[发明专利]一种基于模糊算法的Smith预估器参数估计方法

摘要

本发明阐述了一种基于模糊算法的Smith预估器参数估计方法，该方法可用于实时估计Smith预估器参数，协助Smith预估器准确、快速地提高时滞系统的PID控制性能。该方法利用时滞系统的输出与输入实时地估计Smith预估器的比例系数Kp(t)以及滞后环节系数τ(t)，利用模糊算法实时估计惯性环节系数T(t)。该发明的优点和特点是能够有效地实时估计出Smith预估器参数Kp(t)和τ(t)，大大提高了实时估计的准确性；惯性环节系数T(t)模糊算法模型的建立，不仅提高了T(t)实时估计的准确性与适应性，而且消除了外部干扰信号对惯性环节系数T(t)实时估计的干扰。该方法提高了基于PID控制的时滞系统的控制质量和准确性，并且保证了PID控制的实时性与稳定性。

主权项

一种基于模糊算法的Smith预估器参数估计方法，其特征在于，包括以下步骤：S1，设计时滞系统比例参数Kp(t)实时估计算法，比例参数Kp(t)的估计表达式为：Kp(t)=Σi=1NTi(t)N×TB(t)]]>式中，Ti(t)为t时刻时滞系统的实时输出，TB(t)为t时刻时滞系统的实时输入，为N次实验下时滞系统的实时输出总和，N×TB(t)为N次实验下时滞系统的实时输入总和；S2，设计时滞系统滞后环节参数τ(t)实时估计算法，滞后环节参数τ(t)的估计表达式为：τ(t)＝τ(t‑1)+Δτ(t)式中，τ(t‑1)为t‑1时刻滞后环节参数，Δτ(t)为t时刻滞后环节参数修正值；S3，建立惯性环节系数T(t)模糊算法模型，惯性环节系数T(t)模糊算法模型先在全范围内初步确定惯性环节系数T(t)所处的子区间，然后利用模糊算法模型对惯性环节系数T(t)进行高精度辨识；包括：①将被控对象的惯性环节参数T(t)在全范围内分为若干子区间，初步确定其所在的区间；②选取各子区间最小值作为Smith预估器的惯性环节参数T(t)的参考值，并以对应的系统输出作为系统辨识基准；令惯性环节参数T(t)在各子区间内逐渐增加，并记录下系统输出及其与系统辨识基准间的误差值；③建立模糊算法模型；a.选取系统输出与系统辨识基准间的误差为输入语言变量，惯性环节参数为输出语言变量，其语言值均为5个，即{ZE,PSS,PS,PM,PL}，令系统辨识误差和惯性环节参数T(t)语言变量的论域分别为X、Y，即X＝Y＝{0,1,2,3,4,5,6,7,8}；b.选取量化因子ke将输入变量转换为对应语言变量模糊集的论域，已知系统输入参考值为100，Rs为系统实际输入值，量化因子ke的表达式为：ke=100Rs]]>由此可得到输入、输出语言变量赋值表如下所示：c.根据输入、输出语言变量赋值表，令E为输入语言变量，T为输出语言变量，则模糊算法模型的控制规则如下：R1：if E＝ZE then T＝ZER2：if E＝PSS then T＝PSSR3：if E＝PS then T＝PSR4：if E＝PM then T＝PMR5：if E＝PL then T＝PL控制规则对应的模糊关系矩阵采用与乘运算，如下所示：则模糊算法模型的总模糊关系矩阵为：R＝R1∪R2∪R3∪R4∪R5d.模糊推理：模糊集合T0、T2、T4、T6和T8为输出语言变量{0,2,4,6,8}的模糊推理具体结果：模糊集合T1、T3、T5和T7为输出语言变量{1,3,5,7}的模糊推理具体结果：T1=T0+T22]]>T3=T2+T42]]>T5=T4+T62]]>T7=T6+T82]]>e.模糊判决：采用重心法作为模糊判决算法，输出模糊集合的反模糊化公式为：T(t)=Σk=08Tk(t)μ(vk)Σk=08μ(vk)]]>式中，Tk(t)为惯性环节参数的模糊推理结果，μ(vk)为输出语言变量量化变量，模糊判决结果即为所求t时刻的惯性环节参数；S4，通过S1、S2和S3能够实时估计出时滞系统的各参数，并且利用所估计的时滞系统的参数修正Smith预估器参数，Smith预估器利用已更新的内部参数实时计算时滞系统的PID控制修正量，从而实现对时滞系统进行最优化控制。