申请/专利权人：佛山科学技术学院

申请日：2021-06-30

公开（公告）日：2024-06-11

公开（公告）号：CN113625555B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2021.11.26#实质审查的生效;2021.11.09#公开

摘要：本发明提供一种基于递推子空间辨识的自适应逆控制AGV转速控制方法，利用递推子空间辨识算法获得AGV运动学系统的等效逆模型的基本参数；在此基础上利用自适应逆控制法进行AGV转速自适应逆控制器的设计，并将AGV运动学系统的等效逆模型作为AGV转速自适应逆控制器的传递函数，实现对AGV转速的自适应跟踪控制。本发明基于递推子空间辨识的自适应逆控制AGV转速控制方法，该AGV转速控制方法能很好适应AGV参数变化的调速系统设计，有效克服控制对象的非线性，并有效抑制外部扰动，有利于改善对AGV路径跟踪控制的品质和精度。

主权项：1.一种基于递推子空间辨识的自适应逆控制AGV转速控制方法，其特征在于：利用递推子空间辨识算法获得AGV运动学系统的等效逆模型的基本参数；在此基础上利用自适应逆控制法进行AGV转速自适应逆控制器的设计，并将AGV运动学系统的等效逆模型作为AGV转速自适应逆控制器的传递函数，实现对AGV转速的自适应跟踪控制；包括以下步骤：步骤1，采集待辨识AGV运动学系统的输入数据和输出数据；步骤2，利用递推子空间辨识算法，得到子空间预估器模型，构造当前时刻输入数据和输出数据的Hankel矩阵，求解当前时刻的AGV运动学系统的预测输出数据；步骤3，根据AGV的控制动作，确定下一时刻的实际输出数据，计算系统实际输出数据和预测输出数据的误差，若超过容许误差，则利用增加变遗忘因子的递推子空间辨识算法更新当前时刻的子空间预估器模型，得到下一时刻的子空间预估器模型，否则不更新当前时刻的子空间预估器模型；步骤4，重复步骤2和3，实时更新子空间预估器模型，确定AGV运动学系统的等效逆模型；步骤5，采用自适应逆控制法设计AGV转速自适应逆控制器，将AGV转速作为目标信号，将步骤4得到的AGV运动学系统的等效逆模型作为控制器的传递函数；将目标信号输入AGV转速自适应逆控制器得到控制信号，再用控制信号激励AGV，实现对AGV转速的自适应跟踪控制；步骤2中，所述利用递推子空间辨识算法，得到子空间预估器模型是指：采用递推子空间辨识算法在线获得AGV运动学系统的输入数据u和输出数据y，实现对AGV运动学系统矩阵[A,B,C,D]的在线递推估计，AGV运动学系统矩阵[A,B,C,D]为子空间预估器模型：线性离散时不变系统形式为：xk+1＝Axk+Buk+Kek1yk＝Cxk+Duk+ek2其中uk∈Rl为系统的输入测量值，yk∈Rm为系统的输出测量值，xk∈Rn为系统的过程状态，ek∈Rm为平稳、零均值的白噪声新息序列，K为稳定的状态Kalman增益，A，B，C，D为相对应维数的AGV运动学系统矩阵，A为n×n维系统矩阵，B为n×r维控制矩阵，C为m×n维输出矩阵，D为m×r维前馈矩阵；步骤2中，所述构造当前时刻输入数据和输出数据的Hankel矩阵，求解当前时刻的AGV运动学系统的预测输出数据是指：设定采样时刻k∈{1,2,…,2i+j-1}，构造系统输入uk的i行j列Hankel矩阵： 其中，下标p和f分别代表“过去”和“未来”，也表示Hankel矩阵的维数；β为指数加权遗忘因子，满足0β1；同理，输出yk的Hankel矩阵Yp、Yf由1-2迭代可以得到递推的预测输出： 其中，Γi∈Rim*n为广义可观测矩阵，和为下三角矩阵，分别表示： Yf的最优预测输出可由的行空间到的行空间的正交投影得到： 其中Wp为过去的输入输出数据矩阵，即Lw、Lu分别表示状态和确定输入子空间预估器矩阵，可通过如下的QR分解和SVD分解求得；利用QR分解： 其中R为下三角阵，Q为正交矩阵；实施正交投影9，可得： 其中上角标表示Moore-Penrose广义逆，将得到的Lw和Lu用于预测控制器的设计；考虑如下的预测控制目标代价函数： 其中N2为预测时域，Nu为控制时域，λ为控制作用加权系数，rt+k为未来时刻t+k的设定值； 的第1列用于预测未来输出值，采用增量型形式表示为： 作为AGV运动学系统的预测输出数据；步骤3中，所述根据AGV的控制动作，确定下一时刻的实际输出数据，计算系统实际输出数据和预测输出数据的误差，若超过容许误差，则利用增加变遗忘因子的递推子空间辨识算法更新当前时刻的子空间预估器模型，得到下一时刻的子空间预估器模型，否则不更新当前时刻的子空间预估器模型是指：根据AGV加入的控制动作uk+1，确定k+1时刻的实际输出数据yk+1，计算实际输出数据yk+1和式13中预测输出数据的误差，若该误差超过容许误差，则利用变遗忘因子的递推子空间辨识算法更新子空间预估器模型，得到AGV运动学系统矩阵[A,B,C,D]作为下一时刻的子空间预估器模型：设定在t+1时刻，新的输入输出对{ut+1,yt+1}已知，构造下述数据向量： 则当t+1时刻获取新的数据后，更新的数据Hankel矩阵为： 对更新的数据矩阵做QR分解，并通过一系列Givens旋转变换，对分解得到的下三角阵R进行SVD分解即可从求解获得系统矩阵；由6可知，系统矩阵C的估计值可由下式直接获得： 系统矩阵A则可通过求解下述线性方程获得： 实际上，的估计值则可描述为下述优化问题的解： 其中因此系统矩阵A可通过递推最小二乘法求解，其递推算法如下： 其中γt为随时间变化的遗忘因子，且0γt1，常取接近1的常数；Pt为逆相关矩阵；系统矩阵B和D包含在矩阵中，为得到其估计值，须从式5中消去项；定义矩阵为子空间的正交补投影因子： 式5两边同时左乘右乘得： 其中 Ml∈R；即有： 在每一时刻用最近的估计值代替则和的估计值可以类似于式26～28递推求解；步骤4中，AGV运动学系统的等效逆模型则为实时更新的AGV运动学系统矩阵[A,B,C,D]。

全文数据：

权利要求：

百度查询： 佛山科学技术学院 一种基于递推子空间辨识的自适应逆控制AGV转速控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD