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

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

【区块链 + 人才服务】区块链集成开发平台 | FISCO BCOS应用案例

随着区块链技术的快速发展,越来越多的企业开始将其应用于实际业务中。然而,区块链技术的专业性使得其集成开发成为一项挑战。针对此,广东中创智慧科技有限公司基于国产开源联盟链 FISCO BCOS 推出了区块链集成开发平台。该平台基于区块链技术,提供一套全面的区块链开发工具和开发环境,支持开发者快速开发和部署区块链应用。此外,该平台还可以提供一套全面的区块链开发教程和文档,帮助开发者快速上手区块链开发。

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG