- •Раздел 1. Основные понятия и определения
- •Раздел 2. Математическое описание
- •Раздел 3. Структурные схемы и методы преобразования
- •Раздел 4. Частотные функции
- •Раздел 5. Устойчивость автоматических систем
- •Раздел 6. Точность автоматических систем
- •Раздел 7. Чувствительность автоматических систем
- •Раздел 8. Методы проектирования автоматических систем
- •Для получения переходного процесса заданного вида, передаточная функция замкнутой системы будет выражена:
- •Раздел 9. Методы проектирования автоматических систем с наблюдателем
- •Раздел 10. Проектирование автоматических систем с фильтром калмана
- •Раздел 11. Дискретные системы
- •Раздел 12. Нелинейные системы
- •Раздел 13. Системы управления
- •394026 Московский просп., 14
Раздел 10. Проектирование автоматических систем с фильтром калмана
10.1. Понятие фильтра Калмана
Пусть многомерная система определяется как система с l-входами и n-выходами, у которой преобразование “вход-выход” задано в виде матричной импульсной переходной функции Ф(t,τ). (Импульсная переходной функция, по определению, это преобразование, описывающее реакцию системы, когда на вход поступает дельта-функция.)
Пусть U(t) – l-мерный вектор входа фильтра, а - n-мерный вектор выхода. Тогда связь между векторами и Y(t) определена интегралом
Пусть Y(t) – действительный случайный процесс с нулевым математическим ожиданием и корреляционной функцией RYY(t, ). Обозначим норму произвольной квадратной матрицы B через ||B|| и определим её следующим образом: ,где tr(.) – след, т.е. сумма диагональных элементов матрицы.
Пусть на вход многомерного фильтра поступает искаженный сигнал как сумма полезного сигнала M(t) и помехи N(t), т.е. ,
где M(t) и N(t) – l-мерные векторы с известными корреляционными функциями RMM(t, ) и RNN(t, ).
Предположим, что существует идеальный вход X(t) некоторой системы, который определяет желаемый выход и связан с полезным сигналом соотношением
,
где ФИД(t, ) – МИПФ идеальной системы.
Рассмотрим вектор ошибок .
Задача состоит в том, чтобы выбрать такую физическую реализуемую матричную ИПФ Ф*(t, ), чтобы математическое ожидание квадрата нормы ошибок было минимальным
,
где K(t, ) = 0.
В зависимости от того, какая задача стоит: прогнозирование, фильтрации или сглаживания, определяется МИПФ идеальной системы. В задаче фильтрации X(t)=M(t), т.е. ФИД(t, )=I* (t– ). При такой постановке задачи минимум среднеквадратической ошибки (2) определяется МИПФ Ф*(t, ), получаемой из обобщенного уравнения Винера-Хопфа для многомерных систем [6].
Известно, что если на вход системы поступает случайный сигнал Y(t), являющийся стационарным, в широком смысле, случайным процессом, оптимальную матричную передаточную функцию W*(s) многомерного фильтра можно получить факторизацией рациональной матрицы спектральных плоскостей.
В случае нестационарного случайного процесса решение интегрального уравнения Вольтерра 1-го рода даже для скалярного случая представляет серьезные трудности, не говоря уже о векторном.
Р. Калман в своих работах модифицировал постановку задачи многомерной фильтрации Винера, придав ей форму проблемы пространства состояния.
В результате такой модификации был получен фильтр Калмана, осуществляющий процедуру рекурсивного оценивания, когда подлежащий оцениванию сигнал является входным сигналом линейной нестационарной динамической системы.
Пусть задана непрерывная модель объекта управления
с известными входами u и возмущениями по входам w и измерениям ν, которые являются "белым" шумом со следующими характеристиками:
Требуется выполнить синтез наблюдателя для оценивания вектора переменных состояния объекта, который минимизирует установившуюся ошибку оценивания .
Оптимальным решением является фильтр Калмана, описываемый уравнениями
где матрица коэффициентов обратных связей L определяется на основе решения алгебраического матричного уравнения.
Например, при Н = 0 дисперсия P определяется из уравнения
AP + PAT - (PCT +GN)R-1(CP+NTGT) + GQGT = 0.
При этом матрица L – L = APCT(N+CPCT)-1.
Рис. 10.1. Наблюдатель Калмана
Наблюдатель (рис. 10.1) объединяет фильтр Калмана и объект управления; он использует известные входы u и результаты измерений yv, искаженные случайными помехами, для того, чтобы вычислить оценки вектора переменных состояния и выходов .
10.2. Дискретный фильтр Калмана
Пусть задана дискретная модель объекта управления
с известными входами u и возмущениями по входам w и измерениям v, которые являются "белым" шумом со следующими характеристиками:
Требуется выполнить синтез наблюдателя для оценивания вектора переменных состояния объекта управления, который минимизирует установившуюся ошибку оценивания, .
Оптимальным решением является фильтр Калмана, описываемый уравнениями
;
где матрица коэффициентов обратных связей L и новая матрица коэффициентов обратных связей М определяются на основе решения матричного алгебраического уравнения.
Наблюдатель объединяет фильтр Калмана и объект управления; он использует известные входы u[n] и результаты измерений уv[n], искаженные случайными помехами, для того, чтобы вычислить оценки вектора переменных состояния х[n] и выходов у[n].
Обновленная матрица коэффициентов обратных связей М применяется для того, чтобы уточнить предсказание х[n] на основе измерения уv [n]
.
Рассмотрим дискретную модель вида
с гауссовым шумом w[n] по входу.
Задача заключается в том, чтобы спроектировать фильтр Калмана для оценки вектора выхода у[n] при условии, что известны вход u[n] и измерения выхода, замешанные с шумом w[n].
Определим матрицы описания системы стабилизации
a =
-333.33 0 -43.267
4.5746 -38.462 -12.219
0 200 0
b =
7333.3
0
0
c =
0 0 1
Уравнения стационарного дискретного фильтра Калмана для этой задачи определяются следующим образом:
где - оценка вектора х[n], полученная на основе измерений до включительно;
- обновленная оценка, полученная на основе измерений до включительно [7].
Данная текущая оценка позволяет предсказать значение состояния для следующей выборки (прогноз на один шаг вперед). Это предсказание затем корректируется новым измерением .
Возникает корректирующая функция, которая учитывает вклад нового измерения и которая определяется как разность между измеренным и предсказанным значением вектора выхода . Обновленная матрица усилений М выбирается так, чтобы минимизировать установившуюся дисперсию ошибки.
Добавим в уравнения системы дополнительный вход для сигнала шума
P =s s(a,[b b],c,[d d])
a =
x1 x2 x3
x1 -333.3 0 -43.27
x2 4.575 -38.46 -12.22
x3 0 200 0
b =
u1 u2
x1 7333 7333
x2 0 0
x3 0 0
c =
x1 x2 x3
y1 0 0 1
d =
u1 u2
y1 0 0
Изменим знак коэффициента передачи сигнала шума (u2), так как при поступлении по каналу обратной связи он должен быть отрицательным:
b(1,2)=-22/0.003
b =
7333.3 -7333.3
0 0
0 0
Приступим собственно к синтезу самого фильтра.
Kes t= kalman(P,1,785)
a =
x1_e x2_e x3_e
x1_e -333.3 0 -43.69
x2_e 4.575 -38.46 -12.23
x3_e 0 200 -2.46
b =
u1 y1
x1_e 7333 0.4263
x2_e 0 0.01513
x3_e 0 2.46
c =
x1_e x2_e x3_e
y1_e 0 0 1
x1_e 1 0 0
x2_e 0 1 0
x3_e 0 0 1
d =
u1 y1
y1_e 0 0
x1_e 0 0
x2_e 0 0
x3_e 0 0
Input groups:
Name Channels
KnownInput 1
Measurement 2
Output groups:
Name Channels
OutputEstimate 1
StateEstimate 2,3,4
Continuous-time model.
Оценим график переходного процесса измеренный и синтезированный с помощью фильтра Калмана
Рис. 10.2. Переходный процесс системы при наличии шума в канале обратной связи (а) и выходная переменная, синтезированная с помощью фильтра Калмана (б)
Таким образом, использование фильтра Калмана, в отличие от модельного регулятора, способно полностью исключить влияние случайных помех в канале обратной связи.
Подключив выход фильтра Калмана вместо сигнала обратной связи по скорости, получим следующий переходный процесс – рис. 10.3.
а)
б)
Рис. 10.3. Подключение фильтра Калмана а) и переходный процесс при его использовании б).
Как видно из структурной схемы системы с фильтром Калмана, сигнал обратной связи с наложенным шумом поступает на вход фильтра Калмана, а его выход используется в качестве сигнала обратной связи по скорости вращения.
При этом выходная характеристика в установившемся режиме имеет ровный характер, что и требовалось по заданию. Перспективный способ избавления от помех, который практически не влияет на быстродействие системы, однако для нашего задания не применим, так как программа регулятора не имеет возможности использовать информацию о задании и выходной координате системы.