基于迭代学习的光伏路灯轨迹跟踪控制*

2018-06-04王建华周天沛

机械工程与自动化 2018年3期

王建华，周天沛

(徐州工业职业技术学院机电工程学院，江苏徐州 221140)

0 引言

近年来，随着光伏产业的迅速发展，光伏应用的领域正在逐渐扩大，各种光伏新产品不断涌现。光伏路灯利用太阳能储存能源，可用于城市道路、公园和学校的照明[1]，因其不消耗常规电能，不用开沟埋线，绿色环保，从而被称为绿色环保产品，因此受到人们的广泛关注，已在美国、法国、日本等发达国家得到广泛应用，在我国则处于起步阶段，普及率较低。

已有的光伏路灯多为太阳能电池板固定结构，不能跟踪太阳移动，降低了储能效率[2-4]。为提高光伏路灯对太阳轨迹的跟踪能力，本文提出了一种两关节型结构的光伏路灯，并采用闭环PD型迭代学习控制算法对轨迹进行精确跟踪控制。

1 两关节型光伏路灯模型

两关节型光伏路灯模型如图1所示，其动态性能可由二阶非线性微分方程描述[5]：

(1)

如果忽略摩擦力矩，则式(1)可以写成：

(2)

(3)

已知x=(x1，x2)′，令控制力矩输入u=τ，外加扰动输入ud=τd，y=x，则：

(4)

(5)

图1 两关节型光伏路灯模型

(6)

(7)

其中：t为时间。

图1中，m1=10 kg,m2=5 kg,l1=1 m,l2=0.5 m。则被控对象的初始条件为：

(8)

已知控制力矩为：

(9)

其中：e为跟踪误差，e=qd-q，q为角位移实际运行轨迹;Kp为比例系数(P参数)；Kd为微分系数(D参数)。

2 迭代学习控制

迭代学习控制(Iterative Learning Control，ILC)是智能控制的一个分支，其算法的目标是利用反复的迭代修正以达到某种控制目的的改善，适合于具有重复运动轨迹的被控对象。迭代学习控制采用的策略是“在重复中学习”，并具有记忆和修正功能，它以给定轨迹与输出轨迹的偏差来修正不理想的控制信号，从而使得系统的跟踪性能得以提高[7]。

迭代学习控制方法分为两类：闭环学习和开环学习[8-9]。开环迭代学习控制算法是第i+1次的控制等于第i次控制基础上再加上第i次输出误差的校正项，即：

ui+1(t)=L(ui(t),ei(t)).

(10)

其中：ui+1为第i+1次的控制力矩；L为线性或非线性算子；ei为第i次的跟踪误差。

闭环迭代学习控制算法是第i+1次的控制等于第i次控制基础上再加上第i+1次输出误差的校正项，即：

ui+1(t)=L(ui(t),ei+1(t)).

(11)

其中：ei+1为第i+1次的跟踪误差。

开环迭代学习算法利用了前次运行的信息，而闭环迭代学习算法没有利用前次运行的信息，利用的是当前运行信息以改善其控制性能。总体来说，闭环迭代学习控制的性能要优于开环迭代学习控制。本文将闭环迭代学习控制与常用的PD控制结合，即采用闭环PD迭代学习控制方法进行轨迹跟踪控制，其控制率为：

(12)

3 仿真分析

3.1 独立PD控制仿真

在Simulink中建立的独立PD控制模型如图2所示。图2中有两个S-Function，PD_ctrl为独立PD算法实现模块，PD_plant为两关节型路灯模型。该算法结合两关节型路灯的角位移误差与角速度误差得出某一时刻的控制量，此控制量应用在两关节型路灯模型上得到模型的输出，再将模型的输出与期望值做对比得到误差，再次进行算法的运算[10]。