ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

9
Содержание
том 67 / Сентябрь, 2024
СТАТЬЯ

DOI 10.17586/0021-3454-2023-66-8-627-636

УДК 681.51

АДАПТИВНЫЙ НАБЛЮДАТЕЛЬ ПЕРЕМЕННЫХ СОСТОЯНИЯ НЕЛИНЕЙНОЙ НЕСТАЦИОНАРНОЙ СИСТЕМЫ С НЕИЗВЕСТНЫМИ ПОСТОЯННЫМИ ПАРАМЕТРАМИ

Козачёк О. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; инженер


Бобцов А. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; директор мегафакультета, профессор факультета систем управления и робототехники, руководитель Международного научного центра «Нелинейные и адаптивные системы управления»


Николаев Н. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент


Читать статью полностью 
Ссылка для цитирования : Козачёк О. А., Бобцов А. А., Николаев Н. А. Адаптивный наблюдатель переменных состояния нелинейной нестационарной системы с неизвестными постоянными параметрами // Изв. вузов. Приборостроение. 2023. Т. 66, № 8. С. 627—636. DOI: 10.17586/0021-3454-2023-66-8-627-636.

Аннотация. Предложен адаптивный наблюдатель вектора состояния нелинейной нестационарной системы по измерениям выходной переменной. Задача решена для случая, когда матрица (вектор) управления и нелинейный компонент уравнения состояния системы содержат неизвестные постоянные параметры. При синтезе наблюдателя проводится предварительная параметризация исходной нелинейной системы. Затем полученная система приводится к линейной регрессионной модели. На следующем этапе неизвестные постоянные параметры регрессии оцениваются с помощью метода наименьших квадратов с фактором забывания (forgetting factor). Результат предыдущей работы авторов, в которой рассмотрена линейная нестационарная система, содержащая неизвестные параметры в матрице (векторе) управления, расширен на случай, когда уравнение состояния системы содержит частично неизвестную нелинейность. Работоспособность предложенного алгоритма проиллюстрирована математическим моделированием.
Ключевые слова: адаптивный наблюдатель, нелинейная система, нестационарная система, линейная регрессионная модель, идентификация параметров

Благодарность: статья подготовлена при финансовой поддержке Российского научного фонда, грант 22-21-00499.

Список литературы:
  1. Каленова В. И., Морозов В. М. Линейные нестационарные системы и их приложения к задачам механики: учеб. пособие. М.: ФИЗМАТЛИТ, 2010. 208 с. ISBN 978-5-9221-1231-4.
  2. Баландин Д. В., Коган М. М. Управление и оценивание в линейных нестационарных системах на основе эллипсоидальных множеств достижимости // Автоматика и телемеханика. 2020. № 8. C. 8—28.
  3. Haotian Xu, Shuai Liu, Shangwei Zhao, Jingcheng Wang. Distributed control for a class of nonlinear systems based on distributed high-gain observer // ISA Transactions, 2023. Vol. 138, N 7. DOI:10.1016/j.isatra.2023.03.002.
  4. Venkateswaran S., Kravaris C. Linear Unknown Input Observers for Sensor Fault Estimation in Nonlinear Systems // IFAC-PapersOnLine. 2023. Vol. 56, is. 1. P. 61—66.
  5. Bobtsov A., Ortega R., Yi B., Nikolaev N. Adaptive state estimation of state-affine systems with unknown time-varying parameters // Intern. J. of Control. 2021. Vol. 95, N 9. Р. 1—26. DOI:10.1080/00207179.2021.1913647.
  6. Glushchenko A., Lastochkin K. Robust Time-Varying Parameters Estimation Based on I-DREM Procedure // arXiv preprint arXiv:2111.11716, 2021.
  7. Gao F., Jiang G., Zhang Z., Song J. An adaptive observer for actuator and sensor fault diagnosis in linear time-varying systems // Proc. of the 10th World Congress on Intelligent Control and Automation. IEEE, 2012. P. 3281—3285.
  8. Wang F., Zong M., Chen W. Fault diagnosis of linear time-varying system based on high gain adaptive compensation sliding mode observer // 2017 IEEE 2nd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC). IEEE, 2017. P. 1688—1691.
  9. Кочетков С. А. Об одном алгоритме идентификации параметров в линейных нестационарных системах // Тр. IX Междунар. конф. „Идентификация систем и задачи управления“ SICPRO'12. 2012. C. 195—209.
  10. Bobtsov A., Nikolaev N., Slita O., Kozachek O., Oskina O. Adaptive observer for a LTV system with partially unknown state matrix and delayed measurements // 14th Intern. Congress on Ultra Modern Telecommunications and Control Systems and Workshops. ICUMT-2022. 2022. P. 165—170.
  11. Бобцов А. А., Николаев Н. А., Ортега Мартинес Р., Слита О. В., Козачёк О. А. Адаптивный наблюдатель переменных состояния линейной нестационарной системы с частично неизвестными параметрами матрицы состояния и вектора входа // Мехатроника, автоматизация, управление. 2022. Т. 23, № 6. С. 283—288.
  12. Rugh W. J. Linear system theory. Prentice-Hall, Inc., 1996.
  13. Tranninger M., Seeber R., Zhuk S., Steinberger M., and Horn M. Detectability Analysis and Observer Design for Linear Time Varying Systems // IEEE Control Systems Letters. 2020. Vol. 4, N 2. P. 331—336.
  14. Tranninger M., Zhuk S., Steinberger M., Fridman L., Horn M. Non-Uniform Stability, Detectability, and Sliding Mode Observer Design for Time Varying Systems with Unknown Inputs // arXiv preprint arXiv:1809.06460. 2018.
  15. Aranovskiy S., Bobtsov A., Ortega R., and Pyrkin A. Performance enhancement of parameter estimators via dynamic regressor extension and mixing // IEEE Transactions on Automatic Control. 2016. Vol. 62, N 7. P. 3546—3550.
  16. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Parameters estimation via dynamic regressor extension and mixing // 2016 American Control Conference (ACC). IEEE. 2016. P. 6971—6976.
  17. Мирошник И. В., Никифоров В. О., Фрадков А. Л. Нелинейное и адаптивное управление сложными динамическими системами. М.: Наука, 2000. 549 с.
  18. Ljung L. System identification // Signal analysis and prediction. Boston, MA: Birkhäuser, 1998. P. 163—173.
  19. Sastry S., Bodson M. Adaptive Control: Stability, Convergence and Robustness. New Jersey: Prentice-Hall, 1989.