精华内容
下载资源
问答
  • 系统辨识理论及应用

    2018-04-24 12:55:09
    系统辨识理论及应用
  • 系统辨识理论及应用 可用于研究生和本科生 PPT文件
  • 系统辨识理论及应用 箫德云 系统辨识新论 丁峰.
  • 系统辨识理论及应用(萧德云),完整版,共614页,高清晰度
  • 萧德云的系统辨识理论及应用,本文讲的很全,不过感觉本文偏重辨识算法,输入信号的设计、最优实验设计没讲,不得不说有点缺陷,其次,感觉文笔一般,没有太让人想看的欲望,丁锋出了更全的系统辨识,不过暂时没搞到...
  • 萧德云的系统辨识理论及应用,本文讲的很全,不过感觉本文偏重辨识算法,输入信号的设计、最优实验设计没讲,不得不说有点缺陷,其次,感觉文笔一般,没有太让人想看的欲望,丁锋出了更全的系统辨识,不过暂时没搞到...
  • 待续-----系统辨识系统辨识包括试验设计、模型结构确定、参数估计和模型验证四方面的内容。PID参数整定方法:(1) 基于幅值相位裕度的自整定方法(2) Ziegler-Nichols整定方法PID控制器参数整定经验公式(Z-N公式),...

    107543192c70101cb2a78597903144a3.png

    待续-----

    系统辨识:

    系统辨识包括试验设计、模型结构确定、参数估计和模型验证四方面的内容。

    PID参数整定方法:

    (1) 基于幅值相位裕度的自整定方法

    (2) Ziegler-Nichols整定方法

    PID控制器参数整定经验公式(Z-N公式),针对带有纯时间延迟的一阶近似模型或频率响应数据设定

    (3) 根据系统辨识进行PID参数整定

    辨识、参数整定工具箱可参考matlab相关工具箱

    参考:

    https://wenku.baidu.com/view/1ce3e1492e3f5727a5e962de.html

    《自控原理》主要是在《常微分方程》和《复变函数》和《最优化》框架下研究控制系统,《现代控制理论》是在《常微分方程》和《矩阵论》和《最优化》框架下研究控制系统。

    现代控制理论是在20世纪50年代中期迅速兴起的空间技术的推动下发展起来的。空间技术的发展迫切要求建立新的控制原理,以解决诸如把宇宙火箭和人造卫星用最少燃料或最短时间准确地发射到预定轨道一类的控制问题。这类控制问题十分复杂,采用经典控制理论难以解决。

    1958年,苏联科学家Л.С.庞特里亚金提出了名为极大值原理的综合控制系统的新方法。在这之前,美国学者R.贝尔曼于1954年创立了动态规划,并在1956年应用于控制过程。他们的研究成果解决了空间技术中出现的复杂控制问题,并开拓了控制理论中最优控制理论这一新的领域。1960~1961年,美国学者R.E.卡尔曼和R.S.布什建立了卡尔曼-布什滤波理论,因而有可能有效地考虑控制问题中所存在的随机噪声的影响,把控制理论的研究范围扩大,包括了更为复杂的控制问题。几乎在同一时期内,贝尔曼、卡尔曼等人把状态空间法系统地引入控制理论中。状态空间法对揭示和认识控制系统的许多重要特性具有关键的作用。其中能控性和能观测性尤为重要,成为控制理论两个最基本的概念。到60年代初,一套以状态空间法、极大值原理、动态规划、卡尔曼-布什滤波为基础的分析和设计控制系统的新的原理和方法已经确立,这标志着现代控制理论的形成。

    经典控制理论的研究对象是单输入单输出的自动控制系统,特别是线性定常系统。经典控制理论的特点是以输入输出特性为系统的数学模型。以传递函数为基础。

    现代控制理论所包含的学科内容十分广泛,主要的方面有:线性系统理论、非线性系统理论、最优控制理论、随机控制理论和适应控制理论。

    线性系统理论:它是现代控制理论中最为基本和比较成熟的一个分支,着重于研究线性系统中状态的控制和观测问题,其基本的分析和综合方法是状态空间法。按所采用的数学工具,线性系统理论通常分成为三个学派:基于几何概念和方法的几何理论,代表人物是W.M.旺纳姆;基于抽象代数方法的代数理论,代表人物是R.E.卡尔曼;基于复变量方法的频域理论,代表人物是H.H.罗森布罗克。

    非线性系统理论:非线性系统的分析和综合理论尚不完善。研究领域主要还限于系统的运动稳定性、双线性系统的控制和观测问题、非线性反馈问题等。更一般的非线性系统理论还有待建立。从70年代中期以来,由微分几何理论得出的某些方法对分析某些类型的非线性系统提供了有力的理论工具。

    最优控制理论:最优控制理论是设计最优控制系统的理论基础,主要研究受控系统在指定性能指标实现最优时的控制规律及其综合方法。在最优控制理论中,用于综合最优控制系统的主要方法有极大值原理和动态规划。最优控制理论的研究范围正在不断扩大,诸如大系统的最优控制、分布参数系统的最优控制等。

    随机控制理论:随机控制理论的目标是解决随机控制系统的分析和综合问题。维纳滤波理论和卡尔曼-布什滤波理论是随机控制理论的基础之一。随机控制理论的一个主要组成部分是随机最优控制,这类随机控制问题的求解有赖于动态规划的概念和方法。

    适应控制理论:适应控制系统是在模仿生物适应能力的思想基础上建立的一类可自动调整本身特性的控制系统。适应控制系统的研究常可归结为如下的三个基本问题:①识别受控对象的动态特性;②在识别对象的基础上选择决策;③在决策的基础上做出反应或动作。

    自适应控制

    自适应控制系统通过不断地测量系统的输入、状态、输出或性能参数,逐渐了解和掌握对象,然后根据所得的信息按一定的设计方法,作出决策去更新控制器的结构和参数以适应环境的变化,达到所要求的控制性能指标。

    自适应控制系统应具有三个基本功能:

    ⑴辨识对象的结构和参数,以便精确地建立被控对象的数学模型;

    ⑵给出一种控制律以使被控系统达到期望的性能指标;

    ⑶自动修正控制器的参数。因此自适应控制系统主要用于过程模型未知或过程模型结构已知但参数未知且随机的系统。

    自适应控制系统的类型主要有自校正控制系统,模型参考自适应控制系统,自寻最优控制系统,学习控制系统等。非线性系统的自适应控制,基于神经网络的自适应控制又得到重视,提出一些新的方法。

    鲁棒控制

    过程控制中面临的一个重要问题就是模型不确定性,鲁棒控制主要解决模型的不确定性问题,但在处理方法上与自适应控制有所不同。自适应控制的基本思想是进行模型参数的辨识,进而设计控制器。控制器参数的调整依赖于模型参数的更新,不能预先把可能出现的不确定性考虑进去。而鲁棒控制在设计控制器时尽量利用不确定性信息来设计一个控制器,使得不确定参数出现时仍能满足性能指标要求。

    鲁棒控制认为系统的不确定性可用模型集来描述,系统的模型并不唯一,可以是模型集里的任一元素,但在所设计的控制器下,都能使模型集里的元素满足要求。鲁棒控制的一个主要问题就是鲁棒稳定性,常用的有三种方法:

    ⑴当被研究的系统用状态矩阵或特征多项式描述时一般采用代数方法,其中心问题是讨论多项式或矩阵组的稳定性问题;

    ⑵李雅普诺夫方法,对不确定性以状态空间模式出现时是一种有利工具;

    ⑶频域法从传递函数出发研究问题,有代表性的是Hoo控制,它用作鲁棒性分析的有效性体现在外部扰动不再假设为固定的,而只要求能量有界即可。这种方法已被用于工程设计中,如Hoo最优灵敏度控制器设计。

    模糊控制

    模糊控制借助模糊数学模拟人的思维方法,将工艺操作人员的经验加以总结,运用语言变量和模糊逻辑理论进行推理和决策,对复杂对象进行控制。模糊控制既不是指被控过程是模糊的,也不意味控制器是不确定的,它是表示知识和概念上的模糊性,它完成的工作是完全确定的。

    1974年英国工程师E.H.Mamdam首次把Fuzzy集合理论用于锅炉和蒸气机的控制以来,开辟了Fuzzy控制的新领域,特别是对于大时滞、非线性等难以建立精确数学模型的复杂系统,通过计算机实现模糊控制往往能取得很好的结果。

    模糊控制的类型有:

    ⑴基本模糊控制器,一旦模糊控制表确定之后,控制规则就固定不变了;

    ⑵自适应模糊控制器,在运行中自动修改、完善和调整规则,使被控过程的控制效果不断提高,达到预期的效果;

    ⑶智能模糊控制器,它把人、人工智能和神经网络三者联系起来,实现综合信息处理,使系统既具有灵活的推理机制、启发性知识与产生式规则表示,又具有多种层次、多种类型的控制规律选择。

    模糊控制的特点是不需要精确的数学模型,鲁棒性强,控制效果好,容易克服非线性因素的影响,控制方法易于掌握。有人提出神经——模糊Inter3融合控制模型,即把融合结构、融合算法及控制合为一体进行设计。又有人提出利用同伦BP网络记忆模糊规则,以“联想方式”使用这些经验。

    模糊控制有待进一步研究的问题:模糊控制系统的功能、稳定性、最优化问题的评价;非线性复杂系统的模糊建模,模糊规则的建立和模糊推理算法的研究;找出可遵循的一般设计原则。

    神经网络控制

    神经网络是由所谓神经元的简单单元按并行结构经过可调的连接权构成的网络。神经网络的种类很多,控制中常用的有多层前向BP网络,RBF网络,Hopfield网络以及自适应共振理论模型(ART)等。

    神经网络控制就是利用神经网络这种工具从机理上对人脑进行简单结构模拟的新型控制和辨识方法。神经网络在控制系统中可充当对象的模型,还可充当控制器。常见的神经网络控制结构有:

    ⑴参数估计自适应控制系统;

    ⑵内模控制系统;

    ⑶预测控制系统;

    ⑷模型参考自适应系统;

    ⑸变结构控制系统。

    神经网络控制的主要特点是:可以描述任意非线性系统;用于非线性系统的辨识和估计;对于复杂不确定性问题具有自适应能力;快速优化计算能力;具有分布式储存能力,可实现在线、离线学习。

    有人提出以Hopfield网络实现一种多分辨率体视协同算法,该算法以逐级融合的方式自动完成由粗到细,直至全分辨率的匹配和建立。又有人提出一种网络自组织控制器,采用变斜率的最速梯度下降学习算法,应用在非线性跟踪控制中。今后需进一步探讨的问题是提高网络的学习速度,提出新的网络结构,创造出更适用于控制的专用神经网络。

    实时专家控制

    专家系统是一个具有大量专门知识和经验的程序系统,它应用人工智能技术,根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程,以解决那些需要专家决定的复杂问题。专家系统和传统的计算机程序最本质的区别在于:专家系统所要解决的问题一般没有算法解,并且往往要在不完全、不精确或不确定的信息基础上作出结论。

    实时专家系统应用模糊逻辑控制和神经网络理论,融进专家系统自适应地管理一个客体或过程的全面行为,自动采集生产过程变量,解释控制系统的当前状况,预测过程的未来行为,诊断可能发生的问题,不断修正和执行控制计划。实时专家系统具有启发性、透明性、灵活性等特点,已经在航天试验指挥、工业炉窑的控制、高炉炉热诊断中得到广泛应用。需要进一步研究的问题是如何用简洁语言来描述人类长期积累的经验知识,提高联想化记忆和自学习能力。

    定性控制

    定性控制是指系统的状态变量为定性量时(其值不是某一精确值而只知其处于某一范围内),应用定性推理对系统施加控制变量使系统在某一期望范围。

    定性控制方法主要有三类:

    ⑴基于定量模型的定性控制,其特点是系统的定量模型假定已知,以定量模型为基础推导定性模型;

    ⑵基于规则的定性控制,其特点是构成定性模型的规则凭人们经验的定性推理即可得到,或通过状态的穷举得到;

    ⑶基于定性模型的定性控制,其特点是直接通过对定性模型的研究来导出定性控制。

    定性控制与模糊控制的区别:模糊控制不需建模,其控制律凭经验或算法调整,而定性控制基于定性模型,控制规则基于对系统的定性分析;模糊控制是基于状态的精确测量值,而定性控制基于状态的定性测量值。

    定性控制面临的问题:发展定性数学理论,改进定性推理方法,注重定性和定量知识的结合;研究定性建模方法,定性控制方法;加强定性控制应用领域的研究。

    预测控制

    预测控制是在工业实践过程中独立发展起来的一种新型控制方法,它不仅适用于工业过程这种“慢过程”的控制,也能适用于快速跟踪的伺服系统这种“快过程”控制。实用的预测控制方法有动态矩阵控制(DMC)[阶跃模型],模型算法控制(MAC)[脉冲模型],广义预测控制(GPC),模型预测启发控制(MPHC)以及预测函数控制(PFC)等。这些方法具有以下特征:

    ⑴以计算机为实现手段,采取在线实现方式;

    ⑵建模方便,不需深入了解过程的内部机理,对模型精度要求不高;

    ⑶采用滚动优化策略,在线反复进行优化计算,使模型失配、外界环境的变化引起的不确定性及时得到弥补,提高控制质量。

    最有人提出一种新的基于主导内模概念的预测控制方法:结构对外来激励的响应主要由其本身的模态所决定,即结构只对激励信息中与其起主导作用的几个主要自振频率相接近的频率成分有较大的响应。利用神经网络对被控对象进行在线辨识,然后用广义预测控制规律进行控制得到较多重视。

    预测控制存在的问题是预测精度不高;反馈校正方法单调;滚动优化策略少;对任意的一般系统,其稳定性和鲁棒性分析较难进行;参数调整的总体规则虽然比较明确,但对不同类型的系统的具体调整方法仍有待进一步总结。

    分布式控制系统

    分布式控制系统又称集散控制系统,是70年代中期发展起来的新型计算机控制系统,它融合了控制技术(Control),计算机技术(Computer),通信技术(Communication),图像显示技术(CRT)的“4C”技术,形成了以微处理器为核心的系统,实现对生产过程的监视、控制和管理。

    既打破了常规控制仪表功能的局限,又较好地解决了早期计算机系统对于信息、管理过于集中带来的危险,而且还有大规模数据采集、处理的功能以及较强的数据通信能力。

    分布式控制系统既有计算机控制系统控制算法灵活,精度高的优点,又有仪表控制系统安全可靠,维护方便的优点。它的主要特点是:真正实现了分散控制;具有高度的灵活性和可扩展性;较强的数据通信能力;友好而丰富的人机联系以及极高的可靠性。

    展开全文
  • 过程辨识及系统建模入门资料,讲解都很全面,与大家分享学习资料,不做商业用途
  • 提起系统与控制领域的学习,经常说的就是,刚接触这...【适用人群】适用于打算从事控制理论研究和应用的工程相关人士【具体推荐】系统学与基本控制第一本,反馈控制原理、或者国内的自动控制原理适用于初学控制理论...

    提起系统与控制领域的学习,经常说的就是,刚接触这一领域的学习者总会在各种控制理论中迷茫,有的甚至会劝退,这么多理论,无从下手。这篇文章就来简单整理一下主流的。

    【学习前提】

    假设阅读者已经修完微积分、线性代数、概率论数理统计,并具备基本的英文文献阅读能力。

    【适用人群】

    适用于打算从事控制理论研究和应用的工程相关人士

    【具体推荐】

    系统学与基本控制

    第一本,反馈控制原理、或者国内的自动控制原理

    适用于初学控制理论的学习者,里面一些理论虽然早已不是学术热点,但在一般的应用场合还是有市场的。

    68277bf646bc0fd26a09252c6696d8ac.png

    第二本,线性系统理论

    这里可能会有疑问,不少人说,国内的课程设置中,自动控制后边是现代控制,研究生才是线性系统理论,为什么这里第二本就是它。如果看过这两本教材就会发现,现代控制和线性系统两者均基于状态空间,而且在知识理解、体系构建上,线性系统理论也要优于本科所学的现代控制。

    f3282ee560cf78d663971c12bfb23ef6.png

    第三本,非线性系统理论

    为了建立起对于控制理论全局的认识,在学习完线性系统理论后,继续了解非线性系统理论。

    有人可能会说,你这又是线性系统、又是非线性系统的,一本书都上千页,学完还能学其他的?

    之所以首先推荐这三类书,主要考虑到搞这块研究的话,首先得掌握系统的基本分析方法,而不了解线性系统和非线性系统的概况,对于后续研究也是无从下手,初学者可以读一读导论,然后在某一方向的研究中继续深入学习。

    1a1e2617cfac57fa39f4f56764e0c9d4.png

    或者参考:

    335c32d0d0d6ac51f002d24d26ded6a1.png

    第四本、动力学相关

    d6ff9ba77fbdf52b04825125bfa72afe.png

    研究方向

    在完成以上四本书学习后,对控制涉及的系统理论有了一个大概的认识,接下来就是选择研究方向的问题。一般可以参考导师,也可以参考维基百科列出的主流控制理论。

    主要有滑模控制、鲁棒控制、神经网络、最优控制与状态估计、系统辨识、自适应控制、多智能体与网络化控制、模型预测控制等,(大方向选择范围依据日本朝仓书店出版的制御の事典(控制百科全书),如有遗漏,请在评论区赐教。)

    对于与具体生产结合的过程控制,运动控制等,由于研究方向涉及较多,本文仅从理论上予以区分。

    注意:教材只是入门,深入研究依靠文献。

    1、滑模控制:

    9c1025c889eed29a342b163d2fb34101.png

    2、鲁棒控制

    2be580991766e3e62b2810a8df1ab352.png

    3、神经网络

    3f7c22c44ab1bac2f0b84f9ee5905c80.png

    4、最优控制

    aafb226e63b561ef6b7a17477e26d48c.png
    840b8f48523366c25b5b5398d87a0f59.png
    3197b90dbae3a9e853c62cbe80e22be7.png

    另外有本新书,涉及到机器学习与最优控制,可以参考

    f783adfd7f61098ff2d20887272ba882.png

    5、系统辨识

    9d46c49d22cbc3d58ccad933e67e4fa4.png

    6、自适应控制

    c5bbab0814d356791902628305724f73.png

    7、多智能体与网络化控制

    36678efe7c5b6944227bf156ddda57be.png
    49c374762df5b5b582b87aba35dbc816.png

    8、模型预测控制

    ebe624a9f758c87b8b2c839101fcd89a.png
    展开全文
  • 最小二乘法辨识、极大似然法辨识、时变参数辨识方法、多输入一多输出系统的辨识、其他一些辨识方法、随机时序列模型的建立、系统结构辨识和闭环系统辨识
  • 那么如何进行辨识及评价呢?又如何区分什么是重要的危险源呢?危险源辨识:应充分采用系统安全的分析方法,对生产场所中的危险源进行辨识。那么系统安全的分析方案有哪些呢?目前比较常见的方法有(1)预先危害分析...

    f6e2a969923ffce74f57748c1e270989.png

    ​危险源辨识,是指发现、识别系统中的危险源。危险源的评价,是指对辨识发现的危险源进行打分,确定危险性大小。辨识和评价的结果可以作为我们安全管理的基础,有针对性的对重要的危险源进行重点管控。

    那么如何进行辨识及评价呢?又如何区分什么是重要的危险源呢?

    危险源辨识:

    应充分采用系统安全的分析方法,对生产场所中的危险源进行辨识。

    那么系统安全的分析方案有哪些呢?目前比较常见的方法有(1)预先危害分析PHA;(2)事故后果分析;(3)故障类型和影响分析FMEA(4)危险性和可操作性研究HAZOP;(5)事故树分析ETA;(6)故障树分析FTA;(7)管理疏忽和危险树MORT等。

    我们国内也出台了一些法律法规,可以作为危险源辨识的一些提示。如《GB/T 13861-2009_生产过程的危险和有害因素危险分类与代码》及《GB 6441-1986_企业职工伤亡事故分类》等。

    6a1b0c31b5fac22a10e41790efe30fab.png

    ▲车辆伤害事故

    危险源在实际的辨识中,一般采用的方式为经验法,那么在采用经验法进行辨识的时候,需要注意几点问题,第一是辨识的员工对工作现场一定很熟悉,对设备设施具有充分的了解;第二是可以采取对设备设施的能量进行辨识(化学品?机械能?电能?等);第三是辨识过程需要充分结合员工的作业行为并涵盖所有作业行为,包括有正常作业、维修、维护、应急等情况。

    第四是发生过事故的危险源,需要纳入辨识中。

    f0eab2bda6c141be3d370918b4e29966.png

    ▲危险源的辨识也应该坚持PDCA的循环理论

    危险源的辨识并不是辨识一次就完了,随着人员对设备的了解的不断深入、发生事故事件、四新导入、设备的老化等,需要不断的对危险源辨识结果进行再辨识,以保证有效性。

    危险性评价:

    危险性评价是评价危险源导致事故、造成人员伤亡或财产损失的危险程度的工作。

    简单来说,危险性的评价大致就是关注可能性与严重程度的两个方面的问题。

    37a76302192f7e2d2249d38695d2e039.png

    ▲登高作业

    系统中危险源的存在是必然的,任何工业生产系统中都存在的很多的危险源。受到实际人力、物力等方面因素的限制,不可能彻底消除或完全控制危险源,只能集中有限的人力物力消除或控制危险性较大的危险源。危险性很小的危险源,基本可以忽略。危险性大小确定后,可以作为采取控制措施优先次序的依据。

    国内使用最为广泛的评价方法是LECD法。

    L--发生事故的可能性;

    E--暴露于这种危险环境的频率;

    C--事故导致后果的严重程度。

    D=L*E*C,D--危险源的危险性大小。

    具体的评价方法可以百度,这里就不展开说了。

    D值越大,则危险源的危险性越大。

    当我们发现D值很大,危险源的危险性很高的时候,我们就应该采取控制措施进行预防,明天再给大家讲危险源的控制技巧,今天就说到这。

    END

    展开全文
  • 读书期间对控制理论的理解比较粗浅,比较多的专注于理论推导,稳定性证明,花式拼凑控制输入的公式设计,以至于忽略了行业里面的核心问题。工作后在实际问题中思考锻炼,体会到了不同的感受。很多人都说现代的理论和...

    读书期间对控制理论的理解比较粗浅,比较多的专注于理论推导,稳定性证明,花式拼凑控制输入的公式设计,以至于忽略了行业里面的核心问题。工作后在实际问题中思考锻炼,体会到了不同的感受。很多人都说现代的理论和工程实践似乎已经阴阳两隔,PID就是控制器的主流,工程师不想弄懂复杂的数学理论,理论家不想深入参与实际工程,甚至有人说控制已死,那我们学了个这些控制理论到底有什么用?

    由于知乎上劝退控制理论的人一大堆,普遍认为工作难找,天下只有写软件,做人工智能才能算正经行业,我想了一想,既然知乎没给我设置发表言论的门槛,我也可以来谈一下我对控制理论的想法。之前有回答过类似的问题,这里就重新组织整理一下。

    首先,控制理论主要在干什么?一堆人认为控制理论就是推公式,或者就是PID调参数。这样的理解是非常片面的。控制理论的确涉及到广泛的应用数学内容,公式推导也是学习过程中不可避免的,但它们不是控制理论的核心所在。真正重要的是对整个控制系统的理解,对控制策略的理解,对控制需求的理解。

    对控制系统的理解意味着你需要很清楚你面对的对象是什么样的。这里的对象不仅是指被控的物理系统,还包括输出目标,控制器,能提供输出以及某些系统状态反馈的传感器,这是一个完整的闭环。控制理论要做的就是针对一个具有一系列特征的被控物理系统,考虑到现有的反馈能力,设计一种算法来处理反馈量和输出目标量,使得该物理系统真实的输出能够足够接近输出目标。理论上,这就是一个微分方程由状态到输入的逆向求解过程。对于绝大多数控制算法,控制能力的好坏取决于设计人员对于被控对象的的了解程度。这很好理解,对被控对象的动态性能理解得越深刻,或者能提供给控制器利用的系统信息越多,那么我们对被控对象的数学描述也就越精确,那么逆向求解控制输入的可能性也就越大。现实中用几个微分方程去等价一个物理系统那是不良行为,因为现在研究的物理系统往往很复杂,光由运动学动力学推导出来的数学模型是不够用的。工程上常用的是用真实的系统输入输出数据做系统模型辨识,找到尽可能接近的模型。复杂的数据模型对于具体的控制器设计是极其不利的,因为这些被控对象往往是不确定的非线性的系统,其非线性在不同的工作点有强有弱,输入输出通道也能根据你的定义而有数量上的变化,加之具体的对象本身有物理结构,需要反馈的状态有时候很难找到一个地方去装传感器,有的状态甚至根本无法测量。这时候你就需要回答控制系统一系列的评估问题:你可以控制的量是什么?你是怎么测量输出误差的?如果模型太过复杂,什么样的简化才是合理的?控制可以在工作点把系统线性化以后再做设计吗?如果是通过一系列的工作点线性化后做的控制设计,那么系统在工作点之间的控制量是不是简单做插值?如果系统可以合理地线性化,那系统可控吗?如果有的状态量因为传感器不行而测不到,那可不可能设计状态观测器?系统在控制总线和传感器的反馈信息上带着的时间延迟有多少?很多人对PID不屑一顾,但工程上在“想当然地”决定使用如此简单的PID控制之前,是需要回答以上很多问题的。如果使用其他高端控制算法之前并不能实在地回答例如如何处理控制对象的模型之类的问题,那你不应该冒险去使用那些算法,而回答这些问题的根基就在于你所学的控制理论知识。

    对控制策略的理解是建立在对控制系统本身的理解之上的。只有清楚了你在面对一个什么样的控制问题,你才能去判断和选择控制方案。控制理论的一个作用是开阔我们对控制算法应用的眼界,你只有脑中积累了很多的控制策略以及清楚它们的适用范围,你才可能会去思考如何在目前的情境下使用和选择它们。在这里同样牵扯到以上提到的种种问题:你需要明智地利用你处理完的系统模型,例如简化模型后系统保留了多少不确定性,这些不确定性可不可以通过一些实际的假设来描述,以及这样的不确定性对闭环控制的稳定性是什么样的影响。非常特别地,实际工程对于控制的稳定性和安全性的考虑要多于控制效果。很多文献和研究提出的控制器,对于一类非线性系统,止步于满足闭环的李雅普诺夫稳定。这样的稳定性分析实际中用的多吗?谁用谁知道。很多人就是因为太关注这一类的稳定性分析而抛开了控制策略的核心问题:如何评价设计好的控制策略。是输出能稳定地跟踪到目标就可以吗,还是需要保留一定的稳定裕度?那我该怎么去量化闭环系统到底有多稳定?实际应用里,只有在保证足够的稳定性之后,才有资格去谈如何提升和优化控制效果。更多的牵扯到系统稳定性的问题还有,如果单纯的李雅普诺夫稳定性判定不能可靠使用,那能不能试试频域的分析方法?系统传感器和控制总线上带来的时间延迟是会影响闭环稳定性的,你所选的控制策略有没有对这些影响做一个量化分析呢?另外控制策略的选择是很依赖于成本和可靠性的,一个实用的控制器肯定是实现复杂度低,硬件设备尽可能少的。这些目标有时会冲突,需要考虑做出妥协。例如当系统某些状态可观时,设计观测器就能省下买传感器的一大笔钱,还能减少系统硬件设备连接提高可靠性,但设计观测器本身却是个艰难的任务,往往会使控制算法复杂化,增加设计和维护成本。在做控制设计时面对这么多的问题,一个不懂控制理论的人如何能回答,以及你的团队怎么被你提出的控制策略说服?在使用你认为简单的PID控制器的时候,你同样不能避开这些问题,并且你需要以回答这些问题的方式具体给出调参的依据。

    对于控制需求,这就属于更高层级的问题了,这里往往会涉及到系统运行的安全性和对控制目标做出一定的让步和限制。举个现在很火的自动驾驶的例子,车辆在本身没有部件失灵或者损坏的情况下,你的控制器需要让让它在跟踪轨迹时保证在一定的空间范围内。你设计控制器时就要清楚这个空间在低速时候有多大,在高速时又有多大。根据这些空间的大小需求,控制器能给规划路径上最大侧向加速度提出什么要求,或者车辆最多能跟踪多大曲率的路径。有这些回答后,车辆可以在某些速度下做多的快变道呢?这些是需要控制工程师在设计好的控制器后所要写出来让其他团队去考量和验证的东西,如果其他团队对你的结果不满意,那你还要继续修改控制器。控制理论的作用就是告诉你如何面对这些性能需求问题时提出合理的控制设计,这里就包括界定系统所需的稳定裕度需求,对车辆动力学模型的不确定性界定需求,以及清楚你的控制器的每个部分变化还能不能满足这些控制需求。即使看起来最简单的PID,也不是随便调调参数看到系统稳定了就算了,你需要和整个团队的工作去做整合,满足各种控制需求,并随时准备更改参数。

    简单总结一下,控制理论的应用并没有简单的根据微分方程推推公式,用一下李雅普诺夫的理论,稳定了就结束了。系统是复杂的,需要考虑各种问题,而控制理论带来的就是面对这些问题时候做出的合理判断和决定。同样,简单的PID控制,包含的也远远不止调参数这样的问题,而是它到底能多好的应对你的系统。如果不用控制理论,请问你该如何设计好这样一个简单的控制器呢?虽然很多核心知识都在一个自动化领域的本科学习过程中接触到了,但是获得这个领域更高的学位是能带来更多好处的。广阔的眼界和知识能帮助你在困难中寻求出路,对简单的理论反复理解,则能让你认识到,其实你还根本不懂那些理论,更别提在实际应用中游刃有余。对于这个领域毕业的学生,特别是获得了高等学位的,我很希望他们能进军工业界,用他们更多的知识来填补工程应用和理论上的沟壑,这些沟壑不仅仅是决定是不是只要用PID,更深远的在于,到底怎么样能用出一个控制器的精髓。我们应该抛弃那些只为炫数学理论分析之技而严重忽略实际应用的控制理论,掀掉这层模糊不清误导学生的布,让控制理论理应发挥的能力能被更多人看到和理解,调和理论和实际这看似魔幻的矛盾。前路漫漫,我辈当奋斗。

    展开全文
  • 全书共14章,主要为绪论、系统辨识常用输入信号、线性系统的经典辨识方法、动态系统的典范表达式、最小二乘法辨识、极大似然法辨识、时变参数...辨识系统辨识在飞行器参数辨识中的应用、神经网络在系统辨识中的应用...
  • 它主要强调企业应该辨识核心竞争力,并给出了思路,但该理论在实践应用中还更多需要“悟”,工具性不强。 后记:今天学习的是关于企业战略分析的基本知识框架,有个感觉,下次我要就着每一个分析工具进行深入学习,...
  • 上海大学机电工程与自动化学院的研究人员杨影、张杰鸣等,在2018年第23期《电工技术学报》上撰文(论文标题为“转速负反馈在伺服系统机械谐振抑制中的应用研究”)指出,伺服电机驱动系统中的弹性连接装置会引发机械...
  • 提起系统与控制领域的学习,经常被谈论到的就是,对于刚接触这个领域的初学者总会在各种控制理论中迷茫,有的甚至直接劝退。面对众多理论,完全无从下手。下面就简单梳理一下主流的书籍,能够帮助你更容易上手控制...
  • 本文转载自 控制理论学习书单本人现在做运筹学方面的研究,但是本科是自动化出身,心里还是保留着对自动化学科的一点...【适用人群】适用于打算从事控制理论研究和应用的工程相关人士【具体推荐】系统学与基本控制第...
  • 该方法首先建立系统正常状态下的NARX辨识模型,通过辨识模型获取系统故障状态样本的模型残差;然后运用序贯概率比检验对残差进行假设检验,以检测系统的故障状态。随后,贺湘字提出了基于RBF网络和ARX模型的故障诊断...
  • 此前国网营销部计量处副处长周晖关于“客户侧泛在电力物联网智能感知技术研究与应用”(具体文字内容请点击【营销计量视角】客户侧泛在电力物联网智能感知技术研究与应用)的演讲中提到9大关键技术...
  • 本书从MATLAB仿真角度系统介绍了系统辨识的基本理论、基本方法和应用技术,系统辨识常用输入信号、最小二乘参数辨识方法原理、极大似然参数辨识方法及其应用、传递函数的时域和频域辨识、神经网络辨识及其应用、...
  • 系统辨识理论及其MATLAB仿真应用,适合控制研究者学习使用
  • 全书共9章,包括绪论、系统辨识常用输入信号、最小二乘参数辨识方法原理、极大似然参数辨识方法及其应用、传递函数的时域和频域辨识、神经网络辨识及其应用、模糊系统辨识、智能优化算法辨识灰色系统辨识。...
  • 论文研究-复杂机电系统关键部件辨识方法及应用.pdf, 鉴于现有衡量系统中关键部件的重要性测度在构建时仅考虑拓扑重要性或功能重要性,本文利用Choquet积分,结合部件...
  • 系统辨识期末大作业

    2014-06-29 11:52:57
    系统辨识理论及应用 期末大作业 有matlab代码和实验内容
  • 对混沌理论中的C-C方法进行简化,并用这种方法对5大煤矿的瓦斯浓度监测数据构成的时间序列进行相空间重构,依据数据的实际情况确定其最佳时延和嵌入维,然后用加权一阶局域法对下一时刻的瓦斯浓度进行预测。...
  • 基于matlab的采用相关分析法和hankel矩阵法进行系统辨识,使用的是《系统辨识理论及应用》这本书的一个传递函数,通过自己的理解,写出来的进行系统辨识的算法。有兴趣可以自己去买一下这本书回来看,很好的一本教材
  • 根据块最小均方(BLMS)原理约束优化理论,推导出满足最小均方误差指标的NOFRF自适应辨识迭代计算公式,采用输入功率普迭代估算学习因子,由输出误差构造残差向量.NOFRF-BLMS通过在线学习方式,只需一次激励即可辨识出...

空空如也

空空如也

1 2 3 4 5 6
收藏数 117
精华内容 46
关键字:

系统辨识理论及应用