获取控制系统状态变量的方法及系统与流程
本发明涉及系统控制技术领域，特别涉及一种获取控制系统状态变量的方法及系统。
背景技术：
在经典控制理论和现代控制理论中，反馈都是非常重要的控制系统的设计方式。由于经典控制理论是用传递函数来描述的，所以它只能采用输出量作为反馈量。但是在现代控制理论中，由于采用系统内部的状态变量来描述系统的物理特性，因而除了输出反馈外，还经常采用状态反馈。和输出反馈相比，状态反馈能提供更多的校正信息，因而在形成最优控制规律，抑制或消除扰动影响，实现系统解耦控制等方面，状态反馈均获得了广泛的应用。
利用状态进行反馈，必须用传感器来测量状态变量，但并不是所有的状态变量在物理上都可测或者说不易测得，其原因是：(1)实际的传感器的频带是有限的(不能完全跟踪状态)；(2)有时系统的状态不是实际的物理量。这导致不可能实际获得系统的全部状态变量，从而使状态反馈的物理实现成为不可能。
技术实现要素：
本发明旨在至少解决上述技术问题之一。
为此，本发明的一个目的在于提出一种获取控制系统状态变量的方法，该方法利用目标函数构建全维状态观测器，通过全维状态观测器获取控制系统的所有状态变量，从而可以利用控制系统的状态变量进行状态反馈，进而能够提高控制系统的控制能力。
本发明的另一个目的在于提出一种获取控制系统状态变量的系统。
为了实现上述目的，本发明第一方面的实施例提出了一种获取控制系统状态变量的方法，包括以下步骤：采集所述控制系统的第一输入量和第一输出量作为输入数据；将所述输入数据输入到预设的全维状态观测器中，得到所述全维状态观测器对应的第二输出量；获取所述第一输出量和所述第二输出量的输出误差；根据所述输出误差构建目标函数；获取所述目标函数的最优解，并根据所述最优解确定所述全维状态观测器的反馈矩阵；采集所述控制系统的第二输入量和第三输入量，并将所述第二输入量和第三输入量输入到所述全维状态观测器中，得到所述控制系统的状态变量。
根据本发明实施例的获取控制系统状态变量的方法，利用目标函数构建全维状态观测器，通过全维状态观测器获取控制系统的所有状态变量，从而可以利用控制系统的状态变量进行状态反馈，有利用控制系统的优化，提高了控制系统的控制能力。
另外，根据本发明上述实施例的获取控制系统状态变量的方法还可以具有如下附加的技术特征：
在一些示例中，所述根据所述输出误差构建目标函数，进一步包括：获取所述输出误差的绝对值；根据所述输出误差的绝对值乘时间积分指标得到所述目标函数。
在一些示例中，所述目标函数通过如下公式得到：
其中，f(t)为所述目标函数，yi(t)为所述第一输出量，
在一些示例中，获取所述目标函数的最优解，并根据所述最优解确定所述全维状态观测器的反馈矩阵，进一步包括：根据预设的优化算法对所述目标函数进行优化使所述目标函数达到最小值，以得到所述全维状态观测器的反馈矩阵。
在一些示例中，所述预设的优化算法为遗传算法、模拟退火和粒子群算法或多智能体遗传算法。
为了实现上述目的，本发明第二方面的实施例提出了一种获取控制系统状态变量的系统，包括：采集模块，用于采集所述控制系统的第一输入量和第一输出量作为输入数据；第一获取模块，用于将所述输入数据输入到预设的全维状态观测器中，得到所述全维状态观测器对应的第二输出量；第二获取模块，用于获取所述第一输出量和所述第二输出量的输出误差；构建模块，用于根据所述输出误差构建目标函数；计算模块，用于获取所述目标函数的最优解，并根据所述最优解确定所述全维状态观测器的反馈矩阵；第三获取模块，用于采集所述控制系统的第二输入量和第三输入量，并将所述第二输入量和第三输入量输入到所述全维状态观测器中，得到所述控制系统的状态变量。
根据本发明实施例的获取控制系统状态变量的系统，利用目标函数构建全维状态观测器，通过全维状态观测器获取控制系统的所有状态变量，从而可以利用控制系统的状态变量进行状态反馈，有利用控制系统的优化，提高了控制系统的控制能力。
另外，根据本发明上述实施例的获取控制系统状态变量的系统还可以具有如下附加的技术特征：
在一些示例中，所述构建模块用于获取所述输出误差的绝对值，并根据所述输出误差的绝对值乘时间积分指标得到所述目标函数。
在一些示例中，所述目标函数通过如下公式得到：
其中，f(t)为所述目标函数，yi(t)为所述第一输出量，
在一些示例中，所述计算模块用于根据预设的优化算法对所述目标函数进行优化使所述目标函数达到最小值，以得到所述全维状态观测器的反馈矩阵。
在一些示例中，所述预设的优化算法为遗传算法、模拟退火和粒子群算法或多智能体遗传算法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据一个本发明实施例的获取控制系统状态变量的方法的流程图；
图2根据本发明一个实施例的控制系统与全维状态观测器的状态误差示意图；
图3是根据本发明一个实施例的获取控制系统状态变量的系统的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的获取控制系统状态变量的方法及系统。
图1是根据本发明一个实施例的获取控制系统状态变量的方法的流程图。如图1所示，该方法包括以下步骤：
步骤s1：采集控制系统的第一输入量和第一输出量作为输入数据。
步骤s2：将输入数据输入到预设的全维状态观测器中，得到全维状态观测器对应的第二输出量。
步骤s3：获取第一输出量和第二输出量的输出误差。
步骤s4：根据输出误差构建目标函数。
具体地说，预设的全维状态观测器为预先构建的，其目的在于便于观测控制系统的状态变量。具体地，被观测的控制系统的动态方程例如为：
全维状态观测器的动态方程例如为：
其中，设输入u的维数为p，输出y的维数为q，状态变量x为n维，a为n×n阵，b为n×p阵，c为q×n阵，反馈增益矩阵l为n×q型。
则(2)式可以转换成如下表达：
进一步地，由(1)式和(3)式可得：
式中(a-lc)称为全维状态观测器的反馈矩阵。
在本发明的实施例中，首先采集控制系统的第一输入量和第一输出量，将采集到的第一输入量和第二输出量输入到构建的全维状态观测器中，经过全维状态观测器的处理后可以得到全维状态观测器的第二输出量。
全维状态观测器分析设计的关键为能否在任何初始条件下，即尽管
作为具体的示例，在获取到输出误差后，可以基于该输出误差形成误差积分指标，常用的误差积分指标包括以下几种：
1)误差平方积分指标ise：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间。在控制工程领域中，误差平方积分指标ise代表以能量消耗作为系统性能的评价。基于误差平方积分指标ise设计的控制系统常常具有较快的响应速度的特点，但是过渡过程中较大的振荡性，相对稳定性差。
(2)误差绝对值积分指标iae：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间；|e(t)|表示e(t)的绝对值。基于误差绝对值积分指标iae设计的控制系统具有适当的阻尼和良好的瞬态响应的特点。但是，当控制系统的参数发生变化时，误差绝对值积分指标iae却反应出控制系统的参数变化情况。
(3)误差平方乘时间积分指标itse：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间。基于误差平方乘时间积分指标itse设计的控制系统的特点是着重考虑瞬态响应后期出现的误差，较少考虑响应中大的起始误差。
(4)误差绝对值乘时间积分指标itae：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间；|e(t)|表示e(t)的绝对值。基于误差绝对值乘时间积分指标itae设计的控制系统具有瞬态响应的振荡性小，且对参数具有良好的选择性的特点。
在本发明的一个实施例中，需要在尽快短的时间内，可以观测到控制系统和全维状态观测器的输出误差为零，这样就可以尽快实现全维状态观测器的状态变量与被观测的控制系统的状态变量的完全等价。而itae性能指标又以瞬态响应的振荡性小，且对参数具有良好的选择性的优势得到了广泛的应用，所以选用误差绝对值乘时间积分指标itae来构建目标函数。基于此，在本发明的一个实施例中，根据输出误差构建目标函数，具体包括：获取输出误差的绝对值；根据输出误差的绝对值乘时间积分指标得到目标函数。更为具体地，目标函数的表达式具体如下：
其中，f(t)为目标函数，yi(t)为第一输出量，
步骤s5：获取目标函数的最优解，并根据最优解确定全维状态观测器的反馈矩阵。
在本发明的一个实施例中，获取目标函数的最优解，并根据最优解确定全维状态观测器的反馈矩阵，具体包括：根据预设的优化算法对目标函数进行优化使目标函数达到最小值，以得到全维状态观测器的反馈矩阵。更为具体地，预设的优化算法为遗传算法、模拟退火和粒子群算法或多智能体遗传算法。
具体地说，即在获取到目标函数后，可以采用采用预设的优化算法对目标函数进行优化，以使目标函数达到最优，此时可以得到全维状态观测器的反馈矩阵。预设的优化算法可以包括遗传算法、模拟退火和粒子群算法以及多智能体遗传算法。
由于多智能遗传算法将智能体对环境的感知和反作用能力与遗传算法的搜索方式相结合时，同时具有遗传算法良好的鲁棒性，通用性和智能体的自主性、分布性使得算法能够保持种群的多样性，弥补了遗传算法的不足，抑制了早熟现象，对于优化问题可以取得高质量的解，因此，在本发明的优选实施例中，预设的优化算法可以选择多智能遗传算法。
多智能体遗传算法的基本思想是：将遗传算法中的每个个体(或者染色体)当作有协调能力的智能体，每个智能体具有一定的能量和行为，一定数量的智能体构成一个初始种群，并且生存于整个解空间内的某一子空间内。整个空间内共存在k个这样的子空间。通过多智能体系统内部个体之间的选择、交叉、变异等过程实现每一代的进化，完成每一个种群的更替和每一个子空间的移动。最终形成k个子空间共同向着最优解方向的进化，k个子空间相对集中在整个解空间内的某一区域，甚至可以完全重合。在这k个子空间的集中区域，使得目标函数最小化的解就是全局最优解。
对目标函数优化得到目标函数的最小值之后，就可以确定该全维状态观测器的反馈矩阵。
步骤s6：采集控制系统的第二输入量和第三输入量，并将第二输入量和第三输入量输入到全维状态观测器中，得到控制系统的状态变量。
具体地说，即在确定了全维状态观测器的反馈矩阵后，就可以利用该全维状态观测器对控制系统的状态变量进行观测，以获取到控制系统的状态变量，利用状态变量对控制系统进行状态反馈。具体包括：将控制系统的第二输入量和第三输出量，输入到全维状态观测器中，全维状态观测器可以对控制系统的状态变量进行观测，得到控制系统的状态变量。
作为具体的示例，例如图2所示，展示了控制系统与全维状态观测的状态误差示意。由图2中可以直观地看出，由于初始状态不为零，所以全维观测器的状态x1和x3在0～2s之间，状态x2在0～4s之间，全维观测器系统不能跟踪控制系统，二者之间是存在误差的。但是4s之后，所有状态误差，e1,e2,e3，也就是说，此时间之后，全维观测器就可以完全跟踪到控制系统的状态。
综上，根据本发明实施例的获取控制系统状态变量的方法，利用目标函数构建全维状态观测器，通过全维状态观测器获取控制系统的所有状态变量，从而可以利用控制系统的状态变量进行状态反馈，有利用控制系统的优化，提高了控制系统的控制能力。进一步地，该方法利用控制系统与全维状态观测器的输出误差构造目标函数，采取将智能体与遗传算法相结合的多智能体遗传算法，对目标函数进行优化来设计全维状态观测器，提高全维状态观测器的观测的准确性，可以避免极点配置以及求解西尔维斯特方程所带来的极点的选择具有很大的任意性的缺陷。
本发明的进一步实施例还提出了一种获取控制系统状态变量的系统。
图3是根据本发明一个实施例的获取控制系统状态变量的系统的结构框图。如图3所示，该获取控制系统状态变量的系统100包括：采集模块110、第一获取模块120、第二获取模块130、构建模块140、计算模块150和第三获取模块160。
其中，采集模块110用于采集控制系统的第一输入量和第一输出量作为输入数据。
第一获取模块120用于将输入数据输入到预设的全维状态观测器中，得到全维状态观测器对应的第二输出量。
第二获取模块130用于获取第一输出量和第二输出量的输出误差。
构建模块140用于根据输出误差构建目标函数。
具体地说，预设的全维状态观测器为预先构建的，其目的在于便于观测控制系统的状态变量。具体地，被观测的控制系统的动态方程例如为：
全维状态观测器的动态方程例如为：
其中，设输入u的维数为p，输出y的维数为q，状态变量x为n维，a为n×n阵，b为n×p阵，c为q×n阵，反馈增益矩阵l为n×q型。
则(2)式可以转换成如下表达：
进一步地，由(1)式和(3)式可得：
式中(a-lc)称为全维状态观测器的反馈矩阵。
在本发明的实施例中，首先通过采集控制系统的第一输入量和第一输出量，将采集到的第一输入量和第二输出量输入到构建的全维状态观测器中，经过全维状态观测器的处理后可以得到全维状态观测器的第二输出量。
全维状态观测器分析设计的关键为能否在任何初始条件下，即尽管
作为具体的示例，在获取到输出误差后，可以基于该输出误差形成误差积分指标，常用的误差积分指标包括以下几种：
1)误差平方积分指标ise：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间。在控制工程领域中，误差平方积分指标ise代表以能量消耗作为系统性能的评价。基于误差平方积分指标ise设计的控制系统常常具有较快的响应速度的特点，但是过渡过程中较大的振荡性，相对稳定性差。
(2)误差绝对值积分指标iae：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间；|e(t)|表示e(t)的绝对值。基于误差绝对值积分指标iae设计的控制系统具有适当的阻尼和良好的瞬态响应的特点。但是，当控制系统的参数发生变化时，误差绝对值积分指标iae却反应出控制系统的参数变化情况。
(3)误差平方乘时间积分指标itse：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间。基于误差平方乘时间积分指标itse设计的控制系统的特点是着重考虑瞬态响应后期出现的误差，较少考虑响应中大的起始误差。
(4)误差绝对值乘时间积分指标itae：
其中，e(t)表示第一输出量与第二输出量的偏差，t为时间；|e(t)|表示e(t)的绝对值。基于误差绝对值乘时间积分指标itae设计的控制系统具有瞬态响应的振荡性小，且对参数具有良好的选择性的特点。
在本发明的一个实施例中，需要在尽快短的时间内，可以观测到控制系统和全维状态观测器的输出误差为零，这样就可以尽快实现全维状态观测器的状态变量与被观测的控制系统的状态变量的完全等价。而itae性能指标又以瞬态响应的振荡性小，且对参数具有良好的选择性的优势得到了广泛的应用，所以选用误差绝对值乘时间积分指标itae来构建目标函数。基于此，在本发明的一个实施例中，构建模块140根据输出误差构建目标函数，具体包括：获取输出误差的绝对值；根据输出误差的绝对值乘时间积分指标得到目标函数。更为具体地，目标函数的表达式具体如下：
其中，f(t)为目标函数，yi(t)为第一输出量，
计算模块150用于获取目标函数的最优解，并根据最优解确定全维状态观测器的反馈矩阵。
在本发明的一个实施例中，计算模块150获取目标函数的最优解，并根据最优解确定全维状态观测器的反馈矩阵，具体包括：根据预设的优化算法对目标函数进行优化使目标函数达到最小值，以得到全维状态观测器的反馈矩阵。更为具体地，预设的优化算法为遗传算法、模拟退火和粒子群算法或多智能体遗传算法。
具体地说，即在获取到目标函数后，可以采用采用预设的优化算法对目标函数进行优化，以使目标函数达到最优，此时可以得到全维状态观测器的反馈矩阵。预设的优化算法可以包括遗传算法、模拟退火和粒子群算法以及多智能体遗传算法。
由于多智能遗传算法将智能体对环境的感知和反作用能力与遗传算法的搜索方式相结合时，同时具有遗传算法良好的鲁棒性，通用性和智能体的自主性、分布性使得算法能够保持种群的多样性，弥补了遗传算法的不足，抑制了早熟现象，对于优化问题可以取得高质量的解，因此，在本发明的优选实施例中，预设的优化算法可以选择多智能遗传算法。
多智能体遗传算法的基本思想是：将遗传算法中的每个个体(或者染色体)当作有协调能力的智能体，每个智能体具有一定的能量和行为，一定数量的智能体构成一个初始种群，并且生存于整个解空间内的某一子空间内。整个空间内共存在k个这样的子空间。通过多智能体系统内部个体之间的选择、交叉、变异等过程实现每一代的进化，完成每一个种群的更替和每一个子空间的移动。最终形成k个子空间共同向着最优解方向的进化，k个子空间相对集中在整个解空间内的某一区域，甚至可以完全重合。在这k个子空间的集中区域，使得目标函数最小化的解就是全局最优解。
对目标函数优化得到目标函数的最小值之后，就可以确定该全维状态观测器的反馈矩阵。
第三获取模块160用于采集控制系统的第二输入量和第三输入量，并将第二输入量和第三输入量输入到全维状态观测器中，得到控制系统的状态变量。
具体地说，即在确定了全维状态观测器的反馈矩阵后，就可以利用该全维状态观测器对控制系统的状态变量进行观测，以获取到控制系统的状态变量，利用状态变量对控制系统进行状态反馈。具体包括：将控制系统的第二输入量和第三输出量，输入到全维状态观测器中，全维状态观测器可以对控制系统的状态变量进行观测，得到控制系统的状态变量。
需要说明的是，本发明实施例的获取控制系统状态变量的系统的具体实现方式与本发明实施例的获取控制系统状态变量的方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不再赘述。
根据本发明实施例的获取控制系统状态变量的系统，利用目标函数构建全维状态观测器，通过全维状态观测器获取控制系统的所有状态变量，从而可以利用控制系统的状态变量进行状态反馈，有利用控制系统的优化，提高了控制系统的控制能力。进一步地，该系统利用控制系统与全维状态观测器的输出误差构造目标函数，采取将智能体与遗传算法相结合的多智能体遗传算法，对目标函数进行优化来设计全维状态观测器，提高全维状态观测器的观测的准确性，可以避免极点配置以及求解西尔维斯特方程所带来的极点的选择具有很大的任意性的缺陷。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。
- 还没有人留言评论。精彩留言会获得点赞！