一类非线性MIMO系统的自解耦控制

2020-09-03肖友刚王辉堤

哈尔滨工业大学学报 2020年9期

肖友刚，卢浩，王辉堤，韩锟

(1.中南大学交通运输工程学院，长沙 410075;2.轨道交通安全关键技术国际合作联合实验室(中南大学)，长沙 410075)

实际工业对象大部分为多变量系统，各通道相互耦合，实际被控对象的模型参数通常处于波动状态.设计解耦器, 消除系统中各回路间的耦合关系, 然后对每组通道逐一进行控制，是多变量系统控制的常用方法.解耦器是通过被控对象的传递函数矩阵设计出来的，当对象传递函数阶数和输入输出变量维数加大时，常规的对角矩阵法、相对增益法、特征曲线法等设计出的解耦器复杂程度大增，当被控对象的数学模型不准确时，系统的解耦性能将受到影响[1].逆系统解耦方法利用反馈思想极大地简化了解耦器设计的复杂程度, 结构形式简单, 然而系统内外扰动及模型误差会影响系统的跟踪特性和鲁棒性[2]. 运用神经网络[3-4]、模糊方法[5-6]、支持向量机[7-8]等方法进行解耦优化，成为了解耦控制的一个研究热点.然而，神经网络解耦控制虽然实现了动态解耦，但需利用大量实际数据进行学习，且网络权值的调整方法存在局限性.模糊控制需要制定复杂的控制规则，支持向量机核函数参数需要适时调整，这些都给解耦优化的实际应用造成了困难.

文献[9]提出的自抗扰控制技术 (active disturbance rejection control, ADRC)以积分器串联型作为反馈系统的标准型，采用扩张状态观测器(ESO)对异于标准型的总和扰动进行实时估计，并主动补偿，从而把充满扰动、不确定性和非线性的被控对象转化为标准型进行控制. 文献[10]将多输入多输出系统中各个子系统之间的耦合也归结到总扰动中，然后对每一个通道用扩张状态观测器各自独立地进行在线跟踪及补偿，从而实现分散式解耦控制.与常规分散控制算法相比，自抗扰控制具有更强的解耦和抗干扰能力，因而引起了诸多学者的兴趣，并被广泛应用于工业系统的控制中. 将逆解耦与ADRC相结合，文献[1]设计了精馏塔过程自抗扰控制器，文献[11]设计了四水箱的液位控制器；针对六极混合磁轴承三自由度之间的耦合性和非线性特点，文献[12]采用线性/非线性自抗扰切换控制方法进行了解耦控制；针对制冷系统非线性、强耦合、大时滞等特点，文献[13]设计了一种改进的自抗扰解耦控制器；针对级联 H 桥静止无功发生器，文献[14]基于自抗扰控制设计了多变量解耦控制系统；文献[15]通过引入虚拟控制量，实现了强制循环蒸发系统液位与出料密度的ADRC解耦控制；将预测控制ADRC 相结合，文献[16]设计了既具信息预估又具扰动补偿的预测自抗扰控制器，并应用于制水行业待滤水浊度过程控制；针对热连轧活套系统多变量、非线性和强耦合特点，文献[17]设计了热连轧电动活套系统的高度和张力自抗扰控制器；针对气体流量装置实验管路流量、压力耦合系统，文献[18]对气体流量装置进行了自抗扰解耦控制.

这种分散式自抗扰解耦控制把各回路间的耦合作用看作扰动进行补偿，在一定程度上降低了回路间的相互影响, 但是当回路间有较强耦合时,这种方法的解耦效果有限，而且，在对各个回路进行ADRC控制时，需要根据实验结果整定各个回路的控制参数，导致参数整定工作量非常大，所整定的参数也会互相影响，一个参数调到最优后，另一个参数对应的性能又恶化了，最终所得到的只是各个参数折中的结果，整体控制性能大打折扣.针对以上不足，本文提出了一种m个输入m个输出(MIMO)系统的自解耦控制方法 (self-decoupling control，SDC).该法利用线性扩张状态观测器(LESO)对系统中的耦合部分、非线性部分及扰动部分进行估计并补偿，通过设计合适的控制律实现系统各环节的自解耦，将3m个LESO的增益转化为由系统硬件决定的常量，将2m个待整定的反馈控制量增益转化为系统误差微分方程的Hurwitz稳定矩阵的特征值配置，实现了MIMO系统控制的单参数调整，并应用Lyapunov方法对SDC法的稳定性进行了严格的数学证明.

1 问题描述

(1)

假定耦合矩阵

(2)

则系统第i个通道的输入输出关系为

(3)

2 MIMO系统的自解耦控制器设计

方程(1)所述的MIMO系统可表示为

(i=1,2,3,…,m).

(4)

将方程(4)进一步表示为

(5)

(6)

式中：

根据方程(6)设计线性扩张状态观测器(LESO)：

(7)

将yi环的反馈控制量设计为

(8)

式中:vi为yi的目标值，ki1、ki2为反馈控制量增益.

将方程(8)代入方程(5)，可得

(9)

当扩张状态观测器的误差ei3=Ri1-zi3足够小时，根据方程(9)的积分特性可知，系统的输出量yi将不受未知扰动(包括外部扰动、耦合项、非线性项等)的影响，达到了自解耦的目的，因此这类MIMO系统可以采用控制框图来进行控制，如图1所示.在这种控制方式下，每一个输出量yi不再使用虚拟控制量，而是使用实际控制量进行控制，物理意义更加明确，而且不要求系统具有可逆的耦合矩阵，拓宽了控制系统的使用范围.

图1 自解耦控制的结构框图

3 MIMO系统自解耦控制参数分析

从自解耦控制器的设计过程可以看出，MIMO系统自解耦控制的待定参数包括线性扩张状态观测器的观测增益向量、各通路的反馈控制量增益及控制量放大系数的估计值bi，对于m输入m输出系统，待确定的bi为m个，观测向量增益为3m个，控制量增益为2m个，如果根据实验或仿真结果来进行调整，将导致参数整定工作量非常大，技术要求高，而且所整定的参数互相影响，一个参数调到最优后，另一个参数对应的性能又恶化了，最终所得到的只是各个参数折中的结果，整体控制性能大打折扣，因此有必要从MIMO系统自解耦控制的要求出发，尽可能减少待整定参数.考虑到bi为m个控制量放大系数bii的估计值，在控制中可采用实际的bii.

文献[19]根据线性扩张状态观测器(LESO)带宽构造了LESO的观测增益向量：

(10)

其中ω0为LESO的带宽，ω0越大，线性扩张状态观测器的稳态误差越小，收敛速度也越快. 带宽受到数值计算迭代步长的制约，大带宽需要小迭代步长，否则会因为迭代步长过大而产生较大的相位滞后，引起超调或者系统不稳定.在实际控制系统中迭代步长由系统硬件决定，探讨迭代步长与扩张状态观测器带宽之间的关系，可以将MIMO系统各环节的扰动用统一的线性扩张状态观测器进行集中观测补偿.

由于扩张状态观测器的增益系数与迭代步长联系紧密，文献[9]运用Fibonacci 数列，根据迭代步长构建了三阶线性扩张状态观测器的参数序列：

(11)

其中:h为迭代步长，由系统硬件决定;β01、β02、β03分别为三阶线性扩张状态观测器的参数.

对比方程(10)、(11)表示的参数序列关系，将带宽和步长的迭代关系设计为

(12)

其中k为待定系数.

为使方程(10)表示的参数序列与方程(11)表示的参数序列尽可能接近，将方程(10)、(11)作方差运算，并以方差最小化为目标，即

(13)

将方程(10)～(12)代入方程(13)，可得

(14)

解得

(15)