演示文稿自适应控制第五讲最小方差自校正控制

演示文稿自适应控制第五讲最小方差自校正控制当前第1页\共有43页\编于星期四\3点（优选）自适应控制第五讲最小方差自校正控制当前第2页\共有43页\编于星期四\3点当前第3页\共有43页\编于星期四\3点其它最小二乘法参数估计遗忘因子递推最小二乘法参数估计增广最小二乘法参数估计广义最小二乘法参数估计当前第4页\共有43页\编于星期四\3点遗忘因子递推最小二乘法参数估计当采用递推最小二乘法时，已有的所有信息向量都会在递推过程中发挥作用，因此随着时间的推移，新采集到的信息向量对参数估计值的修正作用会逐渐减弱，称为“数据饱和”现象，也就是说递推算法的计算效率逐渐降低。当被辨识的系统参数缓慢时变时，递推最小二乘法参数估计不能很好地实现系统辨识。遗忘因子递推最小二乘法参数估计是在递推公式中加入遗忘因子，逐渐减小旧信息向量在参数估计中的权重，以加强新信息向量的作用，跟随系统参数的时变。当前第5页\共有43页\编于星期四\3点遗忘因子递推最小二乘法参数估计当前第6页\共有43页\编于星期四\3点自校正控制r（t）控制器参数设计被控对象y（t）控制器辨识器u（t）是一个迭代优化的过程，通过边辨识、边综合，使得控制器参数能够逐步趋向于最优值的过程。“自校正控制”的基本思想： 将参数估计算法与不同类型算法结合起来，形成一个能自动校正控制器参数的实时计算机控制系统。1当前第7页\共有43页\编于星期四\3点自校正控制r（t）控制器参数设计被控对象y（t）控制器辨识器u（t）可认为在自校正调节过程中，被控对象的模型是不变的，自校正控制的过程为：面对的三个问题：（1）对过程进行在线递推参数估计；（2）设计控制率；（3）设计在计算机上如何实现；2当前第8页\共有43页\编于星期四\3点最小方差自校正控制闭环系统可辨识条件最小方差控制最小方差自校正控制广义最小方差控制基于广义最小方差控制

当前第9页\共有43页\编于星期四\3点闭环系统可辨识条件当前第10页\共有43页\编于星期四\3点闭环系统可辨识条件当前第11页\共有43页\编于星期四\3点闭环系统可辨识条件当前第12页\共有43页\编于星期四\3点闭环系统可辨识条件当前第13页\共有43页\编于星期四\3点最小方差控制

系统模型最小方差控制原理最小方差预报最小方差控制最小方差控制的特性当前第14页\共有43页\编于星期四\3点最小方差控制对该系统,有如下假设:被控系统时滞时间k以及时滞算子z-1的多项式A、B和C的阶次及系数都已知;2.被控系统为最小相位系统,即多项式B(z)的所有零点都在单位圆内;3.A(z)、C(z)所有零点都为稳定的,即所有零点都在单位圆内;4.{w(k)}为零均值白噪声序列,且E{w2(k)}=2.3当前第15页\共有43页\编于星期四\3点最小方差控制最小方差调节的基本思想是:

由于系统中信道存在着k步时滞,这就使得当前的控制作用u(t)要到k个采样周期后才能对输出产生影响.

因此,要获得输出方差最小,就必须对输出量提前k步进行预报,然后根据预报值来计算适当的调节作用u(t).

这样,通过不断的预报和调节,就能始终保持输出量的稳态方差为最小.当前第16页\共有43页\编于星期四\3点43.最小方差预报当前第17页\共有43页\编于星期四\3点当前第18页\共有43页\编于星期四\3点当前第19页\共有43页\编于星期四\3点当前第20页\共有43页\编于星期四\3点当前第21页\共有43页\编于星期四\3点最小方差控制当前第22页\共有43页\编于星期四\3点当前第23页\共有43页\编于星期四\3点当前第24页\共有43页\编于星期四\3点最小方差控制当前第25页\共有43页\编于星期四\3点最小方差控制5当前第26页\共有43页\编于星期四\3点最小方差控制当前第27页\共有43页\编于星期四\3点练习最小方差控制当前第28页\共有43页\编于星期四\3点最小方差自校正控制当前第29页\共有43页\编于星期四\3点最小方差自校正控制6当前第30页\共有43页\编于星期四\3点当前第31页\共有43页\编于星期四\3点当前第32页\共有43页\编于星期四\3点当前第33页\共有43页\编于星期四\3点当前第34页\共有43页\编于星期四\3点当前第35页\共有43页\编于星期四\3点广义最小方差控制当前第36页\共有43页\编于星期四\3点当前第37页\共有43页\编于星期四\3点当前第38页\共有43页\编于星期四\3点7当前第39页\共有43页\编于星期四