当前位置: 首页 > news >正文

【先进PID控制算法(ADRC,TD,ESO)加入永磁同步电机发电控制仿真模型研究(Matlab代码实现)

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 非线性自抗扰控制 

2.2 线性自抗扰控制 

2.3 Simulink仿真

2.4 永磁同步电机发电控制仿真模型

🎉3 参考文献

🌈4 Matlab代码、Simulink仿真实现


💥1 概述

先进PID控制算法(ADRC, TD, ESO)研究是对传统PID控制算法进行改进和优化的研究工作。这些算法通过引入新的控制策略和技术,提高了PID控制系统的性能和鲁棒性。

ADRC(Active Disturbance Rejection Control)是一种基于主动干扰抑制控制的算法。它通过对系统的干扰进行估计和补偿,实现对干扰的主动抑制,从而提高了系统的鲁棒性和控制精度。

TD(Two-Degree-of-Freedom)是一种基于两个自由度的控制算法。它将PID控制器分为两个部分,一个用于跟踪参考信号,另一个用于抑制干扰。通过独立调节这两个部分的参数,可以实现更好的跟踪性能和干扰抑制能力。

ESO(Extended State Observer)是一种扩展状态观测器算法。它通过估计系统的扩展状态,包括未建模的动态和干扰,从而实现对这些状态的补偿和抑制。ESO算法可以提高系统的鲁棒性和控制精度,特别适用于存在未建模动态和干扰的系统。

这些先进PID控制算法在工业控制系统中得到了广泛的应用和研究。通过引入新的控制策略和技术,它们可以提高系统的控制性能和鲁棒性,适应更加复杂和变化的工业控制需求。研究人员通过理论分析和实验验证,不断改进和优化这些算法,使其更加适用于不同的控制场景和应用领域。

📚2 运行结果

 

2.1 非线性自抗扰控制 

 

2.2 线性自抗扰控制 

 

  

2.3 Simulink仿真

 

 

2.4 永磁同步电机发电控制仿真模型

 

 

 

 

 

部分代码:

figure(1);
plot(time, v, 'r',time, y, 'k:', 'linewidth', 2);
% plot(time, e1, 'r', 'linewidth', 2);
legend('ideal position signal', 'position tracking signal');

function f = fst(x1,x2,delta,T)
    d = delta * T;
    d0 = T * d;
    y = x1 + T * x2;
    a0 = sqrt(d^2 + 8 * delta * abs(y));
    
    if abs(y) > d0
        a = x2 + (a0 - d) / 2 * sign(y);
    else
        a = x2 + y / T;
    end
    
    if abs(a) > d
        f = -delta * sign(a);
    else
        f = -delta * a/d;
    end
end

function y = fal(epec,alfa,delta)
    if abs(epec) > delta
        y = abs(epec)^alfa * sign(epec);
    else
        y = epec / (delta^(1 - alfa));
    end
end

function v = TD_ADRC(vo, yd, T, delta)
    v = zeros(2, 1);
    x1 = vo(1) - yd;
    x2 = vo(2);
    v(1) = vo(1) + T * vo(2);
    v(2) = vo(2) + T * fst(x1, x2, delta, T);
end

function z = LESO_ADRC(zo, y, uo, T)
    w0 = 7.5;

    z = zeros(3, 1);
    e = zo(1) - y;
    z(1) = zo(1) + T * (z(2) -  3 * w0 * e);
    z(2) = zo(2) + T * (z(3) - 3 * w0 * w0 * e + 133 * uo);
    z(3) = zo(3) - T * w0 * w0 * w0 * e;
end

function dy = PlantModel(yo, ut, clock, T)
    dy = zeros(3, 1);
    f = -25 * yo(2) + 33 * sin(pi * clock);
    %f = -25 * yo(2) + 0.5 * sign(sin(pi * clock));
    dy(1) = yo(1) + yo(2) * T;
    dy(2) = yo(2) + yo(3) * T;
    dy(3) = (f + 133 * ut) ;
end

function v = TD_Levant(zo, y, T)
    v = zeros(2, 1);
    alfa = 2;
    nmna = 6;
    v(1) = zo(1) + T * (zo(2) - nmna * sqrt(abs(zo(1) - y)) * sign(zo(1) - y));
    v(2) = zo(2) - T * alfa * sign(zo(1) - y);
end

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

[1]吉祥.永磁直线电机ADRC控制研究[D].浙江理工大学[2023-08-12].DOI:CNKI:CDMD:2.1017.043063.

[2]杨宣,张保生.基于先进控制算法的CFBB床温控制系统研究[J].自动化与仪表, 2018, 33(1):5.DOI:CNKI:SUN:ZDHY.0.2018-01-030.

[3]李杰,齐晓慧,韩帅涛.四种先进PID控制方法及性能比较[J].计算技术与自动化, 2012.DOI:CNKI:SUN:JSJH.0.2012-03-005.

🌈4 Matlab代码、Simulink仿真实现

http://www.lryc.cn/news/132401.html

相关文章:

  • k8s集群生产环境的问题处理
  • serve : 无法将“serve”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。
  • 【LVS】2、部署LVS-DR群集
  • 设计模式 -- 单例模式(传统面向对象与JavaScript 的对比实现)
  • YOLOX算法调试记录
  • 基于小程序的汽车俱乐部系统的设计与实现(论文+源码)_kaic
  • ProgrammingArduino物联网
  • SSM框架的学习与应用(Spring + Spring MVC + MyBatis)-Java EE企业级应用开发学习记录(第一天)Mybatis的学习
  • Programming abstractions in C阅读笔记: p118-p122
  • 2023国赛数学建模思路 - 案例:ID3-决策树分类算法
  • selenium 选定ul-li下拉选项中某个指定选项
  • 回归预测 | MATLAB实现FA-SVM萤火虫算法优化支持向量机多输入单输出回归预测(多指标,多图)
  • 使用pytorch 的Transformer进行中英文翻译训练
  • 解决element的select组件创建新的选项可多选且opitions数据源中有数据的情况下,回车不能自动选中创建的问题
  • 人工智能大模型加速数据库存储模型发展 行列混合存储下的破局
  • K8S用户管理体系介绍
  • 实现chatGPT 聊天样式
  • day9 STM32 I2C总线通信
  • 终极Shell:Zsh(CentOS7 安装 zsh 及 配置 Oh my zsh)
  • Redis的数据持久化
  • CSS 选择器
  • 上位机工作总结(2023.03-2023.08)
  • APSIM模型参数优化 批量模拟丨气象数据准备、物候发育和光合生产、物质分配与产量模拟、土壤水分平衡算法、土壤碳氮平衡模块、农田管理模块等
  • Azure防火墙
  • 【LeetCode】剑指 Offer Ⅱ 第4章:链表(9道题) -- Java Version
  • Android SDK 上手指南|| 第三章 IDE:Android Studio速览
  • Vue--》打造个性化医疗服务的医院预约系统(七)完结篇
  • 点亮一颗LED灯
  • SSH远程直连--------------Docker容器
  • Python/Spring Cloud Alibaba开发--前端复习笔记(1)———— html5和css3.html基础