了解反馈控制系统中的死区

死区是控制系统中非线性区域,输入变化不会产生相应的输出变化。这些“不活动带”常见于机械起动器中 — — 例如,在电压超过某一阈值之前不会旋转的马达。它们也出现在液压阀、派佐电位和传感器输出中。死区通过造成稳态错误、限制循环或降低响应性来降低系统性能。 对这些“不活动带”的补偿对于需要高精度的应用,如机器人武器、CNC机器和节流器等,至关重要。

死区特征典型的模型是:

y=G(u)=0= ⁇ u ⁇ ⁇ D;y=m(u-D)=u > D;y=m(u+D)=u < -D]]] ⁇ .

中 [[FLT: 0]] D [FLT: 1] 是死区宽度, [[FLT: 2] m 是线性区域的斜度。精确补偿需要了解这些参数。没有它,控制器看不到小输入的响应,导致整形的风向上升、过度射击或振荡。

死区的共同原因和影响

机械反冲和阻力

齿轮、铅螺丝和耦合器往往会因为反弹而显示死区—— 交配部分之间的清除。 同样,静电摩擦(sticktion)在达到断裂力之前会阻碍运动。这些作用在低速运动系统中突出,并可以引入 位置错误[,这些错误会随时间而累积。

电子阈值

放大死区、PWM驱动器零交叉扭曲和ADC/DAC量化产生类似的非线性。 在数字控制环中,可能会故意添加一个死区以避免不必要的动因子闲话,但必须补偿精确跟踪。

系统行为的后果

  • 稳态偏移:系统从未达到精确的定点.
  • 限制循环:输出绕所期望值偏振.
  • 带宽减少:对小设置点变化反应缓慢.
  • 不良的扰动拒绝:难以维持调节负载。

死亡地区赔偿方法

反死亡区赔偿

最直接的技巧是应用死区非线性数学反向[. 对于一个宽度D和坡度m的对称死区,反向补偿器产生:

u comp =u des ] / m + D ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

这在零输入时添加跳动, 有效的“ 预发” 控制信号来取消死区。 当死区参数是常数且众所周知时, 反向补偿效果良好 。 然而, 如果反向不平滑或存在测量噪音, 则会导致 [ [FLT: 0]] 切换到接近零 。

适应性控制技术

当死区参数随着时间而漂移时——由于磨损、温度变化或部件老化——适应性方法更可取。 参照性适应性控制模型[和[ 自转管制者[]可以使用递归性最小的方块或梯度下降法在线估计D和m。适应性法更新补偿系数,以尽量减少跟踪错误。基于Lyapunov的设计在参数汇合时确保稳定性。

饲料补偿

FeedForward策略使用死区模型在反馈循环之外生成一个补偿信号,例如,一个植物模型预测实现预期输出所需的输入,死区在feedForward路径中倒置,这可以提高响应速度而不影响闭路稳定性. FeedForward经常与PID反馈结合处理未建模动态.

混合办法

真实世界的实现往往将反向补偿与滑动模式控制或模糊逻辑混合. 滑动模式控制器对参数不确定性很强,而模糊补偿器可以处理不对称或非平滑的死区. 混合方法平衡性能和复杂性. 一个显著的例子是使用死区补偿器,其切换机制只有在输入超过阈值时激活,将激活器的功率损失降到最低.

实施死亡地区赔偿:一步步指南

1. 系统识别

在补偿前, 您必须描述已死区。 应用斜坡或楼梯输入并记录输出。 确定阈值和线性收益。 使用 [[FLT: 0]] 最小方曲线配置 [[FLT: 1] 或像 [[FLT: 2]] MATLAB 系统识别工具箱 [ 这样的专用工具箱。 替代: 使用 [[FLT: 4] 双位搜索 [FLT: 5] 来实验查找断点 。

2. 选择补偿算法

根据确定的参数和系统限制,选择上述方法之一。对于高精度要求的恒定死亡区,反向补偿就足够了。对于时长变化或不确定的死亡区,实施适应性计划。

3. 设计赔偿方块

在数字控制器(如微控制器或PLC)中,在控制器输出后和厂房输入前添加一个补偿块。如果补偿器饱和,则使用反倒置机制[,则确保补偿是smooth 以避免激发高频动力。

4. 排污和验证

测试补偿系统,提供一系列参考和干扰。

  • 减少稳态错误(理想为零).
  • 无限循环或振荡.
  • 不错的干扰拒绝。

必要时在参数上进行标注。使用 模拟 (例如Simulink) 在硬件部署前进行验证。

准确估计死亡区参数

可靠补偿取决于准确的参数估计。

  • 打开- Loop识别: 应用已知的输入序列(PRBS,多声)和测量输出. 使用非线性最小的方块来适应死区模型.
  • 关闭- Loop识别: 在系统运行期间,注入小的探测信号并使用递归估计(例如] 以遗忘因子折射最小的方块[]. 这对适应系统有用.
  • 物理模型:[ 对于马达等动脉器,从库伦布摩擦扭矩和测量分辨率中衍生出D.

高级方法使用 神经网络 来估计死区反向,而不用参数模型。这对复杂或不对称的死区是有利的。

实际挑战和解决办法

噪音敏感性

反补偿放大了死区边缘附近的噪音,因为补偿器梯度在0时是无限的。 解决方案: 使用一个 [[FLT: 0]] smooth近似 (如双曲切度或西格莫德) 接近阈值, 或者对控制信号应用低通道过滤器。

不对称死亡区

许多动因器对正向和负方向(如液压阀)有不同的阈值. 补偿必须具有单独的D+和D-参数方向[]. 适应方法可以自然地处理不对称.

计算制约因素

在资源有限的微控制器上,复杂的适应算法可能太慢。使用 的抬头表[ 来反向函数,或者执行简单的基于阈值的补偿,同时使用歇斯底里来避免闲聊。

死亡地区赔偿申请

机器人和Servo系统

工业机器人需要精确的联动定位,尽管齿轮反冲和悬浮. 死区补偿提高了路径精确度[,并减少了在目标位置停留的时间. 许多现代伺服器驱动器包括内置补偿算法.

汽车喉咙和刹车控制器

电子节流器体由于弹簧回流和摩擦而有一个死区,补偿保证smooth加速和持续的闲置控制,同样,制动逐线系统使用死区补偿来提供线性踏板感觉.

医疗设备

通风机和输液泵中的比例阀门必须响应小指令。死亡区补偿能够精确控制对病人安全至关重要的流量。

航空航天精算师

飞机的襟翼和舵手在液压槽阀门上面对死区,补偿可以减少驾驶工作量,提高自动驾驶性能.

高级专题:复杂系统中的死区赔偿

序列中的多个死亡区域

当两个或两个以上的死区出现在级联(例如传感器+助动器)中时,有效的死区并不仅仅是添加剂。补偿需要更广泛的模型——通常是一个]]Hammerstein或Wiener模型[——在非线性块后面是线性动力学。反向的则在频率域中计算。

拖延时间的死亡区赔偿

如果工厂也有重大延迟,则补偿器必须设计以避免不稳定。 Smith 预测器[ 结构可以扩展至包括死区反转。或者使用 预测控制[ 来处理非线性和滞后性。

学习补偿

惯性学习控制(ILC)和强化学习可以在不明确参数估计的情况下在线学习死区反演[. ICL对于重复的运动任务,如采样和位置操作特别有效. 补偿器从周期到周期都有改进,在几度重复后实现近乎完美的跟踪.

结论

死亡区补偿是工程师设计高性能反馈控制系统的关键工具。 通过理解非线性,选择适当的方法 — — 无论是反向的、适应性的、向后馈赠的还是混合的 — — 并且通过仔细的参数估计,人们可以大大提高准确性、稳定性和反应能力。 随着系统变得更加自主和精确,控制死亡区补偿仍将是控制系统设计的基石。

进一步阅读时,请参考ScienceDirect对死区和控制工程公司关于伺服系统补偿的实用指南[. 高级从业者可以参考哈利勒的教科书Nonlinear Systems[],进行严格的理论治疗.