基于卡爾曼濾波器船舶主機(jī)轉(zhuǎn)速PID控制探究

1、基于卡爾曼濾波器船舶主機(jī)轉(zhuǎn)速pid控制探究摘要：在主機(jī)調(diào)速系統(tǒng)中，隨著主機(jī)的使用，各個(gè)部件的 磨損與老化，使得以前建立的模型不準(zhǔn)確，因此需要重新選 擇合適的控制參數(shù)來控制主機(jī)的轉(zhuǎn)速，以達(dá)到車鐘手柄的設(shè) 定值。常規(guī)轉(zhuǎn)速pid控制對(duì)模型的依賴性非常大，并且對(duì)參 數(shù)的整定非常復(fù)雜。本文采用卡爾曼濾波器和模糊pid兩種 先進(jìn)的控制方法對(duì)轉(zhuǎn)速進(jìn)行控制，并檢驗(yàn)其效果。關(guān)鍵詞：主機(jī)轉(zhuǎn)速控制卡爾曼濾波器pid控制abstract： in the main engine control system, along with the main engine using various parts， wear an

2、d aging , the previously established model is not accurate, so it needs to choose appropriate control parameter to control the main engine 's speed, in order to achieve the bell handle setting value the speed of conve ntio nal pid cont rol to model the dependence is very large, and the parameter

3、 tuning is very complex the caiman filter and fuzzy pid two advanced control method on the speed control, and test its effect.key words : main engine control system kalman filter pid control1、引言常規(guī)pid調(diào)節(jié)器是一種應(yīng)用廣泛、技術(shù)成熟的控制方法。 pid控制的基本思想是將偏差的比例、積分和微分三參數(shù)通 過線性組合構(gòu)成控制器，對(duì)被控對(duì)象進(jìn)行控制，采用pid控 制時(shí)，系統(tǒng)控制品質(zhì)的優(yōu)劣取決于上述三參數(shù)的整定

4、。但在 運(yùn)動(dòng)控制領(lǐng)域中，對(duì)控制品質(zhì)的要求越來越高，且控制對(duì)象 越來越復(fù)雜，特別是在具有強(qiáng)干擾噪聲的工業(yè)過程中，因pid 控制器的局限性，控制器的參數(shù)難以自動(dòng)調(diào)整，不能達(dá)到理 想的控制效果?？柭鼮V波器是卡爾曼和布西于1960年和1961年提出 來的，不但適用于標(biāo)量估計(jì)的平穩(wěn)系統(tǒng)，對(duì)于多輸入多輸出 的非平穩(wěn)的時(shí)變系統(tǒng)也能給出無偏最小的方差估計(jì)。另外， 卡爾曼濾波算法是一種遞推算法，特別適用于在計(jì)算機(jī)上運(yùn) 行。因而，卡爾曼濾波技術(shù)在空間技術(shù)、雷達(dá)、導(dǎo)航、控制 等領(lǐng)域有著非常廣闊的應(yīng)用前景。本文將卡爾曼濾波器與傳 統(tǒng)的pid控制相結(jié)合，使控制效果得到了明顯改善。2、基于卡爾曼濾波器的pid控制在現(xiàn)代

5、隨機(jī)最優(yōu)控制和隨機(jī)信號(hào)處理技術(shù)中，信號(hào)和噪 聲往往是多維非平穩(wěn)的隨機(jī)過程。由于其時(shí)變性，功率譜不 穩(wěn)定。卡爾曼濾波理論采用時(shí)域上的遞推算法在數(shù)字計(jì)算機(jī) 上對(duì)數(shù)據(jù)濾波處理。對(duì)于解決很大部分的問題，他是最優(yōu)， 效率最高甚至是最有用的。對(duì)于離散域線性系統(tǒng)x (k) =ax (k-1) + (u (k) +w (k)yv (k)二cx (k) +v (k)式中，w (k)為過程控制信號(hào)，v (k)為測(cè)量控制信號(hào)。 離散卡爾曼濾波器遞推算法為：mn (k)二p (k) ctcp (k) ct+rp (k) =ap (k-1) at+bqbtp (k)二(in-mn (k) c) p (k)x (k) =

6、ax (k-1) +mn (k) (yv (k) -cax (k-1)ye (k) =cx (k)誤差的協(xié)方差為：errcov (k) =cp (k) ct3、基于卡爾曼濾波器的pid控制算法及仿真3. 1基于卡爾曼濾波器pid控制的原理濾波器的控制結(jié)構(gòu)如圖1所示：其中w (t)為控制干擾信號(hào)，v (t)為測(cè)量干擾信號(hào)， y為受到影響后的輸出信號(hào)，ye為經(jīng)過卡爾曼濾波器修正后 的輸出信號(hào)。3. 2基于卡爾曼濾波的程序設(shè)計(jì)及仿真結(jié)果 采用卡爾曼濾波器的pid控制，被控對(duì)象為：在matlab軟件下對(duì)被控對(duì)象離散化，采樣時(shí)間為0. 001s 輸入信號(hào)為階躍信號(hào)。采用卡爾曼濾波器實(shí)現(xiàn)信號(hào)的濾波， 取q

7、二1,r二1。仿真時(shí)間為is。在pid控制器中取kp二4；ki二0.8； kd=o. 2o分兩種情況進(jìn)行仿真：m=1時(shí)為不加濾波器時(shí)；m=2 為有濾波器時(shí)的結(jié)果。仿真程序?yàn)椋?gt;> %discrement kalman filter for pid cntrol>> %reference kalman. in» %x=ax+b (u+w (k)；» %y=cx+d+v (k)>> clear all>> close all>> ts二0.001；>> %continuous plant» a=3

8、. 41； b=27. 12；>> sys=tf (b, 1, a, 0. 28, inputdelay' , 0. 037)；>> dsys=c2d (sys, ts, ， z，)；>> num, den=tfdata (dsys, ');» al=0 1, 0 -a；» bl=0； b；» al=0 1； 0 -a；» cl=l 0；» di二0；» a,b,c,d=c2dm(al,bl,cl,dl, ts, z，)；q=1； %covariances of w>>

9、r=1； %covariances of v>> p二； %initial error covariance>> x=zeros (2, 1)； %initial conditiononthe stata>> u_l=0； u_2=0；» y_l二0； y_2二0；>> ei=0；>> error_l=0；» for k=l： 1： 1000time (k) =k*ts；rin (k)二1；kp=4；ki二0. &kd=o. 2；w (k)二0. 002*rands (1)； %process noise

10、on uv (k)二0. 002*rands (1)； %measurement noise on y y (k) =-den (2) *y_lden (3) *y_2+num (2) *u_l+num (3) *u_2；yv (k) =y (k) +v (k)；%measurement updatemn二p*c / (c*p*c， +r)；p二a*p*a， +b*q*b，；p= (eye (2) -mn*c) *p；x二a*x+mn* (yv (k) -c*a*x)；ye (k)二c*x+d； %filtered valuem=2；m=l；if m=1 %not using filteryo

11、ut (k) =yv (k)；elseif m=2 %using filteryout (k) =ye (k)；enderror (k)二tin (k) -yout (k)；ei=ei+error (k) *ts；u (k)二kp*error (k) +ki*ei+kd* (error (k) -error_l) /ts； %pidu (k) =u (k) +w (k)；errcov (k)二c*p*c ； %covariance of estimationerror%time updatex=a*x+b*u (k)；u_2=u_l； u_l=u (k)；y_2二y_l； y_l=yout (

12、k)；error_l=error (k)；end>> figure (1)；>> plot (time, rin (k), ' k? , time, yout, ' k")；>> xlabel (，time (s)，)；>> ylabel (， rin, yout，)；未加濾波器的常規(guī)pid控制仿真結(jié)果如圖2-1所示： 基于卡爾曼濾波器的pid控制仿真結(jié)果如圖2-2所示：3. 3在sinmulink下的程序與仿真基于kalman濾波的sinmulink仿真主程序如圖3-1所示:其中，kalman filter濾波子程序?yàn)?/p>

13、：%discrete kalman filter%x=ax+b (u+w (k)；%y=cx+d+v (k)function u二kalman (ul, u2, u3)persistent abcdqrpxyv=u2；if u3=0x=zeros (2, 1)；ts=0. 001 ；a=27. 12； b=3. 41； c=0. 28；sys=tf (b, 1, a, c,，inputdelay' , 0.037)；al=0 1； 0 -a；bl=0； b；cl=l 0；dl=0；a, b, c, d=c2dm (al, bl, cl, di, ts, ， z，)；q=1 %covar

14、iances of wr=1 %covariances of vp二； %initial error covarianceend%measurement updatemn二p*c / (c*p*c +r)；x二a*x+mn* (yv-c*a*x)；p二(eye (2) -mn*c) *p；ye二c*x+d； %filtered valueu (1) =ye；u (2) =yv；eircov二c*p*c ； %covariance of estimation error %time updatex=a*x+b*ul；p二a*p*a，；未加濾波器的常規(guī)pid控制仿真結(jié)果如圖3-2所示：基于卡爾曼濾

15、波器的pid控制仿真結(jié)果如圖3-3所示：從如上仿真結(jié)果來看：(1) 常規(guī)pid控制，經(jīng)過幾次超調(diào)后便可穩(wěn)定在制定 狀態(tài)，但是過渡過程時(shí)間要長(zhǎng)于基于卡爾曼濾波器的pid控 制。(2) 基于卡爾曼濾波器的pid控制過渡時(shí)間較短，在 整個(gè)過程中沒有出現(xiàn)超調(diào)現(xiàn)象，在過渡過程結(jié)束后系統(tǒng)即進(jìn) 入指定的運(yùn)行狀態(tài)。由于船舶主機(jī)實(shí)際工作環(huán)境及過程較復(fù)雜，故實(shí)際用卡 爾曼濾波器穩(wěn)定主機(jī)轉(zhuǎn)速效果較差些。4、結(jié)束語本文采用卡爾曼濾波器和模糊pid兩種先進(jìn)的控制方法 對(duì)船舶主機(jī)轉(zhuǎn)速進(jìn)行控制，在實(shí)驗(yàn)室條件下，其波動(dòng)周期較 短，效果比較突出，其控制品質(zhì)比普通pid的控制品質(zhì)有明 顯改善，但是由于船舶主機(jī)工作的特殊環(huán)境，還不足以實(shí)際 檢驗(yàn)，本文僅在實(shí)驗(yàn)室條件下進(jìn)行了仿真控制研究，很多實(shí) 際問題尚需進(jìn)一步探討。參考文獻(xiàn)：1 薛定宇，陳陽泉基于matlab/simulin