非线性跟踪-微分器 仿真应用

2024-03-25 09:38

本文主要是介绍非线性跟踪-微分器 仿真应用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

非线性微分跟踪器的Matlab仿真

  • 非线性跟踪微分器
    • 非线性跟踪微分器的一般形式
  • MATLAB仿真
    • 离散微分跟踪器的MATLAB仿真
    • 仿真 r = 50 T=0.01
    • 仿真 r = 10 T=0.01
    • 仿真 r = 100 T=0.01 对阶跃信号 10u(t-5)的仿真
    • 简单结论

非线性跟踪微分器

实际工程问题中,测量信号经常不连续或者带随机噪声,需要提取连续信号和微分信号。比如PID调节中,需要由不连续的参考输入信号合理提取微分信号;编码器速度检测时,由数字的绝对位移信号提取出速度信号,或者速度信号提取加速度信号等等。当然可以采用线性微分器或者线性滤波等手段,然而“线性”办法可能还不能解决问题时,这里介绍“非线性”的方法,利用二阶最速开关系统构造出跟踪不连续输入信号并提取“近似微分”的“机构”。

非线性跟踪微分器的一般形式

韩京清 王伟的非线性-微分跟踪器
{ z 1 ′ = z 2 z 1 ′ = f ( z 1 , z 2 ) ( 1 ) \begin{cases} z_1^{'} = z_2 \\[2ex] z_1^{'}~ = f(z_1,z_2) \end{cases} (1) z1=z2z1 =f(z1,z2)(1)
的任意解都满足 z1 ->0, z2 ->0 (t->无穷)时,则对任意有界可积函数v(t) 和任意常数T > 0,系统
{ x 1 ′ = x 2 x 1 ′ = R 2 f ( x 1 − v , x 2 R ) ( 2 ) \begin{cases} x_1^{'} = x_2 \\[2ex] x_1^{'}~ = R^2f(x_1 - v,{\frac{x_2}{R}}) \end{cases} (2) x1=x2x1 =R2f(x1v,Rx2)(2)
的解都满足
lim ⁡ R → ∞ ∫ 0 T ∣ x 1 − v ( t ) ∣   d t = 0 \lim_{R \to \infty} \int_0^T |x_1 - v(t)|\, dt = 0 Rlim0Tx1v(t)dt=0
详细见[1]
《非线性跟踪器-微分器》
《非线性跟踪器-微分器》

MATLAB仿真

离散微分跟踪器的MATLAB仿真

一种非线性的跟踪微分器

Matlab代码

function y=fst(x1,x2,u,r,h)
deta=r*h;			%h为步长  周期  r为调节系数,r越大跟踪效果越好,但微分信号会增加高频噪声
deta0=deta*h;	%反之,微分信号越平滑,会产生一定的滞后
y=x1-u+h*x2;
a0=sqrt(deta^2+8*r*abs(y));
if abs(y)<=deta0a=x2+y/h;
elsea=x2+0.5*(a0-deta)*sign(y);
endif abs(a)<=detay=-r*a/deta;
elsey=-r*sign(a);
end
% matlab 噪声信号仿真
clear
close allr=10;
h=0.01;                                 %执行步长
u_1 = 0;
x1(1)=0;
x2(1)=0;
ts = h;for k=1:1000time(k)=ts*k;dv(k) = cos(time(k));               %理想的微分信号u(k)=sin(time(k)) + 0.01*rands(1);  %加入噪声x1(k+1)=x1(k)+ts*x2(k);x2(k+1)=x2(k)+ts*fst(x1(k),x2(k),u(k),r,h);   du(k) = (u(k) - u_1)/ts;            %一般的差分计算u_1 = u(k);
end
x1(end)=[];
x2(end)=[];figure();
plot(time,x1,'r--',time,sin(time),'k-.','linewidth',2);
grid on
xlabel('Time(sec)','FontName','Times New Roman','FontSize',12,'FontWeight','bold')
h = legend('$x_1$','$sin$ ');
set(h,'Interpreter','latex','fontsize',14,'FontName','Times New Roman','fontweight','bold')
set(gca,'FontWeight','bold','fontsize',14,'FontName','Times New Roman')figure();
plot(time,x2,'r-',time,du,'b.',time,dv,'k-','linewidth',2);
grid on
xlabel('Time(sec)','FontName','Times New Roman','FontSize',12,'FontWeight','bold')
h = legend('$x_2$','diff','cos');                   %微分跟踪,差分跟踪,理想信号
set(h,'Interpreter','latex','fontsize',14,'FontName','Times New Roman','fontweight','bold')
set(gca,'FontWeight','bold','fontsize',14,'FontName','Times New Roman')

仿真 r = 50 T=0.01

在这里插入图片描述
sin为原信号,x1为跟踪信号。

cos为理想信号,x2为微分跟踪信号,diff为用简单差分计算出的微分信号。

仿真 r = 10 T=0.01

在这里插入图片描述
sin为原信号,x1为跟踪信号。
在这里插入图片描述
cos为理想信号,x2为微分跟踪信号,diff为用简单差分计算出的微分信号。

仿真 r = 100 T=0.01 对阶跃信号 10u(t-5)的仿真

在这里插入图片描述

在这里插入图片描述

简单结论

相比于原来的 一般差分计算微分的方法,使用微分跟踪器能有效抑制测量信号的噪声干扰,而且零点不产生振荡,也方便调节。
以上信号的分析可得,跟踪效果要好,R要大,但R过大会给微分信号增加高频噪声。
离散微分器可方便改写成C语言,可广泛用于PID控制,信号滤波等场合

[1]:《《非线性跟踪器-微分器》 韩京清 王伟 著》
[2]:https://blog.csdn.net/miracle_fans/article/details/78223203

这篇关于非线性跟踪-微分器 仿真应用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/844595

相关文章

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

深入浅出Spring中的@Autowired自动注入的工作原理及实践应用

《深入浅出Spring中的@Autowired自动注入的工作原理及实践应用》在Spring框架的学习旅程中,@Autowired无疑是一个高频出现却又让初学者头疼的注解,它看似简单,却蕴含着Sprin... 目录深入浅出Spring中的@Autowired:自动注入的奥秘什么是依赖注入?@Autowired

PostgreSQL简介及实战应用

《PostgreSQL简介及实战应用》PostgreSQL是一种功能强大的开源关系型数据库管理系统,以其稳定性、高性能、扩展性和复杂查询能力在众多项目中得到广泛应用,本文将从基础概念讲起,逐步深入到高... 目录前言1. PostgreSQL基础1.1 PostgreSQL简介1.2 基础语法1.3 数据库

Python中的filter() 函数的工作原理及应用技巧

《Python中的filter()函数的工作原理及应用技巧》Python的filter()函数用于筛选序列元素,返回迭代器,适合函数式编程,相比列表推导式,内存更优,尤其适用于大数据集,结合lamb... 目录前言一、基本概念基本语法二、使用方式1. 使用 lambda 函数2. 使用普通函数3. 使用 N

Python中yield的用法和实际应用示例

《Python中yield的用法和实际应用示例》在Python中,yield关键字主要用于生成器函数(generatorfunctions)中,其目的是使函数能够像迭代器一样工作,即可以被遍历,但不会... 目录python中yield的用法详解一、引言二、yield的基本用法1、yield与生成器2、yi

Python多线程应用中的卡死问题优化方案指南

《Python多线程应用中的卡死问题优化方案指南》在利用Python语言开发某查询软件时,遇到了点击搜索按钮后软件卡死的问题,本文将简单分析一下出现的原因以及对应的优化方案,希望对大家有所帮助... 目录问题描述优化方案1. 网络请求优化2. 多线程架构优化3. 全局异常处理4. 配置管理优化优化效果1.

从基础到高阶详解Python多态实战应用指南

《从基础到高阶详解Python多态实战应用指南》这篇文章主要从基础到高阶为大家详细介绍Python中多态的相关应用与技巧,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、多态的本质:python的“鸭子类型”哲学二、多态的三大实战场景场景1:数据处理管道——统一处理不同数据格式

Java Stream 的 Collectors.toMap高级应用与最佳实践

《JavaStream的Collectors.toMap高级应用与最佳实践》文章讲解JavaStreamAPI中Collectors.toMap的使用,涵盖基础语法、键冲突处理、自定义Map... 目录一、基础用法回顾二、处理键冲突三、自定义 Map 实现类型四、处理 null 值五、复杂值类型转换六、处理

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中,分布

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile:专业级归档工具2.zipfile:跨平台归档首选3.