在实际的工程中,不论是单输入系统还是多输入系统,采用全状态反馈多少都是不现实的。原因在于测量所有的状态一方面是困难的,另一方面也是不经济的。为了实现状态反馈,除了可以利用不完全状态反馈或输出反馈外,最常用的方法是利用观测器来观测或估计系统的状态。
1.系统状态的开环估计
给定系统的状态方程为
x(kT+T)=Ax(kT)+Bu(kT)
y(kT)=Cx(kT)
观测估计系统状态的最简单的方法是,构造一个系统的模型
式中,(kT)是模型的状态或状态的估计值。如果A、B及u(kT)已知,且给
定了系统的初始状态(0)=x(0),那么从上式就可求出状态的估计值
(kT)。为使估计的状态准确,模型的参数及初始条件必须和真实系统一致。图1-18就是这种开环估计的结构。由于没有利用估计误差进行反馈修正,所以称为开环估计。
图1-18 开环估计结构
若令为估计误差,则有
观测误差的状态方程为
由该式可见,开环估计时,观测误差x的转移矩阵是原系统的转移矩阵A,这是不希望的,因为在实际系统中,观测误差总是存在的,如果原系统是不稳定的,那么观测误差也就不稳定,观测值将不能收敛到实际值,从图1-22可以看到,开环估计只利用了原系统的输入信号u(kT),并没有利用原系统可测量的输出信号,还可以构造一种闭环估计器,以便利用原系统的输出与估计器输出之间的误差,修正模型的输入。
2.全阶状态观测器的设计
为了解决开环估计的缺点,可以利用观测误差修正模型的输入,构成闭环估计,如图1-19所示。由于利用系统输出值不同,有两种实现状态闭环估计的方法。一种方法是利用y(kT-T)值来估计状态x(kT)值;另一种方法是利用另一现今测量y(kT)值来估计状态x(kT)值。
第一种方法的基本思想是,根据测量的输出值y(kT)去预估下一时刻的状态)。
图1-19 闭环状态估计器
根据图1-19,可得观测器的方程
式中,L是观测器的n×r维反馈增益矩阵。因为观测值是在测量值y(kT+T)之前求得的,故称为预测观测器。
由原系统方程可得观测误差方程
这是一个齐次方程,它表明观测误差与u(kT)无关,它的动态特性由[A-LC]决定。如果[A-LC]的特性是快速收敛的,那么对任何初始误差,观测误差将快速收敛于零,即观测值快速收敛于实际值。
观测器的设计要合理地确定增益矩阵L。确定L的基本思想是,保证观测器的动态响应满足规定的要求,即要求观测器系统的极点位于给定的位置。(www.daowen.com)
在给定了观测器期望极点之后,确定增益L的问题与上面讨论的配置极点设计反馈控制规律的问题相同。可以证明,若原系统是完全能观的,那么可以选择反馈增益矩阵L任意配置观测器系统的极点。
在设计观测器时,使用Ackerman公式应做如下的替换:
K→LT Wc→WTc A→AT
此时可得下述替换公式
LT=[00…1](WTc)-1αc(AT)式中,αc(AT)是观测器期望特征多项式,它由给定的希望极点确定。
第二种方法称为现今值观测器,如图1-20所示。
若已有了k时刻的观测值,根据系统模型可以预测下一时刻的状态值:
测量(kT+T)时刻的系统输出值y(kT+T),并用观测误差[y(kT+T)-Cx(kT+T)]修正预测值,从而得到(kT+T)时刻的观测值
式中,L仍是观测器增益矩阵。可以证明,通过选择反馈增益L也可任意配置现今值观测器的极点。采用这种观测器,可使控制作用的计算减少时间延迟,比预测观测器更合理。
图1-20 现今值观测器
3.降阶观测器
在实际系统中,某些状态可以由输出直接得到,不用重构,这时只需观测其余的不可测量的状态。观测器的维数可以降低,结构可以简化,这种观测器称为降阶观测器。
假设系统有p个状态可以直接测量,那么仅有q=n-p个状态需要观测,现将状态变量分成两部分,一部分是可以直接测量的,用x1表示,另一部分是需要观测的,用x2表示。此时状态x(kT)可表示为
整个的系统状态方程可表示为
该式可由一般形式的方程通过非奇异变换求得。
由上面的方程可得
x2(kT+T)=A22x2(kT)+A21x1(kT)+B2u(kT)式中,后两项A21x1(kT)+B2u(kT)可直接测得,可以看作是输出量。
由此可知,上面两式组成了一个降阶系统,前者是系统的动态方程,后者是输出方程。利用全阶观测器的结果,可以得到降阶观测器的方程
式中,L为观测器增益矩阵。在上式中,x1(kT+T)作为测量值使用,所以虽然用的是预测观测器方程,但推得的结果已是现今值观测器。
可以证明,如果系统的全阶观测器存在,那么降阶观测器也一定存在,因此也可以通过选择L来任意配置观测器的极点。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。