一种ADRC扩张观测器状态观测误差实时预测方法及系统技术方案

一种ADRC扩张观测器状态观测误差实时预测方法及系统，包括以下步骤：步骤S1：在机器人进入到t+1时刻的运动前，获取初始时刻到t时刻的三个状态的误差值；步骤S2：判断当前时刻t是否满足周期阈值需求，若满足，则执行步骤S3，若不满足周期阈值需求，则执行步骤S4；步骤S3：对三个状态的误差值作出线性回归方程最小二乘法进行拟合，得出拟合直线方程，执行步骤S4；步骤S4：使用t时刻的三个状态的误差值代入到预测函数中，分别获取三个状态t+1时刻的状态误差值的预测值；步骤S5：将t+1时刻的状态误差值的预测值输入到参数更新器，预测t+1时刻的状态误差值就是为了整个更新迭代的次数变少，这样用更准确的误差值可以减少迭代更新的次数，加快收敛速度需求。加快收敛速度需求。加快收敛速度需求。

【技术实现步骤摘要】
一种ADRC扩张观测器状态观测误差实时预测方法及系统


[0001]本专利技术涉及ADRC扩张观测器
，特别是一种ADRC扩张观测器状态观测误差实时预测方法及系统。

技术介绍

[0002]自抗扰控制器(ADRC)由跟踪微分器(TD)、扩张状态观测器(ESO)和非线性反馈控制率(NLSEF)三部分构成。ADRC的主要思想是将控制系统中的所有干扰和不确定性看作是总扰动，将其打包进一个扩张观测器，进行统一的估计并补偿，提高控制性能。扩张状态观测器的作用是实时估计研究对象的状态，并利用扩张状态对系统的总扰动进行统一的估计。
[0003]扩张状态观测器参数的选取直接影响了所观测状态的准确性，决定了观测状态的误差，从而影响了ADRC控制系统的跟踪误差大小。为了减少误差的影响，现有技术采用迭代优化的方法去更新扩张状态观测器参数，这通常是一种离线优化的方式，即利用上一次运行轨迹的误差保存下来，并在这一次运行轨迹过程中利用保存下来的误差来优化此时刻的参数。而且，优化方法中采用的优化指标通常包含的是对轨迹误差收敛要求以及控制量平滑变化的要求。
[0004]但是该方法缺点在于无法充分使用实时的误差信息。离线优化的方法利用的是上一次运行轨迹的误差信息，并没有利用当前运行轨迹的误差信息，这将大大降低参数收敛的速度。即使有些技术提到利用当前运行轨迹的误差信息，但也仅仅是利用上一时刻产生的误差，并没有充分利用上当前运行轨迹已产生所有的误差信息，这将大大降低参数收敛的速度。现有的技术往往需要迭代20次以上，才可能收敛到期望值，而该方法的收敛速度已经不满足现在工程应用的要求。

技术实现思路

[0005]针对上述缺陷，本专利技术的目的在于提出一种ADRC扩张观测器状态观测误差实时预测方法及系统，能够充分使用实时的误差信息，实现参数地快速收敛。
[0006]为达此目的，本专利技术采用以下技术方案：一种ADRC扩张观测器状态观测误差实时预测方法包括以下步骤：
[0007]步骤S1：在机器人进入到t+1时刻的运动前，获取初始时刻到t时刻的三个状态的误差值；
[0008]步骤S2：判断当前时刻t是否满足周期阈值需求，若满足，则执行步骤S3，若不满足周期阈值需求，则执行步骤S4；
[0009]步骤S3：对三个状态的误差值作出线性回归方程最小二乘法进行拟合，得出拟合直线方程，执行步骤S4；
[0010]步骤S4：使用t时刻的三个状态的误差值代入到预测函数中，分别获取三个状态t+1时刻的状态误差值的预测值；
[0011]步骤S5：将三个状态t+1时刻的状态误差值的预测值输入到参数更新器，进行实时地优化扩张观测器参数。
[0012]优选的，所述步骤S4包括以下具体步骤：
[0013]前时刻t是否满足周期阈值需求，若满足，则通过拟合直线方程预测得出t+1时刻的状态误差值的预测值，若不满足，则以当前t时刻的状态误差值作为t+1时刻的状态误差值的预测值。
[0014]优选的，所述步骤S5前还包括以下具体步骤：
[0015]判断t+1时刻的状态误差值的预测值的输入，若t+1时刻的状态误差值的预测值的输入为通过拟合直线方程预测得出的，则使用机器人运动轨迹的加速度对t+1时刻的状态误差值的预测值进行修正。
[0016]优选的，对t+1时刻的状态误差值的预测值进行修正的具体公式如下：
[0017][0018]其中，为第i个状态的t+1时刻的状态误差值的预测值的修正值，i的取值范围为(1，2，3)，为第i个状态的t+1时刻的状态误差值的预测值，a为机器人运动轨迹的加速度，f(t)为t时刻的拟合直线方程的值。
[0019]优选的，步骤S2中的周期阈值为5个周期。
[0020]一种ADRC扩张观测器状态观测误差实时预测系统，使用上述一种ADRC扩张观测器状态观测误差实时预测方法及系统，包括：当误差值获取模块、周期阈值判断模块、方程拟合模块、预测模块以及输入模块；
[0021]所述误差值获取模块用于在机器人进入到t+1时刻的运动前，获取初始时刻到t时刻的三个状态的误差值；
[0022]所述周期阈值判断模块用于判断当前时刻t是否满足周期阈值需求；
[0023]所述方程拟合模块用于对三个状态的误差值作出线性回归方程最小二乘法进行拟合，得出拟合直线方程；
[0024]所述预测模块用于使用t时刻的三个状态的误差值代入到预测函数中，分别获取三个状态t+1时刻的状态误差值的预测值；
[0025]所述输入模块用于将三个状态t+1时刻的状态误差值的预测值输入到参数更新器，进行实时地优化扩张观测器参数。
[0026]优选的，所述周期阈值判断模块还包括选择模块；
[0027]所述选择模块用于判断前时刻t是否满足周期阈值需求，若满足，则通过拟合直线方程预测得出t+1时刻的状态误差值的预测值，若不满足，则以当前t时刻的状态误差值作为t+1时刻的状态误差值的预测值。
[0028]优选的，还包括修正模块，所述修正模块用于判断t+1时刻的状态误差值的预测值的输入，若t+1时刻的状态误差值的预测值的输入为通过拟合直线方程预测得出的，则使用机器人运动轨迹的加速度对t+1时刻的状态误差值的预测值进行修正。
[0029]上述技术方案中的一个技术方案具有如下优点或有益效果：预测t+1时刻的状态误差值就是为了整个更新迭代的次数变少，使得整个参数可以快速收敛到期望的值。如果
不进行预测，那么使用的误差值是之前时刻的误差值，而用所预测的实时的误差值，可以减小迭代的次数，所预测的实时的误差值实际上会更接近所需要的误差值，这样用更准确的误差值可以减少迭代更新的次数，加快收敛速度需求。
附图说明
[0030]图1是本专利技术方法的一个实施例的流程示意图；
具体实施方式
[0031]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0032]此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0033]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0034]如图1所示，一种ADRC扩张观测器状态观测误差实时预测方法及系统包括以下步骤：
[0035]步骤S1：在机器人进入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ADRC扩张观测器状态观测误差实时预测方法及系统，其特征在于，包括以下步骤：步骤S1：在机器人进入到t+1时刻的运动前，获取初始时刻到t时刻的三个状态的误差值；步骤S2：判断当前时刻t是否满足周期阈值需求，若满足，则执行步骤S3，若不满足周期阈值需求，则执行步骤S4；步骤S3：对三个状态的误差值作出线性回归方程最小二乘法进行拟合，得出拟合直线方程，执行步骤S4；步骤S4：使用t时刻的三个状态的误差值代入到预测函数中，分别获取三个状态t+1时刻的状态误差值的预测值；步骤S5：将三个状态t+1时刻的状态误差值的预测值输入到参数更新器，进行实时地优化扩张观测器参数。2.根据权利要求1所述的一种ADRC扩张观测器状态观测误差实时预测方法及系统，其特征在于，所述步骤S4包括以下具体步骤：前时刻t是否满足周期阈值需求，若满足，则通过拟合直线方程预测得出t+1时刻的状态误差值的预测值，若不满足，则以当前t时刻的状态误差值作为t+1时刻的状态误差值的预测值。3.根据权利要求1所述的一种ADRC扩张观测器状态观测误差实时预测方法及系统，其特征在于，所述步骤S5前还包括以下具体步骤：判断t+1时刻的状态误差值的预测值的输入，若t+1时刻的状态误差值的预测值的输入为通过拟合直线方程预测得出的，则使用机器人运动轨迹的加速度对t+1时刻的状态误差值的预测值进行修正。4.根据权利要求3所述的一种ADRC扩张观测器状态观测误差实时预测方法及系统，其特征在于，对t+1时刻的状态误差值的预测值进行修正的具体公式如下：其中，为第i个状态的t+1时刻的状态误差值的预测值的修正值，i的取值范围为(1，2，3)，为第i个状态的t+1时刻的状态误差值的预测值，a为机器人运动轨迹的加...

【专利技术属性】
技术研发人员：龚智浩，张卓奇，张立群，黄石峰，招子安，周星，朱志红，
申请(专利权)人：佛山智能装备技术研究院，
类型：发明
国别省市：