目錄
自適應控制
編輯自適應控制是控制器使用的控制方法,它必須適應參數變化或初始不確定的受控系統。 例如,飛機在飛行過程中,由于燃料消耗,其質量會慢慢下降; 需要一種能夠適應這種不斷變化的條件的控制法則。 自適應控制不同于魯棒控制,因為它不需要關于這些不確定或時變參數邊界的先驗信息; 魯棒控制保證如果變化在給定范圍內,則無需更改控制律,而自適應控制則關注控制律自身的變化。
參數估計
編輯自適應控制的基礎是參數估計,它是系統辨識的一個分支。 常用的估計方法包括遞歸最小二乘法和梯度下降法。 這兩種方法都提供了用于實時修改估計值的更新法則(即,隨著系統運行)。 Lyapunov 穩定性用于推導這些更新法則并顯示收斂標準(通常是持續激勵;這種條件的松弛在并發學習自適應控制中進行了研究)。 投影和歸一化通常用于提高估計算法的魯棒性。
自適應控制技術的分類
編輯一般來說,應該區分:
- 前饋自適應控制
- 反饋自適應控制
以及之間
- 直接法
- 間接方法
- 混合方法
直接方法是其中估計參數是直接在自適應控制器中使用的參數的方法。 相反,間接方法是使用估計參數來計算所需控制器參數的方法。 混合方法依賴于參數估計和控制律的直接修改。
反饋自適應控制有幾大類(分類可能會有所不同):
- 雙自適應控制器——基于雙控制理論
- 最佳雙控制器——難以設計
- 次優雙控制器
- 非對偶自適應控制器
- 自適應極點放置
- 追求極值的控制者
- 迭代學習控制
- 增益調度
- 模型參考自適應控制器 (MRAC) – 包含定義所需閉環性能的參考模型
- 梯度優化 MRAC——當性能與參考不同時,使用本地規則調整參數。 例如:MIT 規則。
- 穩定性優化的 MRAC
- 模型識別自適應控制器 (MIAC) – 在系統運行時執行系統識別
- 謹慎的自適應控制器——使用當前 SI 修改控制律,允許 SI 不確定性
- 確定性等效自適應控制器——將當前 SI 視為真實系統,假設沒有不確定性
- 非參數自適應控制器
- 參數自適應控制器
- 顯式參數自適應控制器
- 隱式參數自適應控制器
- 多個模型 – 使用大量模型,這些模型分布在不確定區域,并基于工廠和模型的響應。 每時每刻都會選擇一個模型,根據某種指標,該模型最接近工廠。
自適應控制中的一些專題也可以引入:
- 基于離散時間過程辨識的自適應控制
- 基于模型參考控制技術的自適應控制
- 基于連續時間過程模型的自適應控制
- 多變量過程的自適應控制
- 非線性過程的自適應控制
- 并行學習自適應控制,放寬一類系統參數收斂的持續激勵條件
近年來,自適應控制與模糊和神經網絡等智能技術相結合,產生了模糊自適應控制等新概念。
應用
編輯在設計自適應控制系統時,需要特別考慮收斂性和魯棒性問題。 Lyapunov 穩定性通常用于推導控制適應律并顯示 。
- 在一個操作點的實施階段對隨后固定的線性控制器進行自整定;
- 在實施階段針對整個操作點范圍對隨后固定的魯棒控制器進行自調整;
- 如果過程行為因老化、漂移、磨損等而發生變化,則根據要求對固定控制器進行自整定;
- 用于非線性或時變過程的線性控制器的自適應控制;
- 自適應控制或非線性過程的非線性控制器的自調整控制;
- 自適應控制或self-t
內容由匿名用戶提供,本內容不代表www.gelinmeiz.com立場,內容投訴舉報請聯系www.gelinmeiz.com客服。如若轉載,請注明出處:http://www.gelinmeiz.com/193442/