[发明专利]一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法

说明书

技术领域

本发明属于伺服系统控制领域，是一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法。

背景技术

伺服系统在许多方面有着广泛的用途，如数控机床，机器人。对伺服系统的精确控制不仅关系到产品的质量，更是保障生产效果。因此研究伺服系统的控制具有非常强的现实意义。

自从Richalct等人提出来了大范围预测控制概念以来，人们对于预测控制的研究一直进行着，在Richalct基础上clarke等人提出来了广义预测控制自校正器，该算法以carima模型为基础，采用了长时段的优化性能指标，结合辨识和自校正机制，具有较强的鲁棒性和模型要求低等特点，并具有广泛的适用范围。

在检索文献及专利中也有不少关于广义预测算法。如基于广义预测控制优化的水箱液位控制方法(公开号：CN 104076831 A)，其特点是采集各时刻水箱液位的高度和入水阀门开度的数据，根据采集的数据，基于广义预测优化控制算法辨识计算当前时刻入水阀门的PID参数，根据当前时刻如水阀门的PID控制器参数，控制入水阀门开度，进而控制水箱液位。该算法依旧采用传统广义预测控制，利用最小二乘法进行辨识，并且在模型构建上忽略了系统非线性。

发明内容

本发明的目的在于提供自动控制技术领域中的一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法。

本发明的目的是这样实现的：

基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，述方法包括：

(1)采集各时刻的伺服系统的位置的数据；

(2)根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；

(3)根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识

(4)根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；

(5)进入下一个时刻返回步骤(1)；

所述根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型具体包括如下步骤：

根据丢番图预测方程可得n个并列预报器为

y(k)，u(k)，d_nl(k)，f(k)分别表示系统的输出、输入，系统的非线性部分和开环预测向量；

y(k+n)＝g_n-1Δu(k)+…+g₀Δu(k+n-1)+f(k+n)+d_nl(k+n)

令X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1],θ(k)＝[g_n-1,g_n-1,…,g₀,f(k+n)]^T，

y(k+n)＝X(k)θ(k)+d_nl(k+n)

输出预测值为

y(k+n/k)＝X(k)θ(k)+d_nl(k+n)或y(k/k-n)＝X(k-n)θ(k)+d_nl(k)

辅助模型最小二乘法的递推式为

式中，λ₁为遗忘因子，0＜λ₁＜1，

所得θ(k)的估计值g₀,g₁,…,g_n-1和f(k+n)，k时刻n步估计值算出：

式中，X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1]，Δu(k),Δu(k+1),…,Δu(k+n-1)根据误差校正得：

式中，p为模型时域长度(p≥n)，h₂,h₃,…,h_p为误差校正系数；

为预测误差，h₂＝h₃＝…＝h_p＝1；

由f与Y₀的等价性，得到下一时刻的预测向量f为

所述根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识的步骤是：

非线性只与输入量有关，即d_nl＝au(k)^b，适应值函数为