英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
2012年6月24日至26日，中国武汉，2012年国际建模，识别与控制会议论文集
基于数据驱动的虚拟反馈的控制和研究算法
Xi Chunmiao
中国北电大学控制与计算机工程，北京，102206
摘要 - 本文给出了数据驱动控制理论和方法存在的问题，并介绍了相关背景。它描述了基于控制理论的虚拟参考反馈调优算法的数据驱动控制的存在背景，控制理论角度，平台应用，定义虚拟参考反馈调整算法。算法还具有数据驱动控制理论和方法的使用条件。本文从数据利用的角度指出了现有数据驱动控制方法的差异和使用环境，并对数据驱动控制理论的发展提出了期待。
索引术语 - 数据驱动的虚拟反馈; 非线性系统;VRFT
- 背景
数据驱动控制理论是当今自动控制领域的主要研究方向之一。近年来，它在工业过程控制中的影响越来越深远。数据驱动控制算法的出现以及缺乏统一的开放模拟和实验平台，必然会带来“哪一个更好”的问题。
本文的主要工作是设计和开发一个“最新”的数据驱动仿真平台来解决上述问题，这也是本文的创新之处。基于虚拟参考反馈调优算法实现平台控制的方法为进一步研究数据驱动控制理论提供了有力支持。
- 传统控制理论的问题
传统控制理论是一个线性系统。经历了经典控制理论和现代控制理论的两个发展阶段，它建立了比较完善的理论体系，广泛应用于工业生产的各个领域。将传统控制理论应用于实际工业控制的一般做法是将工作点实际工业生产中的非线性控制对象近似为线性模型，然后采用传统控制理论进行控制。我们可以看到这种控制方法的控制效果取决于受控对象数学模型的精度[1]。虽然上述控制方法的应用在工业过程控制中非常广泛，并且控制效果也很好，随着工业的发展和现代科学技术的发展，受控对象的结构和特征越来越复杂，建模也越来越困难，有时我们甚至无法得到受控对象的数学模型。因此，为了进一步提高控制效果，科学家们开始寻求打破传统控制方法的思想束缚，除了加强模型识别，自适应控制的生产过程，强大的控制和其他研究领域。最终，科学家根据工业过程的特点 - 数据驱动控制算法，找到了一种新的低级模型要求，在线计算方便性和良好的综合控制效果的类控制算法。数据驱动控制算法不需要知道受控对象的数学模型的任何信息。它将能够实现仅需要系统I / O数据的系统的控制。因此，数据驱动控制理论已成为当前自动控制领域的主要研究方向之一。
- 数据驱动控制算法的背景
目前大多数自适应控制理论结果都依赖于系统的精确数学模型，因此，存在着对受控对象数学模型结构和未建模动态的依赖性这两个问题。但我们都知道，建立受控对象的数学模型并不容易，有时甚至是不可能的。特别是对于非线性系统建模问题，到目前为止，它仍然是一个非常困难的问题。并且，即使已经建立了受控对象的数学模型，未建模的动态也是不可避免的。因此，如何摆脱对受控对象数学模型的依赖以及未建模动态对控制系统的影响一直是控制领域的难点[2]。
为了解决这个问题，除了加强对系统识别，自适应控制，鲁棒控制的生产过程的现场工作的研究，人们开始寻求新的控制理论和方法，这是一种打破传统控制的思想约束，基于 工业过程的特点，模型在线计算量低，控制效果好。与此同时，计算机技术的飞速发展使得高速，大容量，低成本的计算机得到更广泛的应用。它也为新的控制理论和方法提供了可实现的重要基础[3]。
对于数据驱动控制算法不需要任何数学模型的对象，它可以实现控制器设计只使用系统的I / 0数据，因此，该算法已成为控制领域的热点之一。经过几十年的发展，数据驱动控制算法在国内外取得了里程碑式的成就：无模型自适应控制，迭代反馈调整和虚拟参考反馈调整控制，典型的数据驱动控制算法，这些结果已经非常成功地应用 在许多工业领域[4]。
- 虚拟参考反馈调整算法的介绍
虚拟参考反馈调整算法是Guardabassi提出的一种新的数据驱动控制器调整方法。该算法可以仅通过要求一组系统I/O数据来设置合适的控制器。但是，如果控制器与系统匹配，则取决于获得的I/O数据是否包含足够的系统信息。通过该算法的全局最优控制器实际上与实验I/O数据密切相关[3]。线性系统的控制器设计，很多理论已经开发出非常复杂的例子：Ziegler和Nichlos校正方法，此时，虚拟参考反馈调整算法只是许多传统控制方法的替代方案。然而，在非线性系统控制器的设计中，许多理论得到了很好的发展。例如：Ziegler和Nichols提出的校正方法，同时，虚拟参考反馈调整算法只是传统控制方法的替代。但在非线性系统控制的设计中，作为一次性直接数据驱动控制算法，虚拟参考反馈调整算法为非线性系统控制问题提供了极其简单的解决方案。从控制算法的特点和控制需求出发，该领域有以下值得进一步研究的问题：参考模型的选择问题，敏感问题，评价函数的设计问题和应用问题[4]。
- 虚拟参考反馈调整算法的算法
对于闭环控制系统（受控对象未知），预先给出闭环参考模型（假设参考模型的逆模型存在，并且不是1）和固定结构控制器，是可调控制器参数。使用一组受控对象的I/O数据，通过测量（N是数据长度）来调整。调整的目标是使实际闭环系统的动态特性接近闭环系统的动态特性。 那就是使最小[5]。
图1控制系统
图2 VRFT控制方法的框图
由于受控对象的未知，我们不能直接最小化控制性能指标。 传统的做法是：使用; N是识别受控对象的数学模型，使用用代替，然后用最小代替。 但是，获得的成本，并且不可避免地存在和之间的模型误差。 VRFT避免了对受控对象进行建模的过程，因此，降低了控制器的设计成本，避免了模型误差。 VRFT首先使用受控对象的实测I/O数据，计算并获取控制器的一组虚拟I/O数据{（，）k = 1，... n}控制器中的虚拟输入：
是参考模型的反函数，是虚拟参考输入。 信号，和被称为虚拟信号的原因是这些信号没有被发送到真正的封闭系统，它们只存在于计算过程中。 使用虚拟I/O数据{（，）k = 1，... n}（必要时滤波）控制器识别结构如图1和图2所示。实际上，最小VRFT的控制目标是使最小。 但为避免带来模型误差，算法实际上是最小化.这两个看似非常不同的控制目标具有以下关系：如果有最优控制器参数可以使的目标等于零，那么控制目标找到的最优控制器参数是最优参数。 受控目标。但是，在这种情况下，两个控制目标找到的最佳参数是不一样的。 因此，设计过滤器以过滤{（，）k = 1，... n}。理论证明，经过滤波后，控制目标找到的最优控制器参数与的最优控制器参数相同。但是，设计两个滤波器使两个最佳参数的性能指标完全一致需要I/O数据的差分系数，这只能估计。因此，引入了新的错误。 由此可见，控制结构的选择直接影响VRFT方法的控制效果。 如果控制结构的选择符合定理1的要求，则VRFT的优点是显而易见的。
在非线性控制对象中使用VRFT，控制器也可以是非线性的。 给出了结构，参数可调[6]。
对于控制器结构是已知的，可以最小化上述等式。 VRFT的方法使用受控对象的一组I / O数据来测量数据，跳过受控对象上的模型化过程，直接识别固定结构控制器的优秀参数。 这种方法的缺点是：
此方法处于脱机状态。 当系统改变时如果结构发生变化，需要重新修复;
它要求参考模型是可逆的，这是非常严格的条件。 选择很困难;
控制器结构的选择影响控制效果。 它是一个静态控制器;
测量数据是否完全反映受控对象的动态信息直接影响控制效果。 将VRFT方法扩展到MIMO系统
基于数据驱动的虚拟反馈算法的控制平台设计
仿真平台的概述和需求
到目前为止，数据驱动控制理论出现了大量的控制算法。 现在，这些控制算法已广泛应用于社会生活和工业生产的各个领域，为人类进步和社会发展做出了重大贡献。然而，由于各种算法和不同的应用环境不同的控制对象，学术界仍然没有为他们的“优点”结束问题。 虽然一些学者和专家做了一些比较和研究，但由于能量限制和环境限制，这些工作仅限于少数控制算法[7]。
本文开发了一个数据驱动的仿真平台。该平台作为一个开放式算法仿真平台，为各种数据驱动控制算法提供公共体育舞台，有助于各种数据驱动控制算法的比较和研究。
概述数据驱动仿真平台的需求如下[8]。
首先，根据数据驱动仿真平台的开放性要求，平台在设计时需要考虑各种外部控制器，以实现与不同数据驱动控制器的数据接口。其次，平台上的功能需要能够创建和收集各种数学模型，以满足用户个性化需求以及负载分担模型。 最后，该平台还需要提供静态和动态仿真模式，以实现在线演示和算法的离线比较[9]。
平台架构和相互关系
总的来说，本文开发的数据驱动仿真平台分为通信接口和平台客户端两部分。 通信接口主要负责与外部控制器通道的连接，包括TCP / IP连接和串行接口连接类别。 平台客户端主要负责仿真参数设置和结果显示，包括登录和密码管理模块，控制器配置模块，受控对象模型配置模块，信号配置模块和仿真模块。 平台架构如图3.1所示，其中外环是仿真平台的通信接口部分，内圈是仿真平台的客户端部分[10]。
仿真平台和模块可以描述如下：
登录并使用密码管理模块作为“网关”的平台来控制用户的访问权限。
成功登录后，用户可以使用控制器配置模块。 受控对象模型配置模块和信号配置模块分别分配模拟系统的各个方面。
使用控制器配置模块进行控制器配置时，可以选择TCP / IP接口模块或串行接口模块来连接外部控制器。
完成配置后，用户可以利用仿真模块进行最终算法仿真。 上面描述的平台和模块关系如图3.2所示。
图3数据驱动仿真平台架构图平台数据流
本文的数据驱动仿真平台有两种构成闭环控制系统的方法：一是利用平台嵌入式控制器与受控对象的数学模型形成闭环，其输入信号可由信号配置模块接收; 其次，通过两种类型的接口连接外部控制器，与受控对象的数学模型形成闭环。 因此，该平台有两个不同的数据流程如图4所示[12]
图4数据驱动平台的数据模拟流程图
- 结论和展望
数据驱动的控制理论和方法现在还处于起步阶段。 我们需要探索和理解很多作品。 基于数据驱动控制理论的虚拟反馈算法和未来发展趋势中的方法的初步展望是建立数据驱动的控制理论框架。从上面典型的数据驱动控制理论和方法可以看出，它要解决的问题是相同的。即，如何从受控系统I / O数据直接设计控制器，使控制器满足控制系统本身的要求[13]。它的发展是独立的，相互学习，渗透和移植，并在此基础上提取其共同的基础理论。在可能的框架下（如控制器参数识别结构框架，动态线性化方法框架，梯度信息估计算法框架），建立统一的数据驱动控制系统理论和方法具有重要的指导作用。对数据驱动控制理论和方法的典型分析工具和方法的研究是任何数据驱动控制理论和方法的建立和健康发展的控制理论和方法的基石。任何理论和方法的建立和发展以及成熟的标志是它是否具有典型的分析工具和方法，与数据驱动的控制理论和方法一样。数据驱动控制最重要的理论和方法是稳定性和收敛性结果。 由于数据驱动的控制理论和方法是直接从数据到控制器的方法，稳定性和止血剂的分析方法基于数据驱动的虚拟反馈算法的数据。评估系统运行，预测和闭环系统测量数据稳定性测试方法是一个很有前景的研究方向。与基于形式模型的控制理论和方法不同的评估和预测是基于系统模型的结果。 因此，由于形式模型不准确，这些评价和预测在实际应用中是不可靠的，因为它是基于模型的稳定性结论。结构安全控制器对于现代控制理论是否在实践中成功应用至关重要。 基于数据驱动算法的虚拟反馈是一种很有前途的稳定性分析方法。
参考：
- 陆迪.数据驱动控制算法及其仿真平台开发.北京交通大学.2009.6
- 侯仲生徐建新.关于数据驱动控制理论：现状与展望Acta Automatica Sincia.2009.35（6）.650-667
- Wang R R.Safonov M G. 2002年美国南加州大学电气工程系技术报告“无人控制和迭代反馈调整的比较”
- Safonov M G.数据驱动的鲁棒控制设计：无法控制[在线].可用：http：//routh.usc.edu/pub/safonov/safo03i.pdf,March 20.2009
- van Helvoort J.de Jager B.Steinbuch M. Datadriven mul-tivariable控制器设计使用椭圆体无差别控制.系统与控制快报.2008.57（9）：759-762
- Wang R.Pau A.Stefanovic M.Safonov M G.自适应控制系统的成本可检测性和稳定性.国际稳健与非线性控制杂志.2007.17（5-6）：549-561
- 7Silva G J.Datta A.Bhattacharyya S P.合成PID控制器的新结果. IEEE自动控制交易.2002.47（2）：241-252
- Ziegler J G.Nichols N B.自动控制器的最佳设置.动态系统.测量与控制.1993,115（2）：220-222
- Astrom K J，Hagglund T，Hang C C，Ho W K.自动调整和适应PID控制器的调查。控制工程实践，1993,1（4）：699-714
-
Koivo H N.Tanttu J T.调节PID控制器：SISO和MIMO技术的调查. 在：IFAC智能调谐和自适应控制研讨会的会议记录. 新加坡.新加坡：
全文共5760字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[1686]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
