当前位置:网站首页>【自校正控制】自校正PID
【自校正控制】自校正PID
2022-07-30 12:54:00 【龙猫略略略】
自校正PID是自校正控制的一种,其核心思想是使用在线辨识来辨识系统参数的变化,之后使用极点配置的思想来计算PID参数,达到自动调节的目的。
带遗忘因子的递推最小二乘法
在上一篇内容中,推导并实验了递推最小二乘法。但单纯的递推最小二乘法由于有以往数据的累积,因此当系统参数变化较快时,可能并不能很好的进行跟踪,因此可以增加一个遗忘因子,就可以更好的跟踪系统参数的变化:
计算PID
在参数辨识得出系统参数之后,就可以按照之前的极点配置的思想计算PID参数。按照之前的传递函数参考:G = b0 / (a0*s^2 + a1*s + a2)
对于此二阶系统,在加入了PID的传递函数后的闭环特征方程为三阶的,因此三阶的期望特征方程可以按照如下设置:
(s + alpha)(s^2 + 2*drag*wn + wn^2)
根据闭环传函,可以计算出特征多项式,之后根据上面的期望特征多项式,可以计算出PID参数。
实验
实验的程序分为了三组,一组是调试好的PID参数,但系统参数没有改变;第二组第五秒后,每周期改变一次系统参数,周期为0.001秒;第三组使用自校正PID,也是第五秒后,每周期改变一次系统参数。实验结果如下:
可以看出自校正PID有一定的效果,不过总体感觉优化效果并不大,不过也算是提供了一个思路,也有可能是PID参数的计算方法有待优化。
边栏推荐
- Beijing, Shanghai and Guangzhou offline events丨The most unmissable technology gatherings at the end of the year are all gathered
- 结合实战,浅析GB/T28181(三)——实况点播
- 【23考研】408代码题参考模板——顺序表
- 每天学一点Scala之 伴生类和伴生对象
- I built another wheel: GrpcGateway
- 忆联:激活数据要素价值潜能,释放SAS SSD创新红利
- Parallelized Quick Sort Ideas
- int a=8,a=a++,a? int b=8,b=b+1,b?
- R语言ggplot2可视化:使用ggpubr包的ggmaplot函数可视化MA图(MA-plot)、设置label.select参数自定义在图中显示标签的基因类型(自定义显示的标签列表)
- 力扣——11.盛最多水的容器
猜你喜欢
当下,产业园区发展面临的十大问题
Decoding Redis' most overlooked high CPU and memory usage issues
13-GuliMall Basics Summary
Using Baidu EasyDL to realize the recognition of the chef's hat of the bright kitchen
What are the hard-core upgrades and applications that cannot be missed in Greenplum 6.0?
Apache Log4j2漏洞
外包干了七年,废了。。。
【记一个kaggle划水比赛】PetFinder.my - Pawpularity Contest 宠物预测
Beijing, Shanghai and Guangzhou offline events丨The most unmissable technology gatherings at the end of the year are all gathered
力扣——15. 三数之和
随机推荐
Smart pointer implementation conjecture
DOM常用方法以及项目
智能指针实现猜想
[Go]四、模块和包、流程控制、结构体
R语言ggplot2可视化:使用ggpubr包的ggmaplot函数可视化MA图(MA-plot)、设置label.select参数自定义在图中显示标签的基因类型(自定义显示的标签列表)
CV-Model【2】:MobileNet v1
物理服务器与虚拟机:主要区别和相似之处
Current and voltage acquisition module DAM-6160
【微信小程序】一文带你搞懂小程序的页面配置和网络数据请求
多表联查的学习
New:WebKitX ActiveX :::Crack
Raja Koduri澄清Arc GPU跳票传闻 AXG年底前新推四条产品线
dolphinscheduler adds hana support
MySQL【排序与分页】
R语言使用方差分析ANOVA比较回归模型的差异、anova函数比较两个模型并报告它们是否存在显著差异(两个模型的数据相同,一个模型使用的预测特征包含另外一个模型的特征)
Tutorial on using the one-key upgrade function of the RTSP/Onvif video platform EasyNVR service
Mysql 批量插入事务唯一键重复处理
Why is Prometheus a monitoring artifact sufficient to replace Zabbix?
湖仓一体电商项目(二):项目使用技术及版本和基础环境准备
力扣——11.盛最多水的容器