Skip to content
بازگشت به نتایج جست‌وجو

کنترل مبتنی بر رد اختلال فعال

معرفی‌شده توسط
Jingquan Han
سال
2009
نوع
algorithm
خانواده
Robust Control

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

کنترل مبتنی بر رد اختلال فعال (ADRC) روش کنترلی است که اختلالات و عدم قطعیت‌های مدل را با استفاده از یک ناظر حالت بسط‌یافته (ESO) به صورت بلادرنگ تخمین زده و لغو می‌کند و آن‌ها را به عنوان 'حالات اختلال' اضافی در نظر می‌گیرد.

ADRC که توسط هان توسعه یافته و توسط گائو محبوب شده است، استحکام قابل توجهی را بدون نیاز به مدل‌های دقیق فرآیند به دست می‌آورد و آن را برای سیستم‌های دنیای واقعی با عدم قطعیت و اختلالات قابل توجه، عملی می‌سازد.

شهود پشت روش

ADRC هر دینامیک مدل‌نشده، اختلالات و خطاهای پارامتری را به عنوان یک 'اختلال توده‌ای' افزایشی در نظر می‌گیرد. به جای تنظیم یک کنترل‌کننده مقاوم برای بدترین حالت اختلال، ADRC این اختلال را با استفاده از یک ناظر حالت بسط‌یافته (ESO) به صورت بلادرنگ تخمین زده و سپس از طریق فیدبک آن را لغو می‌کند. ESO فضای حالت را با یک حالت اختلال که در کنار حالات سنتی تخمین زده می‌شود، تکمیل می‌کند. این اختلال تخمین‌زده شده از قانون کنترل کسر می‌شود و یک سیستم خطی‌شده و جدا شده از اختلال باقی می‌گذارد که به راحتی قابل کنترل است. این رویکرد عمل‌گرایانه است: عدم قطعیت مدل را بپذیرید، آن را تخمین بزنید و جبران کنید.

تاریخ

جینگ‌کوان هان ADRC را در اوایل دهه ۲۰۰۰ در چین معرفی کرد؛ این روش در حدود سال ۲۰۰۶ به رسمیت بین‌المللی دست یافت. کار گائو ADRC را در جامعه کنترل ایالات متحده محبوب کرد و عملکرد برتر را در مسائل معیار برجسته ساخت. پذیرش صنعتی در دهه ۲۰۱۰، به ویژه در چین و آسیا، رشد کرد. انواع مدرن شامل ADRC تطبیقی، ADRC توزیع‌شده و ADRC تقویت‌شده با یادگیری است.

چه زمانی استفاده شود

زمانی از ADRC استفاده کنید که مدل فرآیند دقیق نیست، اختلالات قابل توجه هستند و شما یک قانون کنترل ساده بدون مدل دقیق می‌خواهید. ایده‌آل برای کاربردهای صنعتی (موتورها، پمپ‌ها، گرمایش)، رباتیک با بارهای نامشخص و سیستم‌هایی با پارامترهای متغیر با زمان. از ADRC اجتناب کنید اگر اختلال برای ناظر خیلی سریع است تا ردیابی کند یا اگر ریپل حالت پایدار بسیار پایینی مورد نیاز است.

محدودیت‌ها و ملاحظات

  • نیاز به اندازه‌گیری دقیق خروجی دارد؛ حساسیت ناظر به نویز می‌تواند عملکرد را محدود کند.
  • پهنای باند ناظر توسط نویز اندازه‌گیری محدود می‌شود؛ قادر به تخمین اختلالات دلخواه سریع نیست.
  • بهره بالای ناظر می‌تواند نویز اندازه‌گیری را تقویت کند؛ مصالحه بین تخمین اختلال و رد نویز.
  • تنظیم پارامترهای ESO (بهره‌های ناظر) نیاز به تجربه دارد؛ کمتر سیستماتیک از روش‌های کنترل کلاسیک.
  • تحلیل نظری پیچیده‌تر است؛ تضمین‌های پایداری و همگرایی کمتر بالغ نسبت به روش‌های کلاسیک.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • مقاوم در برابر عدم قطعیت مدل؛ عدم قطعیت را به عنوان اختلال تخمین‌زده شده در نظر می‌گیرد به جای طراحی برای بدترین حالت.
  • قانون کنترل ساده (اغلب شبیه PD)؛ تنظیمات حداقل در مقایسه با PID یا H-infinity.
  • ردیابی سریع اختلال؛ تخمین بلادرنگ پاسخ سریع را امکان‌پذیر می‌سازد.
  • به طور طبیعی به سیستم‌های MIMO و غیرخطی بسط می‌یابد.
  • پیاده‌سازی عملی؛ نیازی به شناسایی مدل دقیق نیست.

کاربردها

  • درایوهای صنعتی: کنترل سرعت موتور با تغییرات بار و عدم قطعیت اصطکاک.
  • سیستم‌های موقعیت‌یابی: موقعیت‌یابی دقیق استیج‌ها علی‌رغم اصطکاک و لقی مکانیکی.
  • HVAC: کنترل دما با اختلالات ناشی از شرایط بیرونی و تغییرات اشغال.
  • انرژی‌های تجدیدپذیر: کنترل توربین بادی با انطباق با باد متغیر و تلاطم.
  • رباتیک: کنترل بازو با بارهای نامشخص، اصطکاک و اثرات کابل.

چگونه کار می‌کند

چگونه کار می‌کند

1

یک ناظر حالت بسط‌یافته (ESO) را اجرا کنید که حالت x و اختلال توده‌ای d را از اندازه‌گیری‌ها تخمین می‌زند؛ ESO مجموعه‌ای از ناظران با بهره بالا است.

2

اختلال تخمین‌زده شده d_hat به قانون کنترل وارد می‌شود؛ آن را کسر کنید: u = u_nominal − d_hat، که به طور مؤثری تأثیر اختلال را لغو می‌کند.

3

یک کنترل‌کننده خطی ساده برای سیستم جبران‌شده از اختلال طراحی کنید؛ اغلب یک قانون تناسبی-مشتق (PD) کافی است.

4

حلقه را ببندید: u را به سیستم اعمال کنید، خروجی را اندازه‌گیری کنید، ESO و قانون کنترل را به‌روز کنید؛ تکرار کنید.

دام‌های رایج

  • تنظیم بهره‌های ناظر بیش از حد بالا؛ منجر به تقویت نویز و ناپایداری می‌شود.
  • استفاده از ADRC برای سیستم‌هایی با دینامیک‌های سریع مدل‌نشده؛ پهنای باند ESO ممکن است کافی نباشد.
  • نادیده گرفتن کیفیت اندازه‌گیری؛ سیگنال ضعیف سنسور، ناظر و عملکرد کلی را تخریب می‌کند.
  • فرض اینکه همه اختلالات قابل مشاهده هستند؛ اگر اختلال مستقیماً بر خروجی اندازه‌گیری شده تأثیر نگذارد، ESO نمی‌تواند آن را تخمین بزند.

پرسش‌های متداول

چگونه بهره‌های ناظر حالت بسط‌یافته (ESO) را تنظیم کنم؟

بهره‌های ESO پهنای باند ناظر و استحکام در برابر نویز را کنترل می‌کنند. بهره‌های بالاتر اختلال را سریع‌تر تخمین می‌زنند اما نویز اندازه‌گیری را تقویت می‌کنند. تنظیم رایج: با پهنای باند ناظر ۵ تا ۱۰ برابر پهنای باند کنترل‌کننده شروع کنید، بر اساس حساسیت به نویز اندازه‌گیری به صورت تجربی تنظیم کنید. فضای پارامتر بزرگ است؛ از تحلیل پاسخ فرکانسی یا جایگذاری قطب برای طراحی سیستماتیک استفاده کنید.

روش‌های مرتبط

منابع

  1. Han, J. (2009). From PID to active disturbance rejection control. IEEE Transactions on Industrial Electronics, 56(3), 900-906.

    باز کردن مرجع DOI
    کپی شد.
  2. Gao, Z. (2006). Active disturbance rejection control: a paradigm shift in feedback control system design. Proceedings of the 2006 American Control Conference, 2652-2661.

    باز کردن مرجع DOI
    کپی شد.