滑模预测控制
控制工程中的滑模控制策略研究
控制工程中的滑模控制策略研究近年来，滑模控制策略在控制工程中占据了越来越重要的地位。
它是一种能够保证系统稳定性、鲁棒性和快速响应的控制策略，因此被广泛应用于控制工程领域。
本文将对滑模控制策略的研究进行探讨，并分析其在控制工程中的应用。
一、滑模控制的概念滑模控制是一种基于滑模面来实现系统稳定的控制策略。
其基本思路是在控制系统的状态空间中引入一个滑动模面，使得系统状态在滑动模面上运动，从而实现对系统状态的控制。
这种控制策略具有响应速度快、鲁棒性强等优点，因此广泛应用于控制工程中。
二、滑模控制策略的实现滑模控制的实现过程非常简单，只需要建立滑动模面和控制律即可。
其中，滑动模面是由状态空间中的变量组成的一维曲面，其方程可以通过系统的状态方程得到。
控制律用来计算控制信号，从而将系统状态控制到滑动模面上，保证系统的稳定性。
三、滑模控制策略的优点相比传统的控制策略，滑模控制具有以下几个优点：1.响应速度快：由于滑模控制可以在瞬间将系统状态控制到滑动模面上，因此控制响应速度非常快，能够满足高速控制的需求。
2.鲁棒性强：由于滑模控制可以通过滑动模面来消除外部干扰和不确定性，因此具有很强的鲁棒性。
3.可适应性强：由于滑模控制可以通过更新滑动模面来适应系统变化，因此可以适应各种系统变化。
4.易于实现：由于滑模控制的实现过程非常简单，只需要建立滑动模面和控制律即可，因此易于实现。
四、滑模控制策略在控制工程中的应用由于滑模控制的优点，已经得到了广泛的应用。
其应用领域主要包括以下几个方面：1.航空航天领域：由于滑模控制具有鲁棒性强和响应速度快的特点，因此非常适合应用于航空航天领域。
2.电力系统控制：由于电力系统存在各种非线性和时变特性，因此滑模控制可以通过滑动模面来消除这些不确定性，保证电力系统的稳定性。
3. 机器人控制：由于机器人需要进行高速动作和精确控制，滑模控制可以满足其控制需求。
4.汽车控制：汽车控制需要快速响应和稳定性，因此滑模控制也可以应用于汽车控制中。
滑模控制原理
滑模控制原理
滑模控制是一种基于滑模理论的控制策略，其基本原理是引入一个滑动面，让系统状态在这个滑动面上滑行，通过调节控制器参数使得系统状态最终过渡到期望状态，从而实现对系统的控制。
具体来说，滑模控制的关键在于滑动面的设计，一般采用类似于阶跃函数的形式，它在系统状态达到某个阈值时会突变，从而使得系统状态进入一个稳定的运动模式，随着时间的推移，系统状态会在滑模面上滑行，因此可以通过调整控制器参数使得系统状态最终到达期望状态。
滑模控制具有以下优点：
1. 对于不确定性和扰动具有很强的抑制能力。
2. 控制器设计简单，易于实现。
3. 控制器鲁棒性好，能适应不同的系统和环境。
但是也存在以下缺点：
1. 滑模控制需要对系统状态进行较精细的建模和分析，对系统的要求较高。
2. 滑模控制的控制器参数需要进行调整，过程相对比较繁琐。
无人机飞行中的姿态控制技巧
无人机飞行中的姿态控制技巧在无人机飞行中，姿态控制技巧发挥着至关重要的作用。
姿态控制技巧可以使无人机在飞行过程中保持稳定的姿态，提高飞行的精度和安全性。
本文将介绍几种常用的无人机姿态控制技巧。
一、PID控制器PID（比例、积分、微分）控制器是一种经典的姿态控制技巧。
它通过不断调节控制输出以使无人机保持期望的姿态。
PID控制器根据当前姿态误差的大小来计算控制输出。
其中，比例项（P项）根据当前误差计算比例输出，积分项（I项）根据误差的积累计算积分输出，微分项（D项）根据误差变化率计算微分输出。
将三者相加得到PID输出，并作为控制指令施加给无人机。
二、模型预测控制（MPC）模型预测控制是一种基于无人机动力学模型的姿态控制技巧。
它通过预测未来一段时间内的无人机姿态，根据预测结果计算控制指令。
模型预测控制可以有效处理系统的非线性和时变性。
它使用数学模型来描述无人机的动力学行为，并根据模型进行预测和优化，从而实现精确的姿态控制。
三、自适应控制自适应控制是一种能够自我调节参数以适应外部环境和系统变化的姿态控制技巧。
在无人机飞行中，环境条件和飞行状态可能会发生变化，因此对于姿态控制器的参数也需要进行相应的调整。
自适应控制技巧可以根据系统的状态和性能指标来自动调整控制器的参数，从而提高飞行的稳定性和安全性。
四、滑模控制滑模控制是一种常用的鲁棒控制技巧，适用于具有不确定性和扰动的系统。
在无人机姿态控制中，滑模控制可以消除系统的干扰和外部扰动，使无人机能够保持稳定的姿态。
滑模控制技巧通过引入滑模面和滑模控制律来实现对无人机姿态的控制，从而提高飞行的精度和稳定性。
五、模糊控制模糊控制是一种基于模糊逻辑的控制技巧，可以用于处理系统模型不确定或难以建模的情况。
在无人机姿态控制中，模糊控制可以根据事先定义好的模糊规则和知识库来计算控制输出，从而实现对无人机姿态的控制。
模糊控制技巧可以应对复杂和非线性的控制问题，提高无人机的飞行性能和稳定性。
控制系统的滑模控制理论与方法
控制系统的滑模控制理论与方法滑模控制（Sliding Mode Control，SMC）是一种针对非线性系统的控制方法，它通过引入一个滑模面，使系统状态在这个面上滑动，从而实现对系统的控制。
本文将介绍滑模控制的理论基础和常用方法，并分析其在控制系统中的应用。
一、滑模控制的基本原理滑模控制是一种基于滑模面的控制策略，其基本原理可以归纳为以下几点：1. 滑模面的选取：滑模面是指系统状态在该面上滑动的一个超平面，通过适当选取滑模面可以实现对系统状态的控制。
滑模面通常由线性和非线性组成，其中线性部分用于系统稳定，非线性部分用于解决系统的鲁棒性问题。
2. 滑模控制律：在滑模控制中，需要设计一个控制律来将系统状态引入滑模面，并保持系统在滑模面上滑动。
控制律通常由两部分组成：滑模面控制部分和滑模面切换部分。
滑模面控制部分用于实现系统状态在滑模面上滑动的动力学特性，滑模面切换部分用于保持系统状态在滑模面上滑动直至系统稳定。
3. 滑模模态：滑模模态指的是系统状态在滑模面上滑动的特性。
通常情况下，滑模模态可以分为饱和模态和非饱和模态两种。
在饱和模态下，系统状态在滑模面上滑动的速度有上限，从而保证系统的稳定性。
而在非饱和模态下，系统状态在滑模面上滑动的速度无上限，可以实现更快的响应速度。
二、滑模控制的方法与技巧在实际应用中，滑模控制可以采用不同的方法和技巧进行设计和实现。
以下是一些常见的滑模控制方法和技巧：1. 内模态滑模控制：内模态滑模控制是一种将滑模控制与内模态控制相结合的方法，通过在滑模控制律中引入内模态控制的思想，可以提高系统的鲁棒性和动态性能。
2. 非等效控制：非等效控制是一种通过选择系统输出和滑模面的差异性来实现控制的方法。
通过设计非等效控制律，可以对滑模模态进行优化，提高系统的控制性能。
3. 离散滑模控制：离散滑模控制是一种将滑模控制应用于离散时间系统的方法。
通过在离散时间下设计滑模控制律，可以对离散系统进行稳定控制和鲁棒性设计。
滑模控制最简单解释
滑模控制最简单解释
嘿，朋友！今天咱就来讲讲滑模控制。
你知道啥是滑模控制不？这
玩意儿啊，就好像你在走一条路，路有点滑，但你还得稳稳地走过去。
比如说，你要去一个地方，路上有很多障碍，那滑模控制就像是给你
规划了一条特别的路线，让你能避开那些麻烦，顺利到达目的地。
咱来具体说说哈，滑模控制它有自己的一套规则和方法。
它就像是
一个聪明的导航，能根据实际情况随时调整路线。
好比你开车的时候，它能根据路况给你指引，让你又快又稳地前进。
想象一下，你正在开着车，突然前面出现了一堆乱石，这时候滑模
控制就发挥作用啦！它会让你巧妙地绕过去，而不是直接撞上去。
它
可机灵着呢！
我之前就遇到过这种情况，在做一个项目的时候，各种复杂的情况
都冒出来了，就跟那路上的乱石似的。
但幸好我了解滑模控制啊，就
靠着它，我成功地解决了那些难题，顺利完成了项目。
这不是很厉害吗？
再比如，你玩游戏的时候，面对各种关卡和挑战，滑模控制就像是
你的秘密武器，能帮你找到最佳的通关方法。
你难道不想拥有这样的
秘密武器吗？
滑模控制就是这么神奇，它能在复杂的环境中找到最简洁、最有效
的路径。
它就像一个默默守护你的小天使，在你需要的时候给你力量。
所以啊，滑模控制真的是个超棒的东西，咱可得好好研究研究，学会利用它，让我们的生活和工作都变得更轻松、更高效！
我的观点就是：滑模控制是一种非常实用且强大的控制方法，值得我们深入了解和掌握。
基于滑模观测器的PMSM模型预测控制
基于滑模 观测 器的ＰＭＳＭ模型 预测控 制
Ｍｏｄｅｌ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｎｔｒｏｌ ｏｆ ＰＭＳＭ Ｂａｓｅｄ Ｏｌ Ｓｌｉｄｉｎｇ Ｍｏｄｅ Ｏｂｓｅｒｖｅｒ
电 劫 工其 ２０１８（１）
基 于 滑 模 观 测 器 的ＰＭ朱 军 ，孙 顺 新
（１－Ｉｌｌ东 Ｉ 如等 科 校 附 属Ｉ 院 ，… 临 沂 ２７６０００； ２．临 沂 ，Ｉｄｌ（源热 Ｉ Ｉ，ｔｌ＇ｆｆ ｌ；Ｉ乏公 司，ＩＩＩ 临沂 ２７６０００； ３．人元 建 集Ｉ，ｔｌｆｉｌ￣：公 ，订，ＪＪＪ东 临沂 ２７６０００ ）
摘要 ：为满足 电动车在驱动过程 中对电机的控制精度 及快动态响应的要求 ，在 Ｐ Ｍ Ｓ Ｍ矢 量控制系统框架下 ，研究基于滑模观测器 ＰＭＳＭ模型预测控制方法。结合模型预测控制原理， 设计预测速度控 制器 ，提高 了电流环跟踪精度和 电机启动性能０设计离散滑模扰动观测器 ，有 效地估计 了外 部扰动并对系统进行 前馈 补偿 ，提 高了系统的鲁棒性 。通过仿真实验验证 了方法 的有 效性 。
滑模控制技术在机械臂路径跟踪的应用
滑模控制技术在机械臂路径跟踪的应用一、滑模控制技术概述滑模控制技术是一种非线性控制方法，起源于20世纪50年代，最初应用于航空领域。
它的核心思想是通过设计一个滑动面，使得系统状态能够从初始状态到达这个滑动面，并在其上滑动至目标状态。
滑模控制具有快速响应、抗干扰能力强、易于实现等优点，因此在工业自动化、机器人控制等领域得到了广泛的应用。
1.1 滑模控制技术原理滑模控制技术的基本原理是选择一个合适的滑动面，使得系统状态在该面上的动态行为满足期望的性能指标。
当系统状态达到滑动面时，控制作用会使得状态沿着滑动面滑动，直至达到期望的平衡状态。
滑模控制的关键在于滑动面的设计，它决定了系统的动态性能和稳定性。
1.2 滑模控制技术特点滑模控制技术具有以下特点：- 强鲁棒性：对系统参数变化和外部干扰具有较强的不敏感性。
- 快速性：能够快速响应系统状态的变化，实现快速跟踪。
- 易于实现：控制算法结构简单，易于在数字控制系统中实现。
- 可调整性：通过调整控制参数，可以灵活地满足不同的性能要求。
二、机械臂路径跟踪问题机械臂路径跟踪是机器人技术中的一个重要问题，它要求机械臂能够按照预定的路径精确地移动，以完成各种任务。
路径跟踪的精度直接影响到机械臂的操作性能和任务完成的质量。
2.1 机械臂路径跟踪的重要性机械臂路径跟踪的精确性对于提高生产效率、保证产品质量具有重要意义。
在自动化生产线、医疗手术、空间探索等领域，精确的路径跟踪是实现高效、安全操作的基础。
2.2 机械臂路径跟踪的挑战机械臂路径跟踪面临诸多挑战，包括：- 动力学不确定性：机械臂的动力学特性可能因负载变化、磨损等因素而发生变化。
- 外部干扰：环境因素如温度、湿度、振动等可能对机械臂的运动产生影响。
- 非线性特性：机械臂的动力学模型通常具有非线性特性，增加了控制的复杂性。
三、滑模控制在机械臂路径跟踪中的应用将滑模控制技术应用于机械臂路径跟踪，可以有效提高跟踪精度和系统稳定性。
高超声速飞行器的滑模预测控制方法
将 优化 问题 转化 为二 次规 划 问题 ， 避 免 了常规 滑模 控 制 的高频切 换 ， 有效 地克服 了抖 振现 象 。仿 真 试验表 明 ： 当存 在 参数 不确 定 时 ， 滑模预 测控 制 能有 效地 克 服 干扰 信 号 ， 实现 速 度 和 高度 的 精确 跟
踪， 保 证 输入 和状 态均在 约束 范 围之 内； 稳 态 时 系统 误 差 趋 近 于 滑动 面并 且 一 直 处在 这 个 滑模 面
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｃｏｎ ｓ ｉ ｄ ｅ ｒ ｉ ｎｇ ｔ ｈｅ ｎｏ ｎｌ ｉ ｎｅ ａ ｒ ｉ ｔ ｙ， ｓ ｔ ｒ ｏ ｎｇ ｃ ｏｕ ｐｌ ｉ ｎｇ， ｆ ａ ｓ ｔ ｔ ｉ ｍｅ — ｖ ａ ｒ ｙ ｉ ｎ ｇ ａ ｎ ｄ ｕ ｎｃ ｅ ｒ ｔ ａ ｉ ｎ ｔ ｙ ｏｆ ｈｙｐ ｅ ｒ ｓ ｏｎ ｉ ｃ ｖｅ ｈｉ ｃ ｌ ｅ ，ａ ｓ ｌ ｉ ｄ ｉ ｎｇ ｍｏｄ ｅ ｐｒ ｅ ｄｉ ｃ ｔ ｉ ｖ ｅ ｃ ｏ ｎｔ ｒ ｏ ｌ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｉ ｓ ｐ ｒ ｏ ｐｏ ｓ ｅ ｄ，ｉ ｎ ｗｈｉ ｃ ｈ ｔ ｈｅ ｓ ｔ ｒ ｏ ｎｇ ｒ ｏ ｂｕ ｓ ｔ ｎ ｅ ｓ ｓ ｏｆ ｓ ｌ ｉ ｄｉ ｎ ｇ ｍｏｄ ｅ ｃ ｏ ｎｔ ｒ ｏ ｌ ｉ ｓ ｃ ｏ ｍｂ ｉ ｎｅ ｄ ｗｉ ｔ ｈ ｔ ｈｅ ａ ｂｉ ｌ ｉ ｔ ｙ ｏ ｆ ｐｒ ｅ ｄ ｉ ｃ ｔ ｉ ｖｅ ｃ ｏｎ ｔ ｒ ｏ ｌ ｆ ｏ ｒ ｈａ ｎｄ ｌ ｉ ｎｇ ｔ ｈｅ ｃ ｏ ｎｓ ｔ ｒ ａ ｉ ｎｔ ｓ ．Ｔｈｅ ｌ ｏ ｎｇ ｉ ｔ ｕｄ ｉ ｎ ａ ｌ ｄｙ ｎａ ｍｉ ｃ ｓ ｏ ｆ ｈｙ ｐ ｅ ｒ ｓ ｏ ｎ ｉ ｃ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｉ ｓ ｌ ｉ ｎ ｅ ａ ｒ ｉ ｚ ｅ ｄ ａ ｔ ｔ ｈｅ ｅ ｑ ｕｉ ｌ ｉ ｂ ｒ ｉ ｕｍ ｔ ｏ ｇｅ ｔ ｔ ｈ ｅ ｐ ｒ ｅ ｄｉ ｃ ｔ ｉ ｖｅ ｍｏｄ ｅ １ ． Ｔｈｅ ｎ ｐｏ ｌ ｅ ｐｌ ａ ｃ ｅ ｍｅ ｎ ｔ ｉ ｓ ａ ｄ ｏ ｐｔ ｅ ｄ ｔ ｏ ｄ ｅ ｓ ｉ ｇ ｎ ａ ｓ ｙ ｍｐ ｔ ｏ ｔ ｉ ｃ ａ ｌ ｌ ｙ ｓ ｔ ａ ｂｌ ｅ ｓ ｌ ｉ ｄ ｉ ｎｇ ｍｏ ｄｅ ｓ ｕｒ ｆ ａｃ ｅ ｆ ｏ ｌ ｌ ｏ ｗｉ ｎｇ ｔ ｈｅ ｓ ｍａ ｌ ｌ ｐ ｅ ｒ ｔ ｕｒ ｂ ａ ｔ ｉ ｏ ｎ ｌ ｉ ｎ ｅ ａ ｒ ｉ ｚ ｅ ｄ ｍｏ ｄ ｅ ｌ ，ａ ｎｄ ｔ ｈｅ ｓ ｌ ｉ ｄ ｉ ｎｇ ｍｏ ｄ ｅ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｉ ｓ ｐｒ ｅ ｄ ｉ ｃ ｔ ｅ ｄ ａ ｎｄ ｏｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ｉ ｎ ｔ ｈｅ ｐ ｅ ｒ ｆ ｏ ｒ ｍａ ｎｃ ｅ ｉ ｎｄ ｅ ｘ．Ｔｈｅ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏｎ ｐ ｒ ｏｂ ｌ ｅ ｍ ｂ ｅ ｃ ｏｍｅ ｓ ａ ｑｕ ａ ｄ ｒ ａ ｔ ｉ ｃ ｐｒ ｏ ｇｒ ａ ｍｍｉ ｎｇ ｐ ｒ ｏ ｂｌ ｅ ｍ ｂｙ ｍａ ｔ ｒ ｉ ｘ ｔ ｒ ａ ｎｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏｎ，ｔ ｈ ｕｓ ｔ ｈｅ ｆ ｒ ｅ ｑｕ ｅ ｎ ｔ ｓ ｗｉ ｔ ｃ ｈ ｉ ｎｇ ｏ ｎ ｔ ｈｅ ｓ ｌ ｉ ｄ ｉ ｎｇ ｍｏ ｄ ｅ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｉ ｓ ａ ｖ ｏ ｉ ｄ ｅ ｄ ａ ｎｄ ｔ ｈ ｅ ｃ ｈａ ｔ ｔ ｅ ｒ ｉ ｎ ｇ ｉ ｓ ｓ ｕ ｐｐ ｒ ｅ ｓ ｓ ｅ ｄ． Ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎｓ ｓ ｈｏ ｗ ｔ ｈａ ｔ ｔ ｈ ｅ ａ ｌ ｔ ｉ ｔ ｕｄ ｅ ａ ｎｄ ｖ ｅ ｌ ｏｃ ｉ ｔ ｙ ａ ｒ ｅ ｔ ｒ ａ ｃ ｋ ｅ ｄ ａ ｃ ｃ ｕｒ ａ ｔ ｅ ｌ ｙ ｅ ｖ ｅ ｎ ｗｉ ｔ ｈ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｕ ｎｃ ｅ ｒ ｔ ａ ｉ ｎｔ ｉ ｅ ｓ，ａ ｎ ｄ ｔ ｈｅ ｃ ｏ ｎｔ ｒ ｏ ｌ ａ ｎｄ ｓ ｔ ａ ｔ ｅ ａ ｒ ｅ ａ ｌ １ ｉ ｎ ｔ ｈ ｅ ｌ ｉ ｍｉ ｔ ｅ ｄ ｓ ｃ ｏ ｐｅ ．Ｔｈｅ ｓ ｔ ｅ ａ ｄ ｙ — ｓ ｔ ａ ｔ ｅ ｔ ｒ ａ ｃ ｋ ｉ ｎｇ ｅ ｒ ｒ ｏ ｒ ｓ ａ ｐ ｐｒ ｏ ａ ｃ ｈ ｔ ｈｅ ｓ ｌ ｉ ｄ ｉ ｎ ｇ ｍｏ ｄｅ ｓ ｕ ｒ ｆ ａ ｃ ｅ，ａ ｎ ｄ ｋ ｅ ｅ ｐ ｓ ｔ ａ ｙ ｉ ｎｇ ｏ ｎ ｔ ｈｅ ｓ ｌ ｉ ｄ ｉ ｎｇ ｍｏ ｄｅ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｗｉ ｔ ｈ ｏｕｔ ｃ ｈａ ｔ ｔ ｅ ｒ ｉ ｎｇ ．
高速动车组数据驱动无模型自适应积分滑模预测控制
高速动车组数据驱动无模型自适应积分滑模预测控制李中奇;周靓;杨辉【期刊名称】《自动化学报》【年(卷),期】2024(50)1【摘要】同许多复杂系统一样,动车组(Electric multiple unit,EMU)运行过程也具有多变量、强耦合以及非线性等特性,这严重影响着列控系统的性能.针对包含外部扰动的动车组自动驾驶系统,提出一种新型的多输入多输出(Multi-input-multi-output,MIMO)数据驱动积分滑模预测控制(Integral sliding mode predictive control,ISMPC)算法.首先,该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization,FFDL)数据模型,设计一种离散积分滑模控制(Integral sliding mode control,ISMC)律.为了使系统能够获得更高的输出跟踪误差精度,利用模型预测控制(Model predictive control,MPC)代替ISMC的切换控制,进一步推导出ISMPC算法.同时,通过对FFDL数据模型的未知扰动、参数误差等不确定项进行延时估计,提升了算法的控制性能和对系统的等价描述程度.在提供两种算法的稳定性证明分析之后,以实验室配备的CRH380A型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试,并与其他方法进行对比,仿真结果表明ISMPC算法控制性能较好,动车组各动力单元速度跟踪误差均在±0.132 km/h 以内,满足列车的跟踪精度需求;控制力和加速度分别在[-52 kN,42 kN]和±0.9249 m/s2以内且变化平稳.【总页数】17页(P194-210)【作者】李中奇;周靓;杨辉【作者单位】华东交通大学电气与自动化工程学院;轨道交通基础设施性能监测与保障国家重点实验室【正文语种】中文【中图分类】TP3【相关文献】1.高速动车组多模型切换主动容错预测控制2.高速动车组强耦合模型的分布式滑模控制策略3.一种基于数据驱动的无模型滑模预测控制4.高速动车组数据驱动无模型自适应控制方法5.高速动车组分布式全局快速终端滑模控制策略因版权原因，仅展示原文概要，查看原文内容请购买。
滑模控制算法公式
滑模控制算法公式
滑模控制算法公式：s=a1x1+x2，其中s为滑模面，a1为常数，x1和x2
为系统状态变量。
在滑模控制中，系统的状态轨迹需要在滑模面上滑动，以达到控制目标。
滑模面的设计需要根据系统的动态特性和控制要求进行选择，并且需要满足一定的条件以保证系统的稳定性和跟踪性能。
具体来说，滑模面的设计需要满足以下条件：
1. 滑模面需要是连续的，并且在整个工作空间内存在；
2. 滑模面需要是可达的，即系统的状态变量能够达到滑模面；
3. 滑模面需要是稳定的，即系统的状态变量在滑模面上滑动时不会发生振荡或发散。
在滑模控制中，控制律的设计需要根据滑模面的方程和系统的动态方程进行推导。
控制律的作用是使得系统的状态轨迹能够沿着滑模面向目标轨迹滑动。
在实际应用中，控制律的设计还需要考虑系统的约束条件和控制精度等因素。
以上信息仅供参考，如有需要，建议咨询专业技术人员。
滑模控制
滑模控制(sliding mode control, SMC)也叫变结构控制, 其本质上是一类特殊的非线性控制,且非线性表现为控制的不连续性. 这种控制策略与其他控制的不同之处在于系统的“结构”并不固定,而是可以在动态过程中,根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化,迫使系统按照预定“滑动模态”的状态轨迹运动. 由于滑动模态可以进行设计且与对象参数及扰动无关,这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点.滑模变结构控制是根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态从超平面之外向切换超平面收束。
系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点，这一沿切换超平面向原点滑动的过程称为滑模控制。
由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。
超平面的设计方法有极点配置，特征向量配置设计法，最优化设计方法等，所设计的切换超平面需满足达到条件，即系统在滑模平面后将保持在该平面的条件。
控制器的设计有固定顺序控制器设计、自由顺序控制器设计和最终滑动控制器设计等设计方法[1]。
现在以N维状态空间模型为例，采用极点配置方法得到M(N<M)维切换超平面，控制器采用固定顺序控制器的设计方式，首先控制器控制任意点到Q1超平面（M维）形成M-1阶滑动模态，系统到达Q1超平面后由于该平面的达到条件而保持在该超平面上所以后面的超平面将是该超平面的子集；然后控制器采用Q1对应的控制规则驱动到Q1与Q2交接的Q12平面（M-1维）得到M-2滑动模态，然后在Q12对应的控制规则驱动下到Q12与Q3交接的Q123平面（M-2维），依次到Q123..m平面，得到最终的滑模，系统在将在达到条件下保持在该平面，使系统得到期望的性能。
滑模控制的优点是能够克服系统的不确定性, 对干扰和未建模动态具有很强的鲁棒性,尤其是对非线性系统的控制具有良好的控制效果。
常用自动控制策略
常用自动控制策略
常用自动控制策略包括以下几种：
1.PID控制：PID控制器是一种线性控制器，通过比例、积分和微
分三个环节对被控对象进行控制。
2.模糊控制：模糊控制器通过模糊逻辑和模糊集合理论对被控对
象进行控制。
3.神经网络控制：神经网络控制器通过模拟人脑神经元的结构和
功能对被控对象进行控制。
4.鲁棒控制：鲁棒控制器通过设计控制律来提高系统的鲁棒性，
使得系统在受到不确定因素干扰时仍能保持稳定。
5.自适应控制：自适应控制器能够根据被控对象的变化自动调整
控制参数或控制律，以适应不同工况下的要求。
6.预测控制：预测控制器通过预测模型对未来一段时间内的被控
对象进行预测，并在此基础上制定控制策略。
7.滑模控制：滑模控制器通过设计滑模面并使系统状态沿滑模面
向稳定点滑动，具有快速响应和抗干扰能力强的特点。
8.智能控制：智能控制器能够利用人工智能和专家系统的原理对
被控对象进行智能化控制。
这些自动控制策略各有特点，适用范围也有所不同。
在实际应用中，可以根据具体需求选择合适的策略。
滑模控制
4.1.2 滑模控制系统的设计 滑模控制的第一步是根据系统所希望具有的动态特性来设计系统的滑模面 S ( x ) ， S ∈ R m ，并使滑模面具有某种优良品质，以便系统状态在非滑动模态区 域中能够快速而稳定地到达滑模面。线性滑模面的设计方法有很多种，象极点配 置设计法、特征向量配置设计法、最优化设计法、系统零点设计法、给定极点区 域的极点配置方法等。电力电子变换器系统，通过开关的切换变换结构，为非线 性系统。针对非线性系统，有时变滑模面设计方法等，但没有形成对一般非线性 系统比较有效的方法。 控制器的设计，是滑模控制系统设计的第二阶段，设计控制器的目的，是使 系统状态从滑模面之外向滑模面收敛，并保持在该平面上。 设计的目标有3个，即滑模控制的三要素： （1）所有的相轨迹在有限时间内到达滑模面，即进入(或到达)条件。
系统一旦进入滑动过程在一定条件下就对外界干扰及参数扰动具有不变性系统的综合问题被分解成两个低维的子系统的综合问题即设计滑模控制使得系统在有限的时间内到达指定的滑模面和选取适当的滑模面确保系统进入滑动过程后具ቤተ መጻሕፍቲ ባይዱ良好的动态特性
4.1
滑模控制的概念和设计
4.1.1 滑模控制的基本概念 滑模控制(sliding mode control, SMC)也叫变结构控制，其本质上是一类特殊 的非线性控制， 且非线性表现为控制的不连续。与其它控制策略的不同之处在于 系统的“结构”并不固定，而是可以在动态过程中，根据系统当前的状态有目的 地不断变化，迫使系统按照预定“滑动模态”的状态轨迹运动。由于滑动模态可 以进行设计且与对象参数及扰动无关, 这就使得滑模控制具有快速响应、对应参 数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。 系统的初始状态不一定在滑模面上， 滑模控制器的作用就是使状态变量运行 到滑模面，并沿滑模面滑动，直到平衡点。系统状态轨迹从启动到运行到滑模面 上过程称为到达过程， 状态轨迹运行到滑模面上后，滑动到平衡点的过程称为滑 动过程。到达过程和滑动过程的特性决定滑模控制系统的动态响应速度[85]。 系统一旦进入滑动过程，在一定条件下就对外界干扰及参数扰动具有不变 性， 系统的综合问题被分解成两个低维的子系统的综合问题，即设计滑模控制使 得系统在有限的时间内到达指定的滑模面和选取适当的滑模面确保系统进入滑 动过程后具有良好的动态特性。
船用锅炉蒸汽压力系统的滑模预测控制
ＤＩ ＮＧ Ｈｕ，Ｚ ＨＡＮＧ Ｊａ — ｅ ｉｎ ｐ ｉ
（ ｏ ｅ ｅｏ Ｃ ｍｐ ｔｒ ｃ ｎ ｅａ ｄＴ ｃ ｎ ｌ ｙ Ｈ ｒｉ Ｅ ｇ ｅ ｒ ｇＵ ｉ ｒｉ ， ａｂｎ １ ０ ０ ， ｈｎ ） Ｃ ｌ ｇ ｆ ｏ ｕｅ ｉ ｃ ｎ ｅ ｈ ｏ ｇ ， ａｂｎ ｎ ｉ ｅｉ ｎｖ ｓ ｙ Ｈ ｒ ｉ ５ ０ １ Ｃ ｉａ ｌ Ｓｅ ｏ ｎ ｎ ｅ ｔ
第 ３ 卷第 ８期 １
２１ ０ ０年 ８月
哈
尔
滨
工
程
大
学
学
报
Ｖ １３ ｏ． ｏ ． １Ｎ ８
Ａｕ ２０１ ｇ． ０
Ｊ ｕｎ ｌｏ ｒ ｉ ｎ ｉｅ ｒ ｇ Ｕ ｉｅｓｔ ｏ ｒａ ｆＨａｂｎ Ｅ ｇｎ ｅｉ ｎｖ ｒｉ ｎ ｙ
ｄ ｉ１ ． ９ ９ ｊｉ ｎ １０ －０ ３ ２ １ ． ８ ０ ９ ｏ ：０ ３ ６ ／ ． ｓ ． ０ ６７ ４ ．０ ０ ０ ．０ ｓ
性 能 和更 强 的鲁 棒 性 ．
关键词 ： 船用锅炉 ； 蒸汽压力 系统 ； 滑模 预测控制 ； 时延 系统 ； 鲁棒性 中图分类号 ： ６ ４ １ １ 文献标 志码 ： 文章编号 ：０ ６７ ４ （０ ０ ０ —０ ９０ Ｕ６ ．１ Ａ １０ －０ ３ ２ １ ） ８１３ － ４
Ｓ ｉ ｉ ｏ ｅ ｐ ｅ ｉｔｖ ｏ ｔ ｏ ｌ ｒ ｆ ｒ ｌ ｎｇ ｍ ｄ ｒ ｄ ｃ ｉ ｅ ｃ ｎ ｒ ｌ ｏ ｄ ｅ
船用 锅炉 系统 是 复 杂 的工 业 过 程 ， 具 有 很 高 它
泛应 用 ． 文献 ［ ］ ７ 利用 预测 控 制对 船 舶 锅 炉燃 烧 控 制 系统 进 行 了研 究 ． 模 预 测 控 制 （ ｌ ｉｇｍｏｅ 滑 ｓｄｎ ｄ ｉ
基于滑模观测器的电压源逆变器无模型预测控制
第27卷㊀第6期2023年6月㊀电㊀机㊀与㊀控㊀制㊀学㊀报Electri c ㊀Machines ㊀and ㊀Control㊀Vol.27No.6Jun.2023㊀㊀㊀㊀㊀㊀基于滑模观测器的电压源逆变器无模型预测控制郭磊磊1,㊀陈墨1,㊀罗魁2,㊀李琰琰1,㊀金楠1(1.郑州轻工业大学电气信息工程学院,河南郑州450002;2.中国电力科学研究院,北京100192)摘㊀要:对参数敏感是模型预测控制主要缺点之一㊂无模型预测控制使用超局部模型代替常规逆变器模型,避免了系统参数对模型的影响,具有较高参数鲁棒性,但是需要使用大量历史电压电流采样数据,导致动态特性较慢㊂本文提出一种基于超局部模型和滑模观测器的无模型预测控制方法,提升系统参数鲁棒性的同时,保持了良好的动态性能㊂首先分析参数变化对常规模型预测控制的影响,在无模型预测控制基础上提出一种基于滑模观测器的集总扰动观测方法,并详细研究了滑模观测器的稳定性分析方法和离散化方法㊂实验结果对比表明,本文所提方法可将稳态电流THD 由10.44%降到8.75%,且动态响应时间可由1.094ms 减小至0.754ms ㊂关键词:模型预测控制;电压源逆变器;无模型预测控制;超局部模型;滑模观测器;鲁棒性DOI :10.15938/j.emc.2023.06.014中图分类号:TM464文献标志码:A文章编号:1007-449X(2023)06-0127-10㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀收稿日期:2021-06-19基金项目:国家自然科学基金(U2004166);河南省青年人才托举工程项目(2019HYTP021);河南省高校科技创新团队项目(22IRTSTHN017)作者简介:郭磊磊(1987 ),男,博士,副教授,研究方向为感应电机㊁永磁同步电机和功率转换器的模型预测控制;陈㊀墨(1994 ),男,硕士研究生,研究方向为电力电子与并网逆变器控制;罗㊀魁(1989 ),男,硕士,工程师,研究方向为新能源并网仿真分析;李琰琰(1987 ),女,博士,讲师,研究方向为新能源逆变器的模型预测控制;金㊀楠(1982 ),男,博士,教授,研究方向为功率转换器的模型预测控制㊂通信作者:李琰琰Model-free predictive control method for voltage source inverterbased on sliding model observerGUO Leilei 1,㊀CHEN Mo 1,㊀LUO Kui 2,㊀LI Yanyan 1,㊀JIN Nan 1(1.School of Electric and Information Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China;2.China Electric Power Research Institute,Beijing 100192,China)Abstract :Parameter sensitivity is one of the main disadvantages of model predictive control (MPC).Model-free predictive control (MFPC)avoids the influence of system parameters by using ultra-local model to replace the conventional inverter model,so it has high parameter robustness;However,this method has to use a large number of sampled historical voltage and current data,which lead to a slower dynamic performance.A MFPC method based on ultra-local model and sliding mode observer (SMO)is proposed in this paper.The proposed method can improve the parameter robustness of system while main-taining a good dynamic performance.First,the influence of parameters mismatch on the conventional MPC was analyzed in detail.Then,on the basis of MFPC,a lumped disturbance observation method based on SMO was proposed,and the stability analysis method and discretization method of the SMO were studied in parative experimental results show that the proposed method can reduce the steadystate current THD from 10.44%to 8.75%,and the dynamic response time can be reduced from1.094ms to 0.754ms.Keywords:model predictive control;voltage source inverter;model-free predictive control;ultra-local model;sliding mode observer;robustness0㊀引㊀言电压源逆变器因可以实现交直流电能的平滑转换,而在光伏发电㊁风力发电等可再生能源发电技术领域得到广泛研究[1-3]㊂近年来,模型预测控制(model predictive control,MPC)因其显著优势,如原理简单,控制灵活,多目标优化,被广泛用于控制电压源逆变器㊂自从文献[4]提出了一种应用于两电平电压源逆变器的MPC策略之后,诸多学者开始研究改进的MPC策略来减少计算量[5]㊁降低开关频率[6]㊁抑制共模电压[7]或减少电流谐波[8]㊂尽管上述研究在一定程度上提升了控制性能,但却没有解决MPC对参数变化的敏感性问题㊂为了解决该问题,文献[9]详细分析了参数变化对电流控制的影响,从理论上证明了一旦参数不匹配,传统MPC控制误差就会增大㊂文献[10]设计了一种参数自适应的MPC策略,虽然可以在线修正模型参数,但是计算复杂㊂文献[11]考虑到电感变化对电流控制有较大影响,设计了电感在线辨识方法,但未考虑其他参数的影响㊂文献[12]设计了一种利用上一控制周期的控制误差来补偿下一周期误差的方法㊂然而这种方法需要合理设计反馈增益,以获得最佳的误差补偿效果㊂文献[13]首次提出了无模型控制(model-free predictive control,MFPC)理论㊂该理论使用超局部模型来代替传统逆变器数学模型,可大大减小参数变化对系统的影响㊂文献[14-15]建立了永磁同步电机(permanent magnet synchronous motor,PMSM)的超局部模型,并设计了MFPC策略,显著提高了参数的鲁棒性㊂文献[16]进一步提出了一种基于超局部模型的双馈感应发电机MFPC策略,这也显著增强了参数的鲁棒性㊂文献[17]设计了一种升压型功率因数校正变换器的无模型预测电流控制方法㊂虽然在一定程度上克服了控制器对系统参数的依赖,但计算量较大㊂文献[18]设计了一种用于PMSM驱动系统的无模型自适应控制,以提高系统的参数鲁棒性㊂但是这种控制策略需要很多复杂的计算㊂以上文献在计算超局部模型中的集总扰动时多使用代数辨识技术[13]㊂然而,在文献[14-18]中,必须存储5个或更多历史周期的电流和电压数据用于计算超局部模型中的集总扰动,这不仅需要大量的存储空间,还会导致系统的动态响应较慢㊂为解决这个问题,本文使用滑模观测器(slidingmode observer,SMO)代替代数辨识技术,以提高系统的动态性能㊂SMO因其易于实现,鲁棒性强等优势而受到广泛关注㊂近年来,SMO多用于无传感器控制和参数辨识领域[19-20]㊂本文基于文献[13]提出的MFPC 理论,提出了一种基于SMO的电压源逆变器MFPC 方法㊂首先,本文在传统的MPC策略的基础上详细分析参数不匹配对MPC的影响㊂其次,设计一个全阶SMO来替代常规MFPC中的代数辨识方法,并对其稳定性进行分析㊂最后,本文将所提SMO应用到MFPC控制中,并进行详细的对比实验研究,验证所提基于SMO的MFPC方法的有效性㊂1㊀常规模型预测控制策略电压源逆变器拓扑结构如图1所示㊂其中:U dc 为电压源逆变器的直流母线电压;L为滤波电感;R 为寄生电阻;e a㊁e b㊁e c为交流侧电压;i a㊁i b㊁i c是逆变器输出电流㊂逆变器的8个空间电压矢量如图2所示㊂图1㊀电压源逆变器拓扑结构Fig.1㊀Topology of voltage source inverter电压源逆变器在αβ静止坐标系下的数学模型为Ld iαβd t=uαβ-R iαβ-eαβ㊂(1)821电㊀机㊀与㊀控㊀制㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第27卷㊀式中:u αβ=[u α,u β]T ;u α和u β为逆变器输出电压;i αβ=[i α,i β]T ;i α和i β为逆变器输出电流;e αβ=[e α,e β]T ;e α和e β为交流侧电压㊂图2㊀空间电压矢量图Fig.2㊀Diagram of voltage vectors假设采样周期为T ,对式(1)进行离散化可得㊀LT [i αβ(k +1)-i αβ(k )]=㊀㊀㊀㊀u αβ(k )-R i αβ(k )-e αβ(k )㊂(2)式中:x (k )表示变量x 在t k 时刻的值;x (k +1)表示变量x 在t k +1时刻的值㊂化简式(2)可以得到t k +1时刻电流预测表达式为i αβ(k +1)=1-RT L()iαβ(k )+TL [u αβ(k )-e αβ(k )]㊂(3)为了对MPC 策略的延迟进行补偿,可将上周期最优电压矢量u α(k )和u β(k )代入式(3)计算得到t k +1时刻的预测电流值i α(k +1)和i β(k +1)㊂然后将图2中的8个电压矢量u αβ(k +1)依次代入式(4)计算t k +2时刻的预测电流i αβ(k +2),即i αβ(k +2)=1-RT T()iαβ(k +1)+TL [u αβ(k +1)-e αβ(k +1)]㊂(4)式中x (k +2)表示变量x 在t k +2时刻的值㊂当采样频率远高于负载频率时,可假设e αβ(k +1)=e αβ(k )㊂为了得到最优电压矢量,使用式(5)所示的代价函数来评估电流预测误差㊂将8种预测电流依次代入式(5)所示代价函数中,通过比较可获得使代价函数最小的电压矢量作为最优电压矢量,并在下一周期将其应用于逆变器㊂g =|i αβref -i αβ(k +2)|㊂(5)式中i αβref 为给定的参考电流㊂在常规MPC 策略中,由于逆变器的数学模型中含有电感和电阻参数,这会导致参数变化会对MPC 造成较大的影响㊂本文通过详细的理论分析来研究参数变化对MPC 系统的具体影响,并最终提出一种改进的无模型预测控制策略,以提高MPC 对参数变化的鲁棒性㊂2㊀参数不匹配对MPC 的影响MPC 控制策略对参数的变化十分敏感㊂为了分析参数不匹配对常规MPC 控制策略的影响,本文假设实际滤波电感和寄生电阻分别为L a 和R a ㊂在实际中电感和电阻会随工作环境而发生变化㊂假设用L m 和R m 分别表示数学模型中使用的滤波电感和寄生电阻㊂因此,滤波电感和寄生电阻误差可以分别表示为L e =L a -L m 和R e =R a -R m ,式(1)可改写为(L a +L e )d i αβd t=u αβ-(R a +R e )i αβ-e αβ㊂(6)对式(6)进行离散化可得i ^αβ(k +1)=(1-R a +R eL a +L eT )i αβ(k )+TL a +L e (u αβ(k )-e αβ(k ))㊂(7)式中i ^αβ(k +1)是考虑参数失配影响的预测电流㊂本文定义预测误差为δ,表示式(3)与式(7)之差,δ表达式为δ=i α(k +1)-i ^α(k +1)㊂(8)将式(3)和式(7)代入式(8)可得δ=TL m (L m +L e )[(R e L m -R m L e )i α(k )-L e (u α(k )-e α(k ))]㊂(9)为了便于分析式δ,假定在当前周期内u 1为作用于逆变器的最优矢量,e α=86V,i α=10A,且采样周期T =0.0005s㊂|δ|的图像如图3和图4所示㊂图3㊀L a =0.02H ,R a =10Ω时|δ|图像Fig.3㊀Diagram of |δ|when L a =0.02H and R a =10Ω921第6期郭磊磊等:基于滑模观测器的电压源逆变器无模型预测控制图4㊀L a =0.02H ,R a =0.5Ω时|δ|图像Fig.4㊀Diagram of |δ|when L a =0.02H and R a =0.5Ω当L a =0.02H,R a =10Ω时,|δ|如图3所示㊂当L a =0.02H,R a =0.5Ω时,|δ|如图4所示㊂图3表明,当寄生电阻较大时,电阻参数的不匹配对控制精度有很大影响㊂但图4表明当电阻较小时,电阻参数的不匹配对控制精度影响很小㊂此外,从图3和图4还可以看出,当实际电感等于模型电感(L a /L m =1)时,预测误差最小㊂当实际电感小于模型电感(L a /L m <1)时,预测误差会明显增大㊂在实际电感大于模型电感(L a /L m >1)的情况下,预测误差也会增大,但趋势较为平缓㊂这表明当逆变器模型电感大于实际电感时,系统的控制精度和稳定性会受到更大的影响㊂3㊀无模型预测控制基于超局部模型的MFPC 是解决MPC 对参数依赖性问题的有效方法㊂根据文献[20],单输入单输出的一阶超局部模型可以表示为d yd t=F +αu ㊂(10)式中:u 和y 分别表示控制变量和输出变量;α是一个预先设置好的比例因子;F 表示系统的集总扰动㊂根据式(10),αβ静态坐标系下的电压源逆变器数学模型可以用超局部模型代替,即式(6)可以写成d i αβd t =[(1L a +L e-α)u αβ-1L a +L e (e αβ+(R a +R e )i αβ+d αβ)]+αu αβ=F αβ+αu αβ㊂(11)对式(11)离散化并用于预测控制为i αβ(k +1)=T (F αβ(k )+αu αβ(k ))+i αβ(k )㊂(12)当参数不匹配时,α和F αβ的值会有偏差,但F αβ包含各种误差和干扰,并且会实时更新㊂因此,当参数不匹配时,系统可以通过F αβ保持良好的控制性能㊂所以F αβ的计算尤为重要㊂根据式(11),使用文献[20]中提到的代数辨识技术可以计算得到F αβ为F ^αβ=-3!T3ʏT 0[(T -2x )iαβ(x )+αx (T -x )u αβ(x )]d x ㊂(13)式中:F ^αβ是F αβ的估计值;T =λTs ;λ是积分步长;T s 是每个积分步长的时间㊂使用复合梯形公式计算式(13),得到F ^αβ满足:F ^αβ=-3λ3T s ðλm =1(((λ-2(m -1))ˑi αβ[m -1]+α(m -1)T s (λ-(m -1))ˑu αβ[m -1]+(λ-2m )ˑi αβ[m ]+αmT s (λ-m )ˑu αβ[m ])㊂(14)式中m 表示第m 个采样点㊂式(14)表明,当λ=10时,代数辨识技术至少需要40个历史电流电压数据参与计算㊂当参考电流发生突变时,由于该算法中使用较多历史电压电流数据计算集总扰动,会导致动态响应较慢㊂4㊀基于滑模观测器的无模型预测控制为了解决代数识别技术动态响应较慢的问题,本文提出了一种基于全阶SMO 的MFPC 策略,系统的控制结构图如图5所示㊂将逆变器输出电流转化到αβ静止坐标系下并用于SMO 观测F ^αβ,之后将F ^αβ代入式(12)计算出8个电压矢量对应的预测电流,通过代价函数选择最优电压矢量作为逆变器下一时刻输出电压㊂图5㊀所提方法系统控制结构图Fig.5㊀Control structure of proposed method31电㊀机㊀与㊀控㊀制㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第27卷㊀由于采样频率较高,在控制周期中内可假设Fαβ满足式(15),即d Fαβd t=jωFαβ㊂(15)根据式(15),基于超局部模型的电压逆变器模型可以写为d iαβd t=αuαβ+Fαβ;d Fαβd t=jωFαβ㊂üþýïïïï(16)式中ω为电网频率㊂根据该模型,本文设计了一个SMO来计算Fαβ,即d i^αβd t=αuαβ+F^αβ-k1sgn(i^αβ-iαβ);d F^αβd t=jωF^αβ-k2sgn(i^αβ-iαβ)㊂üþýïïïï(17)式中:k1是电流滑模观测器的增益;k2是Fαβ滑模观测器的增益;sgn()是符号函数;i^αβ是估计的负载电流;F^αβ是估计的Fαβ值㊂根据式(16)和式(17),得到负载电流和F的误差状态方程为:d i-αβd t=Fαβ-k1sgn(i-αβ);d Fαβd t=jωFαβ-k2sgn(i-αβ)㊂üþýïïïï(18)式中:i-αβ为电流估计误差;i-αβ=i^αβ-iαβ;Fαβ是Fαβ估计误差;Fαβ=F^αβ-Fαβ㊂选择李雅普诺夫函数V1=12(i-2α+i-2β)㊂(19)对V1求导可得d V1d t=(Fαi-α+Fβi-β)-k1(|i-α|+|i-β|)㊂(20)根据李雅普诺夫稳定性原理,当系统稳定时必须满足d V1/d t<0,那么观测器增益k1需满足k1>max(|Fα|,|Fβ|)㊂(21)式(21)给出了滑模增益k1的设计方法㊂滑模增益k1越大,观测器系统收敛得越快,但这也会增大滑模噪声㊂因此,需要合理选择滑模增益k1㊂在滑模观测器收敛后,电流观测误差满足i-αβ= 0,d i-αβ/d t=0㊂式(16)可以简化为sgn(i-αβ)=Fαβk1㊂(22)将式(22)代入式(17),Fαβ估计误差状态方程为d Fαβd t=jωFαβ-k2k1Fαβ㊂(23)选择式(24)为另一个李雅普诺夫函数,即V2=12(F2α+F2β)㊂(24)对V2求导可得d V2d t=-k2k1(F2α+F2β)㊂(25)为了确保Fαβ的估计值收敛,需满足d V2/d t< 0㊂由于k1>0,因此必须满足k2>0㊂为了在数字控制系统中观测Fαβ,将其离散化得到:i^αβ(k+1)=T(αuαβ(k)+F^αβ(k)-k1sgn(i-αβ))+i^αβ(k);F^αβ(k+1)=T(jωF^αβ(k)-k2sgn(i-αβ))+F^αβ(k)㊂üþýïïïï(26)为了更加清楚地展示所提SMO,图6给出了本文所提基于SMO的Fαβ观测方法的控制结构图㊂图6㊀全阶SMO的控制结构Fig.6㊀Control structure chart of the full-order SMO式(21)和式(25)给出了初步确定滑模增益的方法㊂为了进一步研究滑模增益k1和k2对Fαβ的影响,本文通过分析闭环传递函数的频率响应特性来对滑模增益进行详细研究㊂在负载电流收敛后,根据式(16)和式(17),可以获得此SMO的传递函数为G(s)=F^αβ(s)Fαβ(s)=k2/k1s-jω+k2/k1㊂(27)当s=jω时,F^αβ=Fαβ,观测器可以精确地估计131第6期郭磊磊等:基于滑模观测器的电压源逆变器无模型预测控制F αβ的值㊂同时,式(27)表明SMO 的动态和稳态控制性能取决于k 1和k 2取值㊂图7给出了传递函数G (s )在k 1/k 2取不同值时的对数频率特性曲线㊂图7表明,随着滑模增益k 1/k 2的增加,G (s )的带宽会增加,使系统具有更快的动态响应速度㊂但当k 1/k 2增大时,高频段衰减变慢,会导致滑模噪声放大,滑模观测器的稳态性能变差㊂因此,应当选择适当的滑模增益㊂图7表明,当k 1/k 2=75时控制性能较好,再结合式(19)和式(23),经过试验调试,本文选择将k 1设置为300,k 2设置为22500㊂图7㊀传递函数G (s )的伯德图Fig.7㊀Bode diagrams of the transfer function G (s )5㊀实验验证为了验证所提方法有效性,搭建如图8所示的实验平台㊂使用APL -II 双向直流电源提供直流侧电压,MX30可编程交流电源用作交流负载㊂选择DSP28335为逆变器主控制芯片,采样频率为20kHz㊂逆变器和交流电源通过滤波电感连接,YOKOGAWA DLM4000示波器用于记录实验结果㊂实验参数如表1㊂表1㊀系统参数Table 1㊀System parameters㊀㊀㊀参数数值直流电压U dc /V 250交流线电压峰值e /V 150滤波电感L /H 0.02寄生电阻R /Ω0.5采样周期T /μs 50比例因子α50电流观测器增益k 1300F 观测器增益k 222500图8㊀实验平台Fig.8㊀Experimental platform5.1㊀参数匹配时实验结果为了验证所提策略的有效性,本文通过实验研究其稳态性能,并与MPC 和基于代数辨识技术的MFPC 进行了比较㊂图9和图10分别给出了当负载频率设置为50Hz㊁参考电流为4A 和10A 时,3种控制方法的电流波形及其FFT 分析结果㊂图9表明,当参考电流为4A 时,MPC 的电流THD 为10.44%,基于代数辨识技术的MFPC 的电流THD 为9.03%,而本文所提方法的电流THD 降低到8.75%㊂此外,图10表明,当参考电流为10A 时,MPC 的电流THD 为4.11%,基于代数辨识技术的MFPC 的电流THD 为3.94%,而基于SMO 的MFPC 的谐波含量为3.50%㊂该实验结果证明了本文所提方法的有效性㊂图9㊀参考电流为4A 时的实验结果Fig.9㊀Experimental results when the reference currentis 4A231电㊀机㊀与㊀控㊀制㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第27卷㊀图10㊀参考电流为10A 时的实验结果Fig.10㊀Experimental results when the reference currentis 10A图11给出在不同参考电流情况下,3种方法电流FFT 分析结果㊂实验结果表明基于SMO 的MF-PC 策略在2~10A 电流控制范围内控制效果优于MPC 和基于代数辨识技术的MFPC㊂图11㊀不同参考电流的谐波含量Fig.11㊀Current THDs with different reference currents图12给出了参考电流为10A 时3种方法α轴电流误差㊂实验结果表明,当参数匹配时,本文所提基于SMO 的MFPC 策略电流误差要小于MPC 和基于代数辨识技术的MFPC 的电流误差,进一步验证了其有效性㊂通过稳态实验可以看出所提方法具有更低的THD 值和更好的稳态波形㊂这是因为本文通过使用SMO 计算集中扰动F αβ可以补偿逆变器非线性因素的影响,通过分析闭环传递函数,选择合适的滑模增益降低谐波含量㊂图12㊀参考电流为10A 时α轴电流误差对比Fig.12㊀Comparison of current errors when the refer-ence current is 10A5.2㊀参数不匹配时实验结果为了验证所提方法的参数鲁棒性,本文比较了MPC 和所提方法在参数不匹配时的实验结果㊂图13和图14给出了模型电感L m 分别为0.01H 和0.04H 时两种方法的实验结果㊂图13㊀L m =0.01H 时电流THD 对比(10A )Fig.13㊀Comparison of current THDs whenL m =0.01H (10A )331第6期郭磊磊等:基于滑模观测器的电压源逆变器无模型预测控制图14㊀L m =0.04H 时电流THD 对比(10A )Fig.14㊀Comparison of current THDs whenL m =0.04H (10A )图15和图16给出当参数不匹配时两种方法α轴电流误差㊂图15㊀L m =0.01H 时两种方法的α轴电流误差对比Fig.15㊀Comparison of current errors when L m =0.01H图16㊀L m =0.04H 时α轴电流误差对比Fig.16㊀Comparison of current errors when L m =0.04H图13和图15表明,当模型中使用电感值L m小于其准确值L a 时,MPC 电流THD 值较大,且电流误差增加㊂图14和图16表明,当控制器中使用电感值L m 大于实际值L a 时,MPC 电流误差增大,且谐波含量明显增加㊂然而,实验结果表明,无论电感参数是否改变,本文所提方法都能获得良好的控制效果㊂本文所提方法虽然不需要使用逆变器参数,但需要合理设计α的值㊂为此,本文通过实验研究了α变化对所提方法的影响㊂图17和图18给出不同α取值下所提方法稳态实验结果㊂图17㊀不同α值时所提方法的电流THD 对比(10A )Fig.17㊀Comparison of THDs with differentα图18㊀不同α值时所提方法的电流误差对比Fig.18㊀Current errors with different α与图10和图12(b)相比,图17(a)和图18(a)431电㊀机㊀与㊀控㊀制㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第27卷㊀中当α增大到100时,电流THD 和电流误差变化较小,且电流误差几乎不受影响㊂在图17(b)和图18(b)中,当α减小到25时,电流谐波含量和电流误差变大,但系统仍然稳定且处于受控状态㊂实验结果表明,所提方法在较大的α取值范围内能保持较低电流THD 和较小电流误差㊂通过参数失配实验可以看出,无论模型中的电感参数增大还是减小,所提方法都可保持很好的控制效果,这是因为所提方法使用超局部模型代替传统逆变器模型,避免了参数对系统的影响,提高了系统的参数鲁棒性㊂5.3㊀动态实验结果为进一步比较所提方法与使用代数辨识技术的MFPC 动态性能,本文进行了一组动态实验㊂参考电流从4A 变为10A 时动态实验结果如图19所示㊂当电流突变时,基于代数辨识技术的MFPC 响应时间为1.094ms,所提基于SMO 的MFPC 响应时间缩短到0.754ms,这表明本文所提方法比常规基于代数辨识技术的MFPC 具有更快的动态响应速度㊂图19㊀电流由4A 突增为10A 时的实验结果Fig.19㊀Experimental results when the current is stepped up from 4A to 10A6㊀结㊀论为了解决常规MPC 控制容易受模型参数变化的影响,本文提出了一种基于超局部模型和SMO 的无模型预测控制方法㊂相较于使用代数辨识方法的MFPC 控制策略,所提方法不需要使用大量历史电压电流采样值,在提高常规MPC 控制的鲁棒性的同时还保持了良好的动态性能㊂实验结果表明,在电流为4A 时,本文所提方法可将电流THD 由10.44%降低到8.75%㊂当电流为10A 时,本文所提方法可将电流THD 由4.11%降低到3.5%㊂当电流突变时,本文所提方法可将电流动态响应时间由1.094ms 减小到0.754ms㊂参考文献:[1]㊀王鑫达,张澳,李少林,等.电压源型双馈风电机组低压穿越控制策略[J].电机与控制学报,2023,27(3):21.WANG Xinda,ZHANG Ao,LI Shaolin,et al.Low voltage ride through control strategy of VSG controlled doubly fed wind turbine [J].Electric Machines and Control,2023,27(3):21.[2]㊀ZHU K,SUN P,ZHOU L,et al.Control delay compensationscheme based on non-instantaneous loading and pulse-width equiv-alence for active damping of LCL-type inverters[J].IET Power E-lectronics,2019,12(9):2389.[3]㊀孙灵喜,黄海宏,韦友龙,等.基于负低-高通滤波器的并网电流反馈新型有源阻尼方法[J].电机与控制学报,2023,27(2):27.SUN Lingxi,HUANG Haihong,WEI Youlong,et al.Active damping method for grid-connected current feedback based on neg-ative low-high pass filter [J].Electric Machines and Control,2023,27(2):27.[4]㊀RODRIGUEZ J,PONTT J,SILVA C,et al.Predictive currentcontrol of a voltage source inverter[J].IEEE Transactions on In-dustrial Electronics,2007,54(1):495.[5]㊀张永昌,杨海涛,魏香龙,等.基于快速矢量选择的永磁同步电机模型预测控制[J].电工技术学报,2016,31(6):66.ZHANG Yongchang,YANG Haitao,WEI XiangLong,et al.Mod-el predictive control of permanent magnet synchronous motorsbased on fast vector selection[J].Transactions of China Electro-technical Society,2016,31(6):66.[6]㊀徐伟,董定昊,葛健,等.基于在线参数辨识补偿的直线感应电机低开关频率模型预测控制策略[J].电工技术学报,2022,37(16):4116.XU Wei,DONG Dinghao,GE Jian,et al.Low switching frequen-cy model predictive control strategy based on online parameter i-dentification compensation of linear induction motor for urban railapplication [J].Transactions of China Electrotechnical Society,531第6期郭磊磊等:基于滑模观测器的电压源逆变器无模型预测控制2022,37(16):4116.[7]㊀郭磊磊,韩东许,芮涛.基于混合电压矢量预选的逆变器模型预测共模电压抑制方法[J].电力自动化设备,2019,39(1):33.GUO Leilei,HAN Dongxu,RUI Tao.Hybrid voltage vector prese-lection strategy based model predictive control method for inverters to reduce common-mode voltage[J].Electric Power Automation Equipment,2019,39(1):33.[8]㊀SONG Zhandeng,TIAN Yanjun,CHEN Wei,et al.Predictiveduty cycle control of three-phase active-front-end rectifiers[J].IEEE Transactions on Power Electronics,2016,31(1):698.[9]㊀SHI Xiaoling,ZHU Jianguo,LI Li,et al.Model-predictive-basedduty cycle control with simplified calculation and mutual influence elimination for AC/DC converter[J].IEEE Journal of Emerging and Selected Topics in Power Electronics,2019,7(1):504.[10]㊀谢运祥,刘毓鑫,关远鹏,等.三相LCL并网逆变器自适应模型预测控制策略[J].电机与控制学报,2021,25(4):40.XIE Yunxiang,LIU Yuxin,GUAN Yuanpeng,et al.Adaptivemodel predictive control for LCL three-phase grid-connected in-verter[J].2021,25(4):40.[11]㊀CHEN Zhouyi,QIU Jianqi,JIN Meijia.Adaptive finite-control-set model predictive current control for IPMSM drives with induct-ance variation[J].IET Electric Power Applications,2017,11(5):874.[12]㊀GUO,Leilei,JIN Nan,GAN Chun.Hybrid voltage vector prese-lection based model predictive control for two-level voltage sourceinverters to reduce the common-mode voltage[J].IEEE Transac-tions on Industrial Electronics,2020,67(6):4680. [13]㊀MICHEL Fliess,CÉDRIC Join.Model-free control[J].Interna-tional Journal of Control,2013,86(12):2228. [14]㊀ZHOU Yanan,LI Hongmei,LIU Rundong.Continuous voltagevector model-free predictive current control of surface mountedpermanent magnet synchronous motor[J].IEEE Transactions onEnergy Conversion,2019,34(2):899.[15]㊀WANG Yuchen,LI Hongmei,LIU Rundong.Modulated model-free predictive control with minimum switching losses for PMSMdrive system[J].IEEE Access,2020,8,20942. [16]㊀ZHANG Yongchang,JIANG Tao,JIAO Jian.Model-free predic-tive current control of a DFIG using an ultra-local model for gridsynchronization and power regulation[J].IEEE Transactions onEnergy Conversion,2020,35(4),2269.[17]㊀曾燊杰,李红梅,张恒果,等.Boost PFC变换器的无模型预测电流控制[J].电力自动化设备,2020,40(1):106.ZENG Shenjie,LI Hongmei,ZHANG Hengguo,et al.Model-freepredictive current control for Boost PFC converter[J].ElectricPower Automation Equipment,2020,40(1):106. [18]㊀LI Hongmei,LI Xinyu,CHEN Zhiwei,et al.Model-free adap-tive integral backstepping control for PMSM drive systems[J].Journal of Power Electronics,2019,19(5):1193. [19]㊀宋桂英,李佳伦.IF结合改进滑模观测器的PMSM无传感器复合控制[J].电机与控制学报,2020,24(11):63.SONG Guiying,LI Jialun.Sensorless control for PMSM withcombined IF and improved sliding mode observer[J].ElectricMachines and Control,2020,24(11):63.[20]㊀梁戈,黄守道,李梦迪,等.基于高阶快速终端滑模扰动观测器的永磁同步电机机械参数辨识[J].电工技术学报,2020,35(S2):395.LIANG Ge,HUANG Shoudao,LI Mengdi,et al.A high-orderfast terminal sliding-mode disturbance observer based on mechan-ical parameter identification for PMSM[J].Transactions of ChinaElectrotechnical Society,2020,35(S2):395.(编辑:刘素菊)631电㊀机㊀与㊀控㊀制㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第27卷㊀。
基于模型预测的AUV轨迹跟踪滑模控制方法
基于模型预测的AUV轨迹跟踪滑模控制方法
黄浩乾;郑康健;马惊天
【期刊名称】《中国惯性技术学报》
【年(卷),期】2024(32)2
【摘要】针对自主水下航行器(AUV)在模型参数不确定和外界海流干扰情况下轨迹跟踪误差大的问题,提出一种基于模型预测的滑模控制方法。
首先,基于李雅普诺夫稳定性理论,设计一种滑模控制器;其次,为高效利用计算资源,提高AUV的轨迹跟踪性能,设计一种滑模控制器与模型预测控制相结合的控制框架;考虑到执行器饱和问题,利用滑模跟踪控制律,在该控制框架上构造收缩约束,确保闭环系统的稳定性;最后,采用仿真实验验证,实验结果表明所提方法与滑模控制器比较,在模型参数确定且无干扰情况下均方跟踪误差减小了60%以上,在模型恢复力参数不确定和海流扰动情况下均方跟踪误差减小了80%以上,能够克服时变恢复力对系统的影响,并对外界海流干扰有较好的抑制作用,保证了系统的鲁棒性。
【总页数】8页(P205-212)
【作者】黄浩乾;郑康健;马惊天
【作者单位】河海大学能源与电气学院
【正文语种】中文
【中图分类】TP249
【相关文献】
1.基于模糊自适应滑模方法的AUV轨迹跟踪控制
2.基于反馈线性化的AUV三维轨迹跟踪滑模控制
3.基于动态面的AUV水平面轨迹跟踪滑模控制
4.基于滑模控制的欠驱动微型AUV轨迹跟踪控制
因版权原因，仅展示原文概要，查看原文内容请购买。
基于扰动观测的PMSM非奇异快速终端滑模电流预测控制
基于扰动观测的PMSM非奇异快速终端滑模电流预测控制陈瑛，刘军（南昌大学信息工程学院，江西南昌330000）摘7:针对永磁同步电机（PMSM）矢量控制中传统的PI控制鲁棒性差和传统的非奇异快速终端控制抖振较大、鲁棒性较差等问题，在速度环采用一种非奇异快速终端滑模（NFTSM）控制策略，同时引入一种高增益扩张观测器实时观测系统的匹配性扰动,将观测值作为电流的，提高系统的扰能力。
在电流环应用一种无差拍电测控制策略,使电流环有更好的动态响应和更小的谐波分量。
仿，控制方改善系统鲁棒性差且滑模抖振过大的问题。
关键词：永磁同步电机；非奇异终端滑模；扩张观测器；无差拍；预测控制中图分类号：TM351文献标志码：2文章编号：1673-6540（2021）04-0032-06doi：10.12177/e:c<2020.236Non-Singular Fast Terminal Sliding Mode Current Predictive Control of PMSM Based on Disturbance ObservationCHEN Ying,LIU Jun(School of Information Engineering,Nanchang University,Nanchang330000,China)Abstract：Poos robustness of the traditional PI control,and chattering and less poos robustness of the traditional non-singulas Sasi termina?contro?occus in permaneni magnet synchronous motos(PMSM).To solve these problems,a non-singulas fast terminal sliding mode(NFTSM)control strategy is adopted in the speed loop.In addition,a high gain extended observeo is introduced te observe the matching dsturbancc of the system in reai time.Then the observed value is used as feedforward compensation of the current,and the anti-disturbancc capability of the system is irnpoved.At the same time,a deadbeat current predictive controt stratery is adopted in the current loop.Dynamic response is better and harmonic component are smaller in the current loop.Sirnulation resultr show that the proposed controt method can rfectively impwve the obustness of the system and solve the problem of excessive sliding mode chatoing.Key words:permanent magnet synctronous motor(PMSM);non-singular terminal sliding mode; extender observer;deadbeat;pretictivr control0引言永磁同步电机（PMSM）在工业领域有着广泛的应用，与传统的电励磁同步电机，具简单、小、质量、高等⑴。
非线性控制系统中的滑模预测控制技术研究
非线性控制系统中的滑模预测控制技术研究随着科技的快速发展和人类社会的不断进步，控制系统在我们的生活中扮演了越来越重要的角色。
而在控制系统中，非线性控制系统具有广泛的应用和重要性。
非线性控制系统相比于线性控制系统，在实际的控制环境中更具有实用性和适用性。
滑模控制技术作为一种非线性控制技术，在过去的几十年间得到了越来越多的应用和研究。
本文将介绍滑模控制技术的发展历程以及滑模预测控制技术在非线性控制系统中的应用。
一、滑模控制技术概述滑模控制技术是一种任意控制对象类的非线性控制方法，是在周志中教授在上世纪六十年代提出的。
该技术采用了频域与时域相结合的思想，在特定的滑动面上实现目标的控制和观测任务。
这种方法不仅能够保证控制的准确性和鲁棒性，还能够保证控制对象的稳定性和鲁棒性。
同时，滑模控制技术不需要对被控对象进行过多的数学分析和建模，只需要从系统控制效果的角度出发，快速地实现目标控制，对于实际工程控制而言非常有用。
现如今，在非线性控制和智能控制的研究领域，滑模控制技术得到了广泛的应用和研究，同时也为以后实际工程控制提供了很好的参考和借鉴。
二、滑模控制技术的发展历程滑模控制技术的发展历程可以大致分为三个阶段：第一个阶段是滑模控制技术的提出和研究的初期阶段，主要是研究滑动模式和滑动控制法的基本思想和控制策略。
在这个阶段，主要是在理论上探讨滑模控制技术的可行性以及精度和稳定性等方面。
第二个阶段是滑模控制技术开始应用于实际控制系统中，在这个阶段，滑模控制技术的应用范围不断扩大，不仅仅用于机器人等复杂系统的控制领域，同时，还在飞行器、发动机控制等控制系统中得到了广泛的应用。
第三个阶段是滑模控制技术的再探讨阶段，主要是深入研究滑模控制技术的可行性和优缺点，同时，提出了新的滑模控制技术和理论，如模糊滑模控制、神经网络滑模控制等。
这个阶段也是滑模控制技术不断创新的阶段。
三、滑模预测控制技术在非线性控制系统中的应用滑模预测控制技术是结合了滑模控制和预测控制的一种控制方法，其主要思想是通过预测系统状态来更新控制器，实现非线性系统的自适应控制。
基于无人飞行器的滑模预测控制算法仿真
基于无人飞行器的滑模预测控制算法仿真随着科学技术的快速发展，无人飞行器开始在各行各业崭露头角。
军事上无人飞行器的功能已经由原来单一的侦查监视增强到集侦察监视、远程打击、电子对抗、对空警戒防御等功能于一体的空中无人作战平台。
列如中国的彩虹无人机系列，其中彩虹-4可以对地面和海上目标进行侦查同时如有需要其多携带的四枚高精度空对地导弹还可以立即对目标发动致命攻击。
因为彩虹无人机的多用途和高性能，目前已经被出口到多个国家。
在日常生产生活上无人飞行器在巡查线路、森林防火、临时通讯中继、快递运输、空中拍摄等方面被广泛使用。
在今年五一期间江苏的高速交警就采用无人机巡查高速公路，对高速公路上的各种违反交通法规的车辆进行现场拍照取证。
大大提高了交警的执法取证效率，并且降低了巡查成本。
所以无人飞行器已经不再仅仅是科幻电影中的东西，它已经逐渐走进了我们的日常生活，不断的在改善我们的工作和生活。
而人们也在大力的发掘无人机的价值将其更广泛的运用在各行各业。
因此为了使无人飞行器能够满足其日益复杂的任务需求，无人飞行器就必须有具备高精度、高灵敏度及高可靠性的控制系统。
所以可靠性高、制造维修方便的电动舵机被广泛的应用在各种先进的无人飞行器上。
但是由于电动舵机本身的非线性和工作环境的复杂性，传统的控制方法已经无法满足人们对无人飞行器的性能要求。
所以必须研究新型控制方法以满足人们对无人飞行器日益增长的性能需求。
1.2 课题的研究意义得益于计算机技术的发展和数字控制器的广泛应用，人们能够更加深入方便的研究滑模控制技术(SMC)和预测控制技术（MPC）。
在对滑模控制技术（SMC）的研究过程中本文发现其具有：1.需要较大的控制力才能驱使状态轨迹到达滑模面；2.系统鲁棒性的强弱依赖于不确定项上界等缺陷。
在对预测控制技术的研究过程中，本文发现预测控制（MPC）所具有的建模方便，对模型要求低，能够滚动优化和动态控制效果好等特点恰好能够弥补滑模控制技术（SMC）的某些缺陷。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
硕士学位论文论文题目滑模预测控制算法及应用研究学科专业控制理论与控制工程作者姓名杨洋指导教师李书臣2008年11月学校代码：10148学号：01200602060520密级：□无□加密学院信息与控制工程入学时间2006年9月论文起止时间2007年11月—2008年11月答辩时间2008年12月研究成果声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得辽宁石油化工大学或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
特此申明。
签名：日期：学位论文版权使用授权书本学位论文作者完全了解辽宁石油化工大学有关保留、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的,复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后适用本授权书）。
签名：日期：导师签名：日期：滑模预测控制算法及应用研究摘要滑模变结构控制是一种非线性控制方法，对系统的参数变化和扰动具有完全的自适应性。
尤其对于模型不确定的系统，具有较好的稳定性和鲁棒性。
然而，滑模控制在切换面上存在着“抖振”。
近年来，为了改进滑模变结构控制的缺点，使其能够更多地应用于实际生产中，越来越多的学者将滑模变结构控制理论与其他控制理论相结合。
主动型磁悬浮轴承是一个典型的机电一体化系统，其本质是强烈的非线性。
磁轴承系统往往被应用于嘈杂的工业环境中，外界对系统的干扰很多，不确定性很大。
因此，合理的设计控制器对磁悬浮轴承来说变的十分重要。
本文针对离散变结构控制理论研究的现状,将预测控制的思想引入到离散变结构中，并以主动型磁悬浮轴承系统为控制对象，着重研究了以下内容:首先，针对传统离散变结构趋近律控制方法具有抖振严重的缺陷,提出了一种新的离散趋近律，证明了该趋近律的收敛性。
通过仿真表明了该趋近律对于确定性系统具有强抖振消弱能力和鲁棒性。
对于不确定性离散系统，引入了干扰观测器与本文提出的趋近律相结合设计变结构控制器,证明了该控制器是稳定的，仿真验证了该控制器具有良好的控制性能，能有效地抑制不确定因素带来的抖振。
其次,为了提高控制器的快速跟踪性能和抗扰性能，消除不确定因素的影响，本文将预测控制的思想引入到滑模变结构中，给出了滑模预测控制器的设计方法，并对其参考轨迹进行了改进，通过仿真验证了该方案可以有效减弱抖动对系统的不利影响，同时对系统参数变化和阻力扰动具有很强的鲁棒性。
I最后，分析了磁轴承系统的结构和工作原理，在平衡点附近建立了单自由度转子的传递函数模型。
运用本文给出的控制算法对系统模型进行仿真实验，仿真结果表明该方法具有快速精确的跟踪性能,实现了对磁悬浮轴承的稳定控制。
关键词:离散变结构,滑模预测控制,抖振抑制,趋近律设计,主动型磁悬浮轴承IIS TUDY AND APPLICATION OF SLIDING MODE PREDICTION CONTROL ALGORITHMSABSTRACTSliding mode variable structure is a nonlinear control method, which can well adapt to disturbance and parameter variations.It is stable and robust,especially for uncertain control system.However,the chattering exists in sliding mode control.In recent years,in order to overcome the shortcoming of the sliding mode control and make it be applied to more actual productions,more and more scholars began to combine sliding mode variable structure control theory with other control theory.Active magnetic bearing is a typical integration system of electrical and mechanical with the essence of strong non-linear characteristic.Magnetic bearing systems are often used in noisy industrial environments with a lot of uncertainty and disturbance,so reasonably design of the controller is very important for magnetic bearing systems.In this papers,based on the actuality of sliding mode variable structure theory,prediction control is introduced to combine with sliding mode control.The active magnetic bearing system is chosen as a controlled target,and some questions are studied as follows: Firstly,a new discrete reaching law is presented in order to deal with the chattering which exits in conventional variable structure reaching law method.The convergence of new reaching law is well proved.Good performance and robustness of this reaching law for nominal systems is proved through simulations.To uncertainty discrete system,this reaching law is joined with disturbance observer to designIIIcontroller,and the stability of controller is proved,the simulation shows the control algorithm can effectively suppress chatting caused by disturbance.Secondly,in order to enhance the fast tracking and anti-interference performance of the controller,eliminate influence brought by the uncertainties,predictive control is introduced to combine with sliding mode variable structure control.The method of sliding mode prediction controller designed is studied in this papers,meanwhile the reference trajectory of this method is improved.The simulation results show that the disadvantage of chatting can be effectively reduced by using the new method,and the stronger robustness against parametric variations and resistance disturbances are achieved．Finally,a single freedom mathematics model of active magnetic bearing are founded based on the analyzing the principle of active magnetic bearing.Improved control algorithm is used to the simulation system of Active magnetic bearing,the simulation results show that this method has a fast tracking performance,and stability control of magnetic bearing is achieved.KEYWORDSKEYWORDS::Discrete variable structure,Sliding mode prediction control,Chattering suppress,Reaching law，Activemagnetic bearingIV目录1绪论 (1)1.1引言 (1)1.2滑模变结构控制系统的描述及基本问题 (2)1.2.1滑模变结构控制的基本概念 (2)1.2.2滑模变结构控制的定义与基本特性 (2)1.2.3变结构控制系统的设计 (5)1.2.4变结构控制的主要特点 (5)1.3变结构控制理论国内外的发展现状和发展趋势 (6)1.4课题的目的及意义 (9)1.5课题的主要内容和结构 (10)2离散变结构控制器的趋近律设计方法 (11)2.1引言 (11)2.2离散时间系统的变结构控制 (12)2.2.1准滑动模态 (12)2.2.2离散滑模的存在性和可达性 (13)2.2.3离散滑模控制的不变性 (14)2.3确定性离散系统的滑模变结构控制 (14)2.3.1基于离散指数趋近律的滑模控制器的设计 (15)2.3.2基于幂指数趋近律的离散滑模控制器的设计 (16)2.3.3仿真研究 (19)i2.4不确定离散线性系统的滑模变结构控制 (22)2.4.1基于干扰观测器的离散滑模控制器的设计 (22)2.4.2基于改进干扰观测器的离散滑模控制器的设计 (23)2.4.3仿真研究 (25)2.5小结 (27)3改进参考轨迹的滑模预测变结构控制算法 (28)3.1引言 (28)3.2预测控制系统的基本原理 (29)3.2.1预测模型 (30)3.2.2滚动优化 (31)3.2.3反馈校正 (32)3.3滑模预测变结构控制器的设计 (33)3.3.1滑模预测模型 (33)3.3.2改进的滑模参考轨迹 (34)3.3.3滑模预测控制参数的设计 (35)3.4仿真研究 (37)3.5小结 (38)4主动型磁悬浮轴承系统的滑模预测控制 (39)4.1引言 (39)4.2主动型磁悬浮轴承的工作原理及数学模型 (40)4.2.1主动型磁悬浮轴承的结构分析及工作原理 (40)ii4.2.2单自由度磁轴承系统的数学模型 (42)4.3仿真研究 (46)4.4小结 (50)5结论与展望 (51)参考文献 (53)致谢 (57)攻读学位期间发表的学术论文目录 (58)iii滑模预测控制算法及应用研究1绪论1.1引言1948年维纳的《控制论》奠定了控制理论的基础，开创了工业生产、航空航天、国防建设等科技发展的自动控制时代。