使用ADRC控制器有感

自抗扰在国内也算是有一定名气了,对于它的看法大家是褒贬不一,很多人觉得它可以等效成一个低通+PID。

个人觉得ADRC的算法还是非常精妙的,尤其是接触的受控系统越来越多,越发感觉到PID的上限了。

ADRC最大的优点是扰动观测器的带宽可以远大于控制器的带宽,对于很多时变系统,系统扰动的频率是大于控制器的带宽的,甚至就是控制器输出引起的,对于这种情况,无论怎么调,PID的带宽都是不够的。

增加内环似乎也是个办法,但并不是所有的信号都适合进行微分,倘若在微分前进行低通滤波,又失去了增加内环的意义,因为你要跟踪的高频信号可能被滤除了。

且对于高精度要求的受控系统来说,积分器的收敛速度实在是太慢了。

最重要的是,PID控制性能和系统参数严格相关,对于时变系统(例如变负载,状态耦合,外界扰动)来说,固定增益的PID显得不够看,而扰动观测器只要设计的好,其性能和系统本身无关,主要取决于处理器的性能,因此在处理时变系统时存在天然优势。

而ADRC不仅提供了高带宽的频率补偿,还可以精准调试控制器和观测器的带宽,而且在调试过程中还能知道一个大致的系统对输入的增益值,不像pid有时是完全的黑箱控制。

通过实践来看,ADRC的抗扰性,鲁棒性都非常好,是一种非常不错的控制算法。

### 关于无人机抗扰性的学术论文推荐 #### 背景介绍 现代无人机系统的性能优化离不开对其抗扰能力的研究。特别是在复杂环境下的飞行任务中,诸如风场变化、外部干扰等因素都会显著影响无人机的稳定性和跟踪精度[^1]。 #### 论文方向建议 以下是几个可以深入研究的方向以及相关的学术资源: 1. **自抗扰控制 (ADRC)** 自抗扰控制器因其较强的鲁棒性和适应性,在无人机控制系统中有广泛应用。然而需要注意的是,学习 ADRC 的初学者往往容易陷入对某些特定模块(如 TD 和 ESO)的过度依赖,这可能会限制其进一步探索更广泛的解决方案的能力[^2]。因此,可以从以下几个方面入手: - 阅读经典文献《Active Disturbance Rejection Control for Nonlinear Systems》来理解 ADRC 基本原理及其在实际工程中的应用。 - 查阅最新的研究成果,例如 IEEE Transactions on Industrial Electronics 中发表的相关文章,关注如何改进传统 ADRC 方法以应对更加复杂的动态场景。 2. **模型预测控制 (MPC)** MPC 是一种先进的控制方法,能够有效处理具有约束条件的动力学系统,并且可以通过在线优化算法实时调整控制输入从而增强系统的抗干扰能力。对于追求高精度轨迹追踪或者需要规避障碍物的应用场合尤为适合。 3. **滑模控制 (SMC)** SMC 提供了一种简单有效的途径用于构建高度稳健的闭环反馈回路。它通过引入切换函数使得即使存在不确定性因素也依然保持良好的收敛特性。针对强非线性特性的无人机动态响应问题,这种方法表现出极大的潜力。 4. **基于 Matlab/Simulink 的仿真验证** 如果希望快速上手并测试不同控制策略的效果,则可考虑利用 MATLAB 平台完成初步实验工作。一位专注于此领域的开发者曾分享过有关时变风环境下无人机路径跟随策略仿真的经验[^3]。此类实践案例有助于直观感受各种参数调节带来的差异效果。 ```matlab % 示例代码片段展示简单的 PID 控制器实现过程 function u = pidController(Kp, Ki, Kd, e, de_dt, ie) u = Kp * e + Ki * ie + Kd * de_dt; end ``` 上述代码仅为示意用途,具体实现需依据项目需求定制开发。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值