阵风环境模拟用控制器设计与实验研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (13): 228-233.

阵风环境模拟用控制器设计与实验研究

孟庆龙1，王元2，李彦鹏1

1.长安大学环境科学与工程学院，西安 710054
2.西安交通大学能源与动力工程学院，西安 710049

出版日期:2014-07-01 发布日期:2015-05-12

Wind environment ILC self-tuning controller design

MENG Qinglong1, WANG Yuan2, LI Yanpeng1

1.School of Environmental Science and Engineering, Chang’an University, Xi’an 710054, China.
2.School of Energy and Power Engineering, Xi’an Jiaotong University, Xi’an 710049, China

Online:2014-07-01 Published:2015-05-12

摘要/Abstract

摘要： 针对环境模拟实验室风环境模拟的阵风特性，设计开发了一种迭代学习自校正PID控制器。该控制器将设定值序列进行迭代学习优化，系统内部采用PID自校正控制策略。仿真和实验结果表明，两种控制方式的结合，可改善系统设定点改变时的动态特性，实现了对期望风环境参数的有效控制。迭代学习控制的作用下，特别是对正弦风的模拟，随着时间推移实际值可跟踪定值，保证了环境模拟的控制精度。

关键词: 环境模拟实验室, 风环境, 迭代学习控制

Abstract: According to the characteristics of gust wind environment simulation in environmental simulation laboratory, an iterative learning self tuning PID controller is designed and developed. The controller optimizes the value set points sequence by iterative learning method. The system adopts PID self-tuning control strategy. The simulation and experimental results show that, with the two kinds of control methods, which can improve the system dynamic characteristic result from set point change, the effective control of the expected environmental parameters is realized. In iterative learning control function, especially for the simulation of the sinusoidal wind, the actual value can track the set value, and the control precision of wind environment simulation is guaranteed.

Key words: environment simulation laboratory, wind simulation, iterative learning control

孟庆龙1，王元2，李彦鹏1. 阵风环境模拟用控制器设计与实验研究[J]. 计算机工程与应用, 2014, 50(13): 228-233.

MENG Qinglong1, WANG Yuan2, LI Yanpeng1. Wind environment ILC self-tuning controller design[J]. Computer Engineering and Applications, 2014, 50(13): 228-233.

[1]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[2]	侯锐，卜旭辉. 任意初始位置机器人领航跟随型迭代学习编队[J]. 计算机工程与应用, 2020, 56(20): 226-231.
[3]	管海娃. 机器人系统有限时间自适应迭代学习控制[J]. 计算机工程与应用, 2020, 56(14): 231-239.
[4]	梁嘉琪，卜旭辉，刘建. 数据丢失下多智能体系统迭代学习跟踪控制[J]. 计算机工程与应用, 2018, 54(20): 42-47.
[5]	张克军1，2，彭国华2，孙天凯3. 线性广义系统P型迭代学习控制离散频域收敛性[J]. 计算机工程与应用, 2017, 53(24): 59-63.
[6]	王娟，李国宁，刘雨佳. 基于迭代学习控制的列车自动运行研究[J]. 计算机工程与应用, 2014, 50(9): 219-224.
[7]	伍巧凤，刘山. 初始误差修正的多智能体一致性迭代学习控制[J]. 计算机工程与应用, 2014, 50(1): 29-35.
[8]	裴九芳1，2，王海1，2，许德章1，2. 基于迭代学习控制的移动机器人轨迹跟踪控制[J]. 计算机工程与应用, 2012, 48(9): 222-225.
[9]	闫秀英1，2，任庆昌1，孟庆龙3. 变风量空调系统的迭代学习控制研究[J]. 计算机工程与应用, 2011, 47(16): 211-213.
[10]	徐红伟，黄艳岩，孙坚. 一类非线性采样系统高阶迭代学习控制[J]. 计算机工程与应用, 2010, 46(24): 233-236.
[11]	李星毅¹,绪远²,王轶¹. 改进的时不变系统PD型迭代学习控制算法[J]. 计算机工程与应用, 2008, 44(31): 75-77.