1. 项目概述
计算机控制系统设计是自动化专业的核心课程之一，课程设计要求学生针对特定被控对象设计并实现完整的控制系统。本次设计以三阶系统为被控对象，重点探讨最少控制系统、史密斯预估补偿器和大林算法三种控制策略的实现与比较。
三阶系统在工业控制中具有典型代表性，如化工过程中的多级反应器、机械系统的多质量块振动系统等。这类系统往往具有较大的惯性和延迟特性，给控制器设计带来挑战。通过本设计，不仅能掌握经典控制算法的实现方法，还能深入理解不同控制策略的适用场景。
2. 被控对象建模与分析
2.1 三阶系统数学模型
三阶系统的传递函数一般形式为：
code复制G(s) = K / (s^3 + a2s^2 + a1s + a0)
其中K为系统增益，a0-a2为系统参数。在MATLAB中可以通过tf函数建立模型：
matlab复制num = K;
den = [1 a2 a1 a0];
sys = tf(num, den);
2.2 系统特性分析
三阶系统通常表现出以下特性：
- 响应速度较慢，存在明显超调
- 对参数变化敏感
- 可能存在不稳定极点
- 时域响应呈现多峰特性
通过bode图、nyquist图和阶跃响应分析可以直观了解系统特性：
matlab复制bode(sys);
nyquist(sys);
step(sys);
3. 最少控制系统设计
3.1 基本原理
最少控制系统是指通过状态反馈将系统极点配置到期望位置，使系统达到预期性能。其核心思想是通过状态反馈矩阵K的设计，使闭环系统具有期望的动态特性。
3.2 设计步骤
- 判断系统能控性：
matlab复制Co = ctrb(A,B);
rank(Co);
- 确定期望极点位置：
- 根据响应速度要求确定主导极点
- 增加一个非主导极点使系统阶次匹配
- 计算反馈矩阵K：
matlab复制K = place(A,B,poles);
- 仿真验证：
matlab复制sys_cl = ss(A-B*K,B,C,D);
step(sys_cl);
3.3 参数整定技巧
-
主导极点应满足：
- 阻尼比ζ=0.6～0.8
- 自然频率ωn根据调节时间要求确定
-
非主导极点应远离主导极点（5～10倍）
-
实际应用中需考虑执行器饱和问题
4. 史密斯预估补偿器设计
4.1 算法原理
史密斯预估器针对具有纯滞后环节的系统，通过引入预估模型来补偿时滞影响。其基本结构包含：
- 被控对象模型
- 时滞环节
- 预估器模型
4.2 实现步骤
- 建立被控对象模型：
matlab复制G = tf(num,den,'InputDelay',tau);
- 设计预估器：
matlab复制G_pred = tf(num,den);
- 组合控制系统：
matlab复制C = tf([1],[1]); % 简单比例控制器
sys_smith = feedback(C*G, 1-G_pred*(1-G));
4.3 注意事项
- 模型失配会严重影响控制效果
- 适用于确定性时滞系统
- 对测量噪声敏感
- 实际实现时需考虑计算延迟
5. 大林算法实现
5.1 算法核心
大林算法是一种针对时滞系统的数字控制算法，通过离散化处理和预测控制来克服时滞影响。其核心方程为：
code复制u(k) = q0e(k) + q1e(k-1) + ... + (1-α)u(k-1)
5.2 C语言实现
c复制#define N 3 // 系统阶次
#define M 2 // 时滞步数
float q[N+1] = {0.5, -0.3, 0.1}; // 控制器参数
float alpha = 0.2; // 遗忘因子
float dahl_control(float error, float *err_hist, float *u_hist) {
float u = 0;
// 计算控制量
for(int i=0; i<=N; i++){
u += q[i] * err_hist[i];
}
u += (1-alpha) * u_hist[0];
// 更新历史数据
for(int i=N; i>0; i--){
err_hist[i] = err_hist[i-1];
}
err_hist[0] = error;
u_hist[1] = u_hist[0];
u_hist[0] = u;
return u;
}
5.3 参数整定方法
-
采样周期选择：
- 应小于系统最小时间常数的1/10
- 大于计算周期2～3倍
-
参数q确定：
- 通过系统辨识获得
- 或通过试凑法调整
-
遗忘因子α：
- 通常取0.1～0.3
- 值越大系统响应越快但稳定性降低
6. 三种控制策略比较
6.1 性能对比
| 指标 | 最少控制 | 史密斯预估 | 大林算法 |
|---|---|---|---|
| 响应速度 | 快 | 中等 | 慢 |
| 鲁棒性 | 差 | 中等 | 好 |
| 实现复杂度 | 高 | 中等 | 低 |
| 抗干扰能力 | 弱 | 中等 | 强 |
| 参数敏感性 | 高 | 高 | 低 |
6.2 适用场景建议
-
最少控制系统：
- 模型精确已知
- 需要快速响应
- 无显著时滞
-
史密斯预估器：
- 确定性时滞系统
- 模型精度较高
- 对响应速度要求中等
-
大林算法：
- 存在不确定时滞
- 模型精度不高
- 需要较强鲁棒性
7. 系统实现与调试
7.1 硬件连接方案
-
基于STM32的实现：
- ADC采集被控对象输出
- DAC输出控制信号
- 定时器中断实现采样周期
-
信号调理电路：
- 电压匹配（0-3.3V）
- 低通滤波（截止频率=10倍采样频率）
7.2 软件架构设计
c复制// 主程序框架
void main() {
HAL_Init();
SystemClock_Config();
MX_ADC_Init();
MX_DAC_Init();
MX_TIM_Init(); // 定时器配置
while(1) {
// 后台任务
}
}
// 定时器中断服务程序
void TIM_IRQHandler() {
float y = ADC_Read();
float r = Get_Setpoint();
float e = r - y;
float u = Dahl_Control(e);
DAC_Output(u);
}
7.3 调试技巧
-
先开环测试：
- 验证信号采集正确性
- 检查执行机构响应
-
分段调试：
- 先调比例作用
- 再引入积分微分
-
参数调整：
- 从保守参数开始
- 每次只调整一个参数
- 记录每次调整效果
8. 常见问题与解决方案
8.1 系统振荡问题
可能原因：
- 控制器增益过大
- 采样周期不合适
- 存在高频噪声
解决方案：
- 降低比例增益
- 调整采样周期
- 增加软件滤波
8.2 稳态误差问题
可能原因：
- 积分作用不足
- 执行机构饱和
- 存在死区
解决方案：
- 适当增加积分时间
- 检查执行机构限幅
- 加入死区补偿
8.3 实时性问题
可能原因：
- 算法计算量过大
- 中断优先级设置不当
- 采样周期过短
解决方案：
- 优化算法实现
- 调整中断优先级
- 合理选择采样周期
9. 进阶优化方向
9.1 参数自整定
实现基于极限环法的自动整定：
- 施加阶跃扰动
- 观察系统响应
- 根据振荡周期和幅值计算PID参数
9.2 模糊PID控制
结合模糊逻辑实现参数在线调整：
- 定义误差和误差变化的模糊集
- 建立模糊规则库
- 实时调整PID参数
9.3 神经网络补偿
利用NN实现模型误差补偿：
- 离线训练逆模型
- 在线补偿控制量
- 周期性更新网络参数
在实际调试中发现，三阶系统的控制效果很大程度上取决于模型的准确性。建议在正式控制前进行充分的系统辨识实验，获取准确的模型参数。对于时变系统，可以考虑采用自适应控制策略，定期更新模型参数。