函数。因此, 必须对系统进行辨识, 使控制器的参数能够随着系统参数的变化而改变。系统辨识的方法有很多, 但是并不满足舰载火箭炮对于实时性的要求, 因此, 结合**系统的性能要求提出一种易于实现的辨识方法, 将所提算法用于ITAE参数整定,整定结果表明,所提算法能有效地对伺服系统的ITAE控制器参数进行整定。
舰载火箭炮 最佳传递函数 系统辨识 shipborne rocket launcher ITAE ITAE optimal transfer function system identification
针对一类参数未知的非线性离散系统, 提出一种基于改进型BP神经网络的多模型控制方法。首先将非线性系统表示为线性部分和非线性部分。当非线性部分对系统影响较小时, 则直接采用基于固定模型和自适应模型而设计的鲁棒控制器对系统进行控制;而当非线性部分对系统影响较大时, 则采用基于改进的BP神经网络的自适应控制。其次, 利用切换准则对控制输入进行平滑切换并给出了稳定性证明。最后, 仿真结果表明所提方法能提高系统控制品质、减少控制信号的振荡。
多模型控制 非线性 改进型BP神经网络 系统辨识模型 multi-model control nonlinearity improved BP neural network system identification model
红外与激光工程
2021, 50(5): 20200303
1 中国科学院国家天文台南京天文光学技术研究所, 江苏 南京210042
2 中国科学院天文光学技术重点实验室(南京天文光学技术研究所), 江苏 南京210042
3 中国科学院大学, 北京100049)
为了满足地基大口径望远镜精密稳像系统的需求, 对大口径快摆镜(FSM)的控制方法进行了研究。为了解决三促动器FSM的运动解耦为系统辨识带来的困难, 通过解析法和系统辨识法相结合建立了FSM 的传递函数模型。依据该模型, 设计了PID控制器与模型预测控制器(MPC), 采用仿真和实验两种方式比较了两种控制器的效果。仿真结果表明, 在受到阶跃扰动后, MPC控制器的恢复速度是PID控制器的45倍。在50 Hz正弦信号下, 由于FSM的大惯量特点, PID控制器有严重的时滞, 而MPC控制器能以1.224×10-6″的误差稳定跟随。在噪声抑制方面, 对实时加入10%幅值噪声的随机信号, MPC控制器的噪声抑制效果是PID控制器的13.3倍。实验结果表明, MPC控制器能以0.430″的误差稳定跟随50 Hz正弦信号, 其跟踪精度是PID控制器的3.212倍, 采用MPC控制器的快摆镜能满足快摆镜高带宽和高精度的需求。
大口径快摆镜 系统辨识 模型预测控制 动态模型 large aperture fast steering mirror system identification model predictive control dynamic model 红外与激光工程
2020, 49(2): 0214001
“动中通”伺服系统的稳定环因受齿隙摩擦等因素的影响, 表现出较强的非线性特征。标准BP算法对非线性系统虽有较好的辨识效果, 但存在网络收敛慢、过程振荡、泛化能力差等缺点。为弥补这些不足, 提出了基于累积误差函数梯度的双学习步长的自适应BP算法, 以加快收敛、减少振荡, 并设置全局误差阈值控制训练次数, 进一步提升泛化能力。通过在“动中通”平台上设计实验, 验证了改进后算法在收敛性、辨识精度、泛化能力等方面都有明显提升, 可以得到非线性稳定环更精确的BP网络模型。
系统辨识 非线性稳定环 BP神经网络 自适应步长 system identification nonlinear stability loop BP neural network adaptive step size
陆军工程大学 电磁环境效应与光电工程重点实验室, 南京 210007
B-dot传感器因其频带宽, 体积小以及良好的稳定性而广泛应用于电磁脉冲(EMP)测量。任何理论模型与实际情况之间都存在差异, 因此B-dot传感器必须在实验室环境下进行标定。针对传统的时域标定方法存在的弊端, 提出一种基于输出误差(OE)模型的频域标定方法。该方法利用单输入单输出的OE模型传递函数来表征B-dot传感器的频响特性, 然后通过部分线性回归求得传感器实际工作的频率范围的灵敏度系数。经验证, 该方法能够有效避免因阻抗突变引起的过冲或振铃现象对标定精度的影响。
电磁脉冲 B-dot传感器 磁场 频域标定 OE模型 系统辨识 electromagnetic pulse B-dot sensor magnetic field frequency-domain calibration OE model system identification 强激光与粒子束
2019, 31(10): 103214
针对现有的四旋翼无人机频域参数辨识方法存在的不易兼顾频带宽度与精度, 且辨识过程效率较低等问题, 提出了一种改进的频域辨识算法。首先, 建立了悬停条件下四旋翼无人机的系统模型, 然后对基于四旋翼无人机平台的实测数据采用组合窗处理得到频率响应, 再将模式搜索中的K-平均聚类算法应用于辨识过程, 得到四旋翼无人机状态空间模型。结果表明, 该方法兼顾辨识精度与复杂度, 辨识得到的模型频率响应能与四旋翼无人机实际模型较好地拟合。
四旋翼无人机 系统辨识 复合窗法 K-平均序列算法 quad-rotor UAV system identification composit-window method K-means clustering
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
针对某2 m望远镜消旋K镜转台, 提出了一种基于Hankel矩阵奇异值分解的特征系统实现算法对系统的参数和阶次进行辨识。首先, 以正弦扫描信号激励转台并同步采集位置反馈信息, 利用谱分析法对测试数据进行分析, 得到了系统的频率特性曲线; 其次, 对系统的Hankel矩阵进行奇异值分解, 得到了K镜转台的结构模型; 最后, 采用特征系统实现算法对Hankel矩阵进行辨识, 得到了K镜转台的参数模型。实验结果显示: K镜转台相对均衡的最小阶阶次为6阶, 在系统的中低频段获得幅度±0.31 dB和相位±0.87°的辨识精度, 相对于参数递阶辨识方法, 分别提高了50.7%和23%。结果表明: 该方法能够确定一个与系统外特性“等价”的相对均衡的最小阶状态空间模型, 在辨识系统阶次和参数估计方面具有较好的可行性和实用性。
K镜转台 系统辨识 奇异值分解 特征系统实现算法 Hankel矩阵 K mirror turntable system identification SVD ERA Hankel matrix 红外与激光工程
2018, 47(3): 0318001
针对传统获取四旋翼无人机关键参数的时域方法存在的对环境适应性不强, 计算量大, 风洞试验成本高、周期长等问题, 提出了基于UKF数据预处理与CIFER组合的辨识算法。首先, 建立了悬停条件下四旋翼无人机的系统模型, 然后对基于四旋翼无人机平台的实测数据进行无迹卡尔曼滤波处理, 再将其应用到频域辨识工具CIFER软件包中, 对于模型中不易确定的关键参数进行辨识。结果表明, 经过数据预处理的数据辨识得到的结果在低频阶段跟踪性能好, 曲线吻合程度较好, 关键参数可信度高。
四旋翼无人机 系统辨识 CIFER辨识算法 无迹卡尔曼滤波 quad-rotor UAV system identification CIFER algorithm UKF