Przejdź do treści
Wróć do wyników wyszukiwania

Sterowanie z odrzucaniem zaburzeń (ADRC)

Autor metody
Jingquan Han
Rok
2009
Typ
algorithm
Rodzina
Robust Control

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Sterowanie z odrzucaniem zaburzeń (ADRC) to metoda sterowania, która w czasie rzeczywistym estymuje i kompensuje zaburzenia oraz niepewności modelu za pomocą rozszerzonego obserwatora stanu (ESO), traktując je jako dodatkowe „stany zaburzeń”.

Opracowana przez Hana i spopularyzowana przez Gao, ADRC osiąga znaczącą odporność bez potrzeby precyzyjnych modeli obiektu, co czyni ją praktyczną dla systemów rzeczywistych z istotną niepewnością i zaburzeniami.

Intuicja stojąca za metodą

ADRC traktuje wszelkie niemodelowane dynamiki, zaburzenia i błędy parametryczne jako addytywne „skupione zaburzenie”. Zamiast dostrajać kontroler odporny na najgorszy przypadek zaburzeń, ADRC estymuje to zaburzenie w czasie rzeczywistym za pomocą rozszerzonego obserwatora stanu (ESO), a następnie kompensuje je za pomocą sprzężenia zwrotnego. ESO rozszerza przestrzeń stanów o stan zaburzenia, który jest estymowany wraz z tradycyjnymi stanami. To estymowane zaburzenie jest odejmowane od prawa sterowania, pozostawiając zlinearyzowany, odsprzężony od zaburzeń system, którym można łatwo sterować. Podejście jest pragmatyczne: zaakceptować niepewność modelu, ją estymować i kompensować.

Historia

Jingquan Han wprowadził ADRC na początku lat 2000 w Chinach; zyskał międzynarodowe uznanie około 2006 roku. Praca Gao spopularyzowała ADRC w amerykańskiej społeczności zajmującej się sterowaniem, podkreślając jego lepszą wydajność w problemach benchmarkowych. Wdrożenia przemysłowe rosły w latach 2010, szczególnie w Chinach i Azji. Nowoczesne warianty obejmują adaptacyjne ADRC, rozproszone ADRC i ADRC wspomagane uczeniem.

Kiedy stosować

Używaj ADRC, gdy model obiektu jest niedokładny, zaburzenia są znaczące i chcesz prostego prawa sterowania bez szczegółowego modelu. Idealne do zastosowań przemysłowych (silniki, pompy, ogrzewanie), robotyki z niepewnymi obciążeniami i systemów ze zmiennymi w czasie parametrami. Unikaj ADRC, jeśli zaburzenie jest zbyt szybkie dla obserwatora do śledzenia lub jeśli wymagany jest bardzo niski poziom tętnień stanu ustalonego.

Ograniczenia i uwagi

  • Wymaga dokładnego pomiaru wyjścia; wrażliwość obserwatora na szum może ograniczać wydajność.
  • Przepustowość obserwatora ograniczona przez szum pomiarowy; nie można estymować dowolnie szybkich zaburzeń.
  • Wysokie wzmocnienie obserwatora może wzmacniać szum pomiarowy; kompromis między estymacją zaburzeń a odrzucaniem szumu.
  • Dostrajanie parametrów ESO (wzmocnień obserwatora) wymaga doświadczenia; mniej systematyczne niż klasyczne metody sterowania.
  • Analiza teoretyczna bardziej złożona; gwarancje stabilności i zbieżności mniej dojrzałe niż w klasycznych metodach.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Odporność na niepewność modelu; traktuje niepewność jako estymowane zaburzenie zamiast projektować dla najgorszego przypadku.
  • Proste prawo sterowania (często typu PD); minimalne dostrajanie w porównaniu do PID lub H-infinity.
  • Szybkie odrzucanie zaburzeń; estymacja w czasie rzeczywistym umożliwia szybką reakcję.
  • Naturalnie rozszerza się na systemy MIMO i nieliniowe.
  • Praktyczna implementacja; brak potrzeby szczegółowej identyfikacji modelu.

Zastosowania

  • Napędy przemysłowe: Sterowanie prędkością silnika z uwzględnieniem zmiennych obciążeń i niepewności tarcia.
  • Systemy pozycjonowania: Precyzyjne pozycjonowanie elementów mimo tarcia i luzów mechanicznych.
  • HVAC: Sterowanie temperaturą z zaburzeniami wynikającymi z warunków zewnętrznych i zmian obłożenia.
  • Energia odnawialna: Sterowanie turbiną wiatrową dostosowujące się do zmiennego wiatru i turbulencji.
  • Robotyka: Sterowanie ramieniem z niepewnymi obciążeniami, tarciem i efektami linkowymi.

Jak to działa

Jak to działa

1

Uruchom rozszerzony obserwator stanu (ESO), który estymuje stan x i skupione zaburzenie d na podstawie pomiarów; ESO to zespół obserwatorów o wysokim wzmocnieniu.

2

Estymowane zaburzenie d_hat jest wprowadzane do prawa sterowania; odejmij je: u = u_nominalne − d_hat, skutecznie kompensując wpływ zaburzeń.

3

Zaprojektuj prosty liniowy kontroler dla systemu skompensowanego zaburzeniami; często wystarcza prawo proporcjonalno-całkujące (PD).

4

Zamknij pętlę: zastosuj u do systemu, zmierz wyjście, zaktualizuj ESO i prawo sterowania; powtórz.

Częste pułapki

  • Ustawianie zbyt wysokich wzmocnień obserwatora; prowadzi do wzmocnienia szumu i niestabilności.
  • Używanie ADRC dla systemów z szybkimi niemodelowanymi dynamikami; przepustowość ESO może być niewystarczająca.
  • Ignorowanie jakości pomiaru; słaby sygnał z czujnika pogarsza działanie obserwatora i ogólną wydajność.
  • Zakładanie, że wszystkie zaburzenia są obserwowalne; jeśli zaburzenie nie wpływa bezpośrednio na mierzony sygnał wyjściowy, ESO nie może go estymować.

Najczęściej zadawane pytania

Jak dostroić wzmocnienia rozszerzonego obserwatora stanu (ESO)?

Wzmocnienia ESO kontrolują przepustowość obserwatora i odporność na szum. Wyższe wzmocnienia estymują zaburzenia szybciej, ale wzmacniają szum pomiarowy. Typowe dostrajanie: zacznij od przepustowości obserwatora 5-10x większej niż przepustowość kontrolera, dostosuj empirycznie na podstawie wrażliwości na szum pomiarowy. Przestrzeń parametrów jest duża; użyj analizy odpowiedzi częstotliwościowej lub umieszczania biegunów do systematycznego projektowania.

Pokrewne metody

Źródła

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

    Otwórz odnośnik DOI
    Skopiowano.
  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.

    Otwórz odnośnik DOI
    Skopiowano.