一种EMD-LMS混合控制方法及控制系统技术方案

本发明专利技术公开了一种EMD‑LMS混合控制方法及控制系统，方法包括步骤：对典型信号进行EMD分解，得到IMF分量；将IMF分量划分为噪声分量、信噪混合分量和信息分量三类，对信噪混合分量进行滤波，将滤波后的信噪混合分量信息与信息分量进行合成，将合成信号作为控制系统输出的参考信号；输入信号经过自适应控制器处理后，再通过控制通道得到输出信号，将输出信号与参考信号进行比较，得到估计误差，根据估计误差采用LMS自适应算法更新自适应控制器的权重向量，并更新自适应控制器，对下一时刻的输入信号进行处理，依次循环，直到输入信号结束。本发明专利技术可对控制系统输出的信号进行自适应的调节，使输出的信号尽量与参考信号相接近，保证控制系统输出的稳定性。

【技术实现步骤摘要】
一种EMD-LMS混合控制方法及控制系统
本专利技术属于自动控制领域，特别涉及一种EMD-LMS混合控制方法及控制系统。
技术介绍
如何使被控制的输出量尽可能准确的达到预设值是控制算法追求的核心目标，然而在实际控制过程中相关控制算法由于各种原因，最终实现的控制精度离理论值总是存在一定的偏差。造成这种现象的原因主要有两个，一是在控制过程中无法精确提取到预设的控制值，二是控制算法本身无法动态的进行调整。以EMD(EmpiricalModeDecomposition)为代表的离线的信号处理方法可以实现非常高的信号提取精度，但由于其无法实现在线处理而难以应用于对实时性要求比较高的控制过程中。申请号为201410156532.4的专利公开了一种基于EMD迭代阈值滤波的GNSS多径效应抑制方法，通过多次进行EMD分解并进行求平均的方法提高了滤波精度。X-LMS(X-LeastMeanSquare)算法作为一种由LMS滤波算法衍生出的控制算法具有控制精度高、可以实现自适应控制等特点，在机械、航空、军工等领域得到了广泛的应用。由于X-LMS算法难以获得准确的参考信号，目前该控制算法主要应用于主动减振控制中，如申请号为201310060364.4的专利，在减振控制系统中采用了X-LMS算法。EMD和X-LMS算法具有明显的互补性，借助于人工智能的基本思想，利用EMD离线信号处理的优势，获得精确的参考信号；利用X-LMS可以实现自适应控制的优势，对被控制对象进行精确控制，将两种算法进行有机的结合，弥补各自算法的不足，发挥各自的优势，使被控制对象可以精确地输出预设信号，实现被控制对象的高精度运行。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种EMD-LMS混合控制方法，该方法可对控制系统输出的信号进行调节，使输出的信号尽量与参考信号相接近，保证控制系统输出的稳定性。本专利技术还提供一种利用上述EMD-LMS混合控制方法进行控制的控制系统，该控制系统的输出具有稳定性高的优点。本专利技术的目的通过以下的技术方案实现：一种EMD-LMS混合控制方法，包括步骤：对典型信号进行EMD分解，得到IMF(IntrinsicModeFunction)分量；将IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，对信噪混合分量进行滤波，将滤波后的信噪混合分量信息与信息分量进行合成，得到合成信号，将合成信号作为控制系统输出的参考信号；输入信号经过自适应控制器处理后，再通过控制通道得到输出信号，将输出信号与参考信号进行比较，得到估计误差，根据估计误差采用LMS自适应算法更新自适应控制器的权重向量，并更新自适应控制器，对下一时刻的输入信号进行处理，依次循环，直到输入信号结束。本专利技术中，将典型信号进行EMD分解，并针对分解得到的IMF分量进行分类，提取其中包含更多信息的分量，将其作为LMS自适应滤波的参考信号，使得参考信号更为准确。在对控制系统的输出控制过程中，通过将其输出结果与参考信号采用LMS自适应滤波，使得二者更加趋同，输出信号更加稳定。优选的，对IMF分量划分为三类，方法是：对典型信号进行EMD分解，得到L-1阶IMF分量和残余分量，将残余分量也视为是一阶IMF分量，共得到L阶IMF分量；对L阶IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，其中1-M1阶IMF为噪声分量，(M1+1)-M2阶为信噪混合分量，(M2+1)-L阶为信息分量。更进一步的，分别计算M1和M2的值，方法是：计算各阶IMF分量的CMSE(ConsecutiveMeanSquareError，连续均方误差)值得到M1值，M1的确定方法是：其中firstlocalmin表示第1个极小值点。j为IMF函数中数据点次序，每阶IMF的数据点总数为N，i为IMF函数阶数，L表示IMF分量的总阶数，k为CMSE阶数。CMSE的定义为计算原始信号概率密度函数(PDF)与各阶IMF分量的概率密度函数(PDF)的L2范数得到M2值，M2的确定方法是：其中Ps(x)表示原始信号概率密度函数，PIMFi(x)表示第i阶IMF的概率密度函数。优选的，采用Kalman滤波方法对信噪混合分量即(M1+1)-M2阶IMF分别进行滤波，得到IMF’i，M1+1≤i≤M2。优选的，将滤波后的信噪混合分量信息与信息分量进行合成，方法是：其中，sf(n)为合成信号。优选的，将sf(n)作为参考信号，采用X-LMS算法进行自适应控制，方法是：(1)设x(n)为输入信号，v(n)为自适应控制器的输出信号，控制通道的加权序列为G(n)，y(n)为控制通道的输出信号，将合成信号sf(n)作为X-LMS的参考信号d(n)，e(n)为估计误差，w(n)为当前自适应控制器的权重向量；n表示信号的数据点次序，初始化w(n)；(2)计算自适应控制器输出对输入信号的响应v(n)＝wT(n)x(n)；(3)计算控制通道输出y(n)＝G(n)*v(n)＝G(n)*[wT(n)x(n)]，*表示卷积；(4)计算误差信号e(n)＝y(n)-d(n)＝G(n)*[wT(n)x(n)]-sf(n)，计算控制通道对输入信号的响应f(n)＝G(n)*x(n)；(5)更新自适应控制器权重参数：w(n+1)＝w(n)+μ(n)e(n)f(n)＝w(n)+μ(n)e(n)G(n)*x(n)；其中μ(n)为步长，判断输入信号x(n)是否结束，若输入信号x(n)继续有数据输入，则回到步骤(2)，重复执行，若输入信号x(n)结束，则结束算法。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术结合了EMD离线降噪精度高和X-LMS控制算法自适应在线控制的优点，同时规避了EMD难以在线实时进行信号处理和X-LMS控制算法难以获得参考信号的难题，两者相互取长补短，在保持稳定性的前提下，可以对控制对象进行实时高精度的控制。2、本专利技术通过对EMD分解结果进行有效地区分，针对不同部分采用不同的处理方法，提高了信号降噪的精度。3、本专利技术可以根据控制要求，在短时间内完成算法的更新，可以以较高实时性实现对不同控制对象和控制要求完成预定的控制功能。4、本专利技术可以应用于不同的工作环境和控制对象，适用范围广。附图说明图1是实施例1方法的流程图。图2是实施例1采用LMS自适应控制算法原理图。图3是实施例1的控制系统框图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例1本实施例将本专利技术所述的EMD-LMS混合控制方法应用于对数控机床主轴进行控制，实现对某一轴类工件的加工进行控制。首先对多个这一规格的工件进行加工，并将加工过程中的主轴运动参数信号记录下本文档来自技高网...

【技术保护点】
1.一种EMD-LMS混合控制方法，其特征在于，包括步骤：对典型信号进行EMD分解，得到IMF分量；将IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，对信噪混合分量进行滤波，将滤波后的信噪混合分量信息与信息分量进行合成，得到合成信号，将合成信号作为控制系统输出的参考信号；/n输入信号经过自适应控制器处理后，再通过控制通道得到输出信号，将输出信号与参考信号进行比较，得到估计误差，根据估计误差采用LMS自适应算法更新自适应控制器的权重向量，并更新自适应控制器，对下一时刻的输入信号进行处理，依次循环，直到输入信号结束。/n

【技术特征摘要】
1.一种EMD-LMS混合控制方法，其特征在于，包括步骤：对典型信号进行EMD分解，得到IMF分量；将IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，对信噪混合分量进行滤波，将滤波后的信噪混合分量信息与信息分量进行合成，得到合成信号，将合成信号作为控制系统输出的参考信号；
输入信号经过自适应控制器处理后，再通过控制通道得到输出信号，将输出信号与参考信号进行比较，得到估计误差，根据估计误差采用LMS自适应算法更新自适应控制器的权重向量，并更新自适应控制器，对下一时刻的输入信号进行处理，依次循环，直到输入信号结束。


2.根据权利要求1所述的EMD-LMS混合控制方法，其特征在于，对IMF分量划分为三类，方法是：
对典型信号进行EMD分解，得到L-1阶IMF分量和残余分量，将残余分量也视为是一阶IMF分量，共得到L阶IMF分量；
对L阶IMF分量划分为三类，一类是噪声分量，一类是信噪混合分量，一类是信息分量，其中1-M1阶IMF为噪声分量，(M1+1)-M2阶为信噪混合分量，(M2+1)-L阶为信息分量。


3.根据权利要求2所述的EMD-LMS混合控制方法，其特征在于，分别计算M1和M2的值，方法是：
计算各阶IMF分量的CMSE值得到M1值，M1的确定方法是：



其中firstlocalmin表示第1个极小值点，j为IMF函数中数据点次序，每阶IMF的数据点总数为N，i为IMF函数阶数，L表示IMF分量的总阶数，k为CMSE阶数；
CMSE的定义为
计算原始信号概率密度函数与各阶IMF分量的概率密度函数的L2范数得到M2值，M2的确定方法是：



其中Ps(x)表示原始信号概率密度函数，PIMFi(x)表示第i阶IMF的概率密度函数。
...

【专利技术属性】
技术研发人员：宋雷，郑振兴，陈飞昕，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东;44