专利名称：基于卡尔曼滤波的远程迭代学习控制系统传输噪声抑制方法
技术领域：
本发明涉及一种基于卡尔曼滤波的远程迭代学习控制系统传输噪声抑制方法，可用于保障加性信道噪声下的远程迭代学习控制系统对预期轨迹的高精度跟踪。
背景技术：
远程控制系统是控制领域的一类重要控制系统，随着“物联网”概念的深入，该类系统正越来越受到人们的关注。此类系统实质上是一类通过远程无线通信信道进行的反馈控制环路。相比一般的有线控制系统主要特点在于控制系统内部信号的传输是通过各类无线信号传输技术在无线信道中所进行的。该类控制系统的架构可以用说明书附图中的
图1表不。目前工业上被广泛应用的远程控制器主要是PID控制器。该类控制器的设计基于控制系统数学模型，运用严格的控制系统理论，可以做到使控制系统在保证一定收敛速度的要求下实现轨迹跟踪。该类控制器的优点在于可以简单的实现一般控制系统对轨迹跟踪精度的要求，且拥有良好的鲁棒性，可以抵御系统内部噪声以及其他不可避免的干扰。但是，在一类需要高精度跟踪的控制系统中，该类控制器并不能达到预期的效果。限制该类系统跟踪精度的本质原因在于该类控制器的设计总是基于对控制系统模型的准确建立的基础上的，而在现实中，模型的建立总是一种近似。因此，针对一类具有强非线性耦合特性导致难以精确建模并同时需要高精度、高速度轨迹跟踪的控制系统，经典的控制器已经无能为力。正是在这样的背景下，人们在研究高速运动的工业机械手的控制问题时，提出了这样一个思想不断重复一个同样轨线的控制尝试，并以此修正控制率，可能可以得到非常好的控制效果。Arimoto等人于1984年正式提出迭代学习控制(ILC)方法，将上述思想加以完善，建立了实用的算法，并从理论上证明了这种算法的可行性，开创了一个新的研究方向。该类迭代学习控制技术的适用对象是诸如工业机器人那样的具有重复运动性质的被控系统，它的目标是实现有限时间区间上的完全跟踪任务。迭代学习控制采用“在重复中学习”的学习策略，具有记忆和修正机制。它通过对被控系统进行控制尝试，以输出轨迹与给定轨迹的偏差修正不理想的控制信号，产生新的控制信号，使得系统的跟踪性能得以提高。 迭代学习控制技术具有“智能学习”的特性使得它能够被运用于建模不够精确、先验知识不足的具有重复运动特性的控制系统中，并取得高精度的跟踪效果。因此，将迭代学习控制技术应用于远程控制系统中而产生的远程迭代学习控制系统会具有如下两大明显的优势
1.该类控制系统的控制器与执行器是分离的，其控制回路是通过实时通信信道传输的传感器与控制器之间、控制器与执行器之间的信号进行连接的。因此该类系统具有执行器重量轻、成本低、动力需求少、易于维护等诸多优点。这对于空间轨道跟踪系统具有重大的实用价值。
3
2.该类控制系统的控制器运用了迭代学习控制技术，该类控制技术控制方式简单，需要的先验知识较少，即便是针对不确定程度较高的动态系统，也能使快速重复运动的被控对象实现给定期望轨迹的完全跟踪。因此，远程迭代学习控制系统作为一类很有应用前景的系统，正受到国内外越来越多学者的关注。但是，当信号传输媒介由有线变为无线时，也会带来有线控制系统中所没有的新问题，尤其是无线信道中的信道噪声，会对控制系统的性能产生很大的影响。为了阐释无线信道噪声影响远程迭代学习控制系统的原理，考虑一类离散线性时不变控制系统，其执行器模型可以由(1)表示
rXi (k + 1) = Ax; (k) - - Eu, (k)
< Jj(Ar+1) = Cxj(k+1)(ι)
k =
其中λ代表某一次迭代过程的时间阶，是执行器的状态向量，是输入控制向量，力(幻是该类执行器的输出向量，下标y代表迭代次数。A，B，C是通过先验知识所估计的执行器系统矩阵，并不准确。我们的控制目标是寻求合适的控制输入向量^^ ,使该
控制系统的执行器的输出能准确跟踪预期轨迹&。经典迭代学习控制器的数学模型用式( 表示 Uj+l (.t) = Uf- (.t) + Γ^·(务)(2)
其中= yAk)-yAk),表示第次迭代第k时刻的执行器输出与预期轨迹的
误差向量，Γ为可调增益矩阵。通过合理选取增益矩阵，已经可以证实由(1)，(2)组成的迭代学习控制系统可以对预期轨迹达到快速，高精度的跟踪。在远程迭代学习控制系统中，由于传输媒介由有线变为了无线信道，而无线信道中的信道噪声是不可避免的。因此，迭代学习控制器会受到信道噪声的干扰。为了保证该类控制系统的执行器具有重量轻、成本低、动力需求少、易于维护等优点，远程迭代学习控制系统中的信号传输方式为模拟信号传输方式(本发明中选用设备复杂度最低的双边带模拟调制方式)。此时信道噪声干扰过程为加性干扰过程。远程迭代学习控制系统的结构(包括信号传输，噪声引入过程).见说明书附图2。从图2可以看到，存在于远程迭代学习控制系统的执行器与控制器之间的信道噪声(以符号表示)会干扰误差信号，从而影响迭代学习控制器。因此，引入信道噪声后的迭代学习控制器数学模型变为式(3)。
权利要求
1. 一种基于卡尔曼滤波的远程迭代学习控制系统传输噪声抑制方法，其特征在于操作步骤如下1)、远程迭代学习控制系统控制缓存加入初始控制向量，初始控制向量设置为零向量；2)、在第j次迭代去噪后的控制向量的作用下，执行器产生相应的第j次迭代的输出， j=l代表初始控制；如果该输出与预期跟踪轨迹的误差小于预先设置的阈值，则迭代学习过程结束，系统跟踪成功；若未能达到跟踪要求，则首先对迭代次数进行判断；如果迭代次数已经达到预先设置的迭代次数上限值，迭代过程停止，将该次的执行器输出作为控制系统的最终输出；如果迭代次数小于预先设置的迭代次数上限，则首先将执行器第j次运行所产生的输出轨迹与预期轨迹之间的误差向量进行双边带调制，然后将已调信号通过天线发射至无线信道中，接着通过无线信号接收模块将该信号从无线信道中接收，最后将该无线信号进行解调，恢复误差信号并传送至式C3)所表示的迭代学习控制器内，即{k、= u- (^) + Γ[气,.(k) + (於)] 式中HjJJc)代表控制器产生的第j+l次受噪声污染的控制向量，u.(k)代表第j次迭代的控制向量，为可调的增益矩阵，ej{k)代表第j次迭代的系统输出与预期轨迹的误差向量，^.(k)代表执行器与控制器之间的信道噪声；3)、式C3)所表示的迭代学习控制器产生了第(j+l)次迭代的控制向量，更新后的迭代学习控制向量经过双边带模拟信号传输方式通过迭代学习控制器与控制缓存之间的无线信道传输至执行器前端的控制缓存中；4)、在控制缓存中进行基于卡尔曼滤波的控制信号处理过程该处理过程分为如下七个步骤(1)通过第j-i次迭代的滤波后的执行器输出误差向量估计第j次迭代的执行器输出误差向量，j=i时，第ο次迭代的输出误差向量为零；(2)计算单步预测以第j-i次迭代执行器输出误差向量协方差矩阵预测第j次迭代执行器输出误差向量先验协方差矩阵；(3)计算卡尔曼增益；(4)将控制缓存收到的迭代学习控制器产生的第j+l次迭代控制向量与缓存中记录的第j次迭代的控制向量进行相减操作，得到第j次迭代过程中的带噪误差观测向量；(5)根据步骤(1)、(3)和步骤(4)计算第j次迭代过程的去噪误差向量；将该去噪后的误差向量记录在缓存中用于下一次滤波处理过程；(6)根据步骤0)，(3)更新步骤( 所得到的协方差矩阵，用以下一次迭代过程；(7)将步骤(5)中得到的第j次迭代过程的去噪误差向量与第j次迭代的控制向量进行相加操作，得到第j+l次迭代过程中所用的去噪后的控制向量；将该控制向量记录在缓存中用于下一次滤波处理过程；5)、迭代次数j变为j+l，重复步骤2)-5)。
全文摘要
本发明涉及一种基于卡尔曼滤波的远程迭代学习控制系统传输噪声抑制方法。本方法通过将远程迭代学习控制系统的误差传递过程等效为卡尔曼滤波器适用的状态方程组，给出了卡尔曼滤波方法的实施步骤。采用本方法，可以保障远程迭代学习控制系统在受到信道噪声影响时的跟踪效果。
文档编号H03H21/00GK102427341SQ20111037184
公开日2012年4月25日 申请日期2011年11月22日 优先权日2011年11月22日
发明者方勇, 颜华超 申请人:上海大学