非线性系统的鲁棒自适应控制
非线性系统辨识与鲁棒控制设计

非线性系统辨识与鲁棒控制设计近年来,随着科技的迅猛发展,越来越多的实际控制系统呈现出非线性特性。
非线性系统在实际生活和工业生产中无处不在,如机械系统、电力系统和化学过程等。
为了更好地实现对非线性系统的控制,非线性系统辨识和鲁棒控制设计成为研究热点。
非线性系统辨识是指通过对系统输入输出数据进行分析和处理,建立系统的数学模型。
在非线性系统中,系统的动力学特性可能会因为非线性关系而变得复杂,因此,非线性系统辨识是非常具有挑战性的任务。
非线性系统辨识可以通过两种常用方法来实现:基于物理模型的辨识和基于数据的辨识。
基于物理模型的辨识方法是指通过对系统的运动方程和控制原理进行建模和推导,得到系统的数学模型。
这种方法适用于已知系统结构和动力学特性的情况下,可以较好地描述系统的行为。
然而,实际系统经常难以精确建模,因此,基于物理模型的辨识方法在非线性系统中的应用受到一定限制。
基于数据的辨识方法是指通过对系统输入输出数据进行数学处理和分析,从而推断出系统的数学模型。
这种方法不依赖于对系统的结构和动力学特性的先验知识,可以适用于各种非线性系统。
基于数据的辨识方法在非线性系统的辨识中具有广泛的应用,例如神经网络模型、支持向量机模型和遗传算法等。
在完成非线性系统辨识之后,鲁棒控制设计成为实现系统稳定性和性能要求的关键任务。
鲁棒控制设计是指通过设计适应非线性系统变化和不确定性的控制器,实现对系统的稳定性和鲁棒性能的改进。
在鲁棒控制设计中,一种常见的方法是通过将非线性系统转化为线性化系统,然后设计线性控制器进行控制。
鲁棒控制设计的核心思想是对系统不确定性和外部扰动进行补偿。
对于非线性系统的鲁棒控制,常用的方法包括滑模控制、自适应控制和模糊控制等。
滑模控制通过引入滑模面,实现对非线性系统的鲁棒控制;自适应控制通过在线调整参数,以适应非线性系统的变化;模糊控制通过建立模糊模型和设计模糊规则,实现对非线性系统的鲁棒控制。
除了上述方法,近年来,深度学习技术也开始应用于非线性系统的辨识和控制中。
控制系统中的鲁棒控制与自适应控制

控制系统中的鲁棒控制与自适应控制鲁棒控制与自适应控制是控制系统中两种重要的控制策略。
本文将对这两种控制方法进行详细介绍,并探讨它们在控制系统中的应用。
一、鲁棒控制鲁棒控制是一种控制方法,旨在使系统对于参数变化、外部干扰和建模误差具有较好的鲁棒性。
它通过设计控制器,使得系统能够在不确定性条件下保持稳定性和性能。
鲁棒控制通常用于应对实际系统中存在的模型不准确、参数变化和干扰等不确定因素。
鲁棒控制的一个重要工具是H∞控制理论。
H∞控制通过优化系统的H∞范数,将鲁棒性能与控制性能相结合。
它可以通过鲁棒性设计方法来有效地解决不确定性和干扰问题,提高系统的稳定性和鲁棒性。
鲁棒控制广泛应用于工业控制、飞行器控制和机器人控制等领域。
例如,在工业控制中,鲁棒控制可以帮助系统应对参数变化、负载扰动和模型不确定性。
在飞行器控制中,鲁棒控制可以提高系统对于风速变化和姿态扰动的鲁棒性。
在机器人控制中,鲁棒控制可以应对不确定的环境和任务需求变化。
二、自适应控制自适应控制是一种控制方法,通过实时地调整控制算法和参数来适应系统的变化。
自适应控制具有较强的适应性和鲁棒性,在面对系统参数变化和模型不准确时表现出良好的控制性能。
自适应控制基于模型参考自适应原理,通过参考模型来实现期望输出与实际输出的一致性。
它根据误差和系统状态,自适应地调整控制器参数,以达到期望的控制效果。
同时,自适应控制器还可以实时地对系统参数进行估计和补偿,提高系统的鲁棒性和性能。
自适应控制在很多领域都有广泛的应用。
例如,在机电系统中,自适应控制可用于解决系统刚性和非线性问题。
在信号处理中,自适应滤波器可用于实时地调整滤波器参数,提高滤波性能。
在网络控制系统中,自适应控制可用于应对网络延迟和通信丢包等问题。
三、鲁棒控制与自适应控制的比较与应用鲁棒控制与自适应控制是两种不同的控制方法,各自具有不同的优势和适用范围。
鲁棒控制适用于系统模型不准确、参数变化和干扰等不确定性较大的情况。
非线性系统的鲁棒自适应模糊轨迹线性化控制

第2 5卷 第 3 期
2O O 7年 5月
应
用
科
学
学
报
V0 .2 1 5 No.3 Ma 0 v2 07
J URNAL OF AP L E S EN S O P I D CI CE
文章 编 号 : 2 58 9 ( 0 7 0 —3 00 0 5 .2 7 2 0 ) 30 0 —6
非 线 性 系统 的 鲁 棒 自适 应 模糊 轨 迹 线 性 化 控 制
张春雨, 姜长
( 京 航 空航 天 大 学 自动 化 学 院 , 苏 南 京 20 1 ) 南 江 10 6
摘
要 : 对 一 类 非 线 性 多 输 入 多 输 出不 确 定 系 统 , 于 小 增 益 理 论 提 出 了鲁 棒 自适 应模 糊 轨 迹 线 性 化 控 制 方 法 . 针 基
利 用 TS模 糊 系统 逼 近 未 知 干 扰 和 不 确 定 性 因素 , 用 L au o 方 法 及 小 增 益 理 论 证 明 了闭 环 系统 所 有 信 号 一 致 - 采 yp nv 最 终 有 界 . 算 法 自适 应 律 的学 习参 数 仅 有 1 , 于 工 程 实 现 . 后 利 用 该 文 提 出 的 控 制 方 案 设 计 了空 天 飞 行 器 该 个 便 最 飞行 控制 系统 , 真 结 果 表 明 了控 制 方 案 的 有 效 性 和 鲁 棒 性 . 仿 关 键 词 : 迹 线 性 化 控 制 ;鲁 棒 自适 应 控 制 ; - 模 糊 系 统 ; 增 益 理 论 ;空 天 飞 行 器 轨 TS 小 中 图分 类 号 : P 9 .; 24 1 T 232 V 9 . 文 献 标 志 码 :A
( o eeo u m t n aj g U i r t o e n ui n s o ui ,N n n 10 6 hn ) C lg l fA t ai ,N n n n e i o o i v sy fA r a t s d At n t c o ca ra s aj g 2 0 1 ,C i i a
非线性控制与鲁棒性

非线性控制与鲁棒性非线性控制是控制理论中的重要分支,它研究的对象是具有非线性特性的系统。
在现实世界中,许多系统都具有非线性特性,例如生物系统、化学反应系统、机械系统等等。
与线性系统相比,非线性系统更加复杂,因此需要采用不同的控制方法来实现对其的稳定控制。
而鲁棒性则是在面对系统参数变化、测量误差等不确定因素时,控制系统能够保持一定的性能。
非线性控制方法可以分为两大类:基于物理模型的方法和基于神经网络的方法。
1. 基于物理模型的非线性控制基于物理模型的非线性控制是以系统的数学模型为基础,采用数学分析和控制理论来设计控制器。
其中,最常用的方法是状态反馈控制和输出反馈控制。
状态反馈控制是通过测量系统状态来设计控制器,使系统的状态达到期望值。
这种方法需要系统的状态变量可测量,在实际应用中会受到传感器等因素的限制。
输出反馈控制是通过测量系统输出来设计控制器,并通过计算控制输入来使系统输出跟踪期望值。
输出反馈控制不需要测量系统的状态,因此更加实用,但也常常需要引入观测器等辅助设备。
2. 基于神经网络的非线性控制基于神经网络的非线性控制是利用神经网络的非线性映射能力来近似系统的非线性特性,进而设计控制器。
神经网络可以通过学习样本数据来建立系统的模型,并通过反馈控制来调整网络权值,实现对系统的控制。
基于神经网络的非线性控制具有较好的适应性和鲁棒性,能够处理一些复杂非线性系统难以建模的问题,但也面临着神经网络训练的困难和计算复杂度的挑战。
在非线性控制中,鲁棒性是一个重要的性能指标。
鲁棒性控制是指控制系统对于不确定性的抵抗能力,即当系统参数发生变化或存在测量误差时,控制系统能够保持一定的性能。
在设计鲁棒控制器时,需要考虑系统参数的范围、不确定性的影响以及控制器的稳定性等因素。
鲁棒控制的设计方法有很多,例如H∞控制、滑模控制、自适应控制等。
这些方法在处理非线性系统不确定性时,能够有效提高系统的稳定性和控制性能。
总结而言,非线性控制与鲁棒性是控制领域中的关键问题,研究非线性系统的控制方法并设计鲁棒控制器,可以提高控制系统的鲁棒性和性能。
非线性系统的自适应学习控制

非线性系统的自适应学习控制非线性系统的自适应学习控制随着科技的不断发展,人们对于非线性系统的研究也越来越深入。
非线性系统在现实生活中无处不在,例如机器人控制、网络通信、生物医学等领域都常常涉及到非线性系统的建模和控制。
由于非线性系统的复杂性和不确定性,如何对其进行有效的控制一直是一个挑战。
在传统的控制方法中,经典的PID控制器通常被广泛应用于线性系统中。
然而,由于非线性系统的特点,传统的PID控制方法很难获得满意的控制效果。
因此,自适应学习控制成为了解决非线性系统控制问题的热门方法之一。
自适应学习控制是一种以学习为基础的控制方法,它通过对非线性系统的学习和适应,动态地调整控制参数以实现系统的稳定性和性能。
自适应学习控制的核心思想是利用系统的输入和输出数据来推断系统的动态特性,并根据推断的模型来进行控制。
在自适应学习控制中,最常用的方法是基于模型的自适应学习控制方法。
该方法通过使用神经网络或者模糊控制等模型,对非线性系统进行建模。
在控制过程中,通过不断地调整模型参数来适应系统的变化。
通过模型的预测和控制,可以实现对非线性系统的控制。
此外,还有基于模型参考自适应控制和直接自适应控制等其他方法。
基于模型参考自适应控制方法通过引入参考模型,将非线性系统的控制问题转化为参考模型与实际系统之间的跟踪问题。
通过不断地更新控制器参数,使得实际系统的输出与参考模型的输出保持一致。
直接自适应控制方法则是通过直接调整控制器参数来实现对非线性系统的控制。
非线性系统的自适应学习控制具有许多优点。
首先,它能够适应系统的变化和不确定性。
在实际应用中,许多非线性系统的参数会随着时间和环境的变化而发生变化。
自适应学习控制能够通过不断地学习和适应,使得系统的控制性能始终保持在一个较高水平。
其次,自适应学习控制能够提供更好的鲁棒性。
非线性系统常常会面临各种扰动和噪声,而自适应学习控制能够通过学习和调整控制参数来抵抗这些外界干扰,从而确保系统的稳定性和性能。
控制系统中的非线性控制与自适应控制比较

控制系统中的非线性控制与自适应控制比较控制系统在现代工程中扮演着非常重要的角色,它用于对各种物理系统进行稳定和精确的控制。
在控制系统的设计中,非线性控制和自适应控制是两种常见的方法。
本文将比较这两种方法的特点、应用领域以及优缺点,以便了解它们在不同场景中的适用性。
一、非线性控制非线性控制是指当被控对象的行为不符合线性数学模型时所采取的控制策略。
传统的线性控制方法在控制非线性系统时表现不佳,而非线性控制方法则通过了解和利用系统的非线性特性来实现更好的控制效果。
非线性控制方法在实际应用中广泛存在,如航空航天、机器人、化工等领域。
非线性控制的主要特点是灵活性和适应能力。
相较于线性控制,非线性控制能够更好地处理复杂和不确定的系统行为。
通过模型实时更新、自适应参数调整和稳定性分析,非线性控制方法能够更好地适应系统的变化,并提供更好的控制性能。
然而,非线性控制也存在一些缺点。
首先,非线性控制需要更复杂的分析和设计过程,包括系统建模、非线性特性分析以及控制器设计等。
这增加了控制系统的复杂性和开发难度。
其次,非线性控制方法一般需要更多的计算资源,这对于计算能力有限的嵌入式系统来说可能是一个挑战。
因此,在某些应用场景下,非线性控制可能不是最优选择。
二、自适应控制自适应控制是一种根据系统的实时变化来调整控制器参数的方法。
相较于传统的固定控制器,自适应控制能够更好地适应系统的变化和不确定性,从而提供更好的控制性能。
自适应控制方法在自动驾驶、航空航天、电力系统等领域得到了广泛应用。
自适应控制的主要特点是优化性能和鲁棒性。
自适应控制方法通过实时监测系统的输入输出数据,并根据误差信号来调整控制器参数。
这种自适应性能够使得控制系统具有更好的适应性和鲁棒性,在系统参数变化或外部干扰改变的情况下依然可以提供稳定的控制效果。
然而,自适应控制也存在一些缺点。
首先,自适应控制的实时参数调整需要大量的计算和存储资源,并且对系统的识别和建模要求较高。
非线性系统的鲁棒性控制

非线性系统的鲁棒性控制一、引言现代控制理论中,非线性系统的鲁棒性控制一直是研究的热点之一。
非线性系统因为其复杂的特性,往往不容易被精确地建模和控制,因此,鲁棒性控制成为一种有效的方法。
本文将从非线性系统的定义入手,介绍非线性系统在鲁棒性控制中的应用和相关理论。
二、非线性系统的定义非线性系统是指,其输入和输出之间的关系不是线性的,其中包括的非线性元素很多,比如幂函数、三角函数、指数函数等。
与线性系统不同,非线性系统具有以下几个特点:1. 非线性系统的系统函数是非线性的,即系统的状态方程和输出方程是非线性的;2. 非线性系统的稳定性分析和控制设计往往比较复杂,需要使用数值模拟和优化算法等方法进行处理;3. 非线性系统的动态行为具有很多非线性效应,比如不稳定性、混沌和复杂多样的周期运动等。
三、非线性系统的鲁棒性控制非线性系统的鲁棒性控制是指,对于具有不确定参数和外部干扰的非线性系统进行控制,并保证其稳定性和性能的方法。
在实际应用中,非线性系统的鲁棒性控制被广泛应用于工业自动化、机器人控制、航空航天等领域。
非线性系统的鲁棒性控制包括以下几个方面:1. 鲁棒控制器的设计:在非线性系统中,我们通常使用鲁棒控制器来设计控制方案。
其中,鲁棒控制器是指一种能够对非线性系统的不确定性进行补偿的控制器。
常用的鲁棒控制器包括H∞控制器、滑模控制器、自适应控制器等。
2. 鲁棒性分析和验证:针对非线性系统的不确定性和外部干扰,需要对鲁棒性进行分析和验证。
其中,鲁棒分析是指确定鲁棒性参数的过程,鲁棒验证是指通过实验和仿真等方法验证鲁棒性的有效性。
3. 鲁棒性优化和调试:鲁棒性控制的优化和调试是非常重要的。
在控制系统设计过程中,需要考虑系统参数、系统耐干扰性、系统稳定性以及过渡过程等方面。
四、非线性系统的鲁棒控制策略(1)H∞控制H∞控制是一种广泛应用于非线性系统的鲁棒控制策略。
该方法通过数学分析和机理推导的方法,能够将非线性系统的模型转换为标准的H∞控制器模型,并对其进行分析和设计。
控制系统中的非线性控制与鲁棒控制比较

控制系统中的非线性控制与鲁棒控制比较在控制系统领域,非线性控制和鲁棒控制是两种常见的控制策略。
它们都致力于实现系统的稳定性和性能要求,但方法和理念有所不同。
本文将对非线性控制和鲁棒控制进行比较,探讨它们的特点、优势和应用领域。
一、非线性控制非线性控制是一种基于非线性系统理论和方法的控制策略。
它适用于描述系统行为规律非线性的系统,如涉及到非线性传感器、执行器的控制系统等。
非线性控制的主要目标是通过设计控制器,使系统能够实现期望的稳定性和性能指标。
非线性控制的一个重要特点是需要建立系统的数学模型,以推导出系统的非线性特性和响应。
根据系统的特点和需求,可以选择不同的非线性控制方法,如模糊控制、神经网络控制、自适应控制等。
这些方法能够处理系统的非线性特性,对传感器和执行器的非线性关系进行建模和补偿,提高系统的稳定性和鲁棒性。
非线性控制在实际应用中有着广泛的应用,例如飞行器控制、机器人控制、电力系统控制等。
通过引入非线性控制策略,可以更好地解决非线性系统在实际工程中遇到的稳定性和准确性问题。
二、鲁棒控制鲁棒控制是一种基于系统鲁棒性理论的控制策略。
它能够处理系统参数不确定、外部干扰以及建模误差等问题,保持系统在存在这些不确定因素的情况下的稳定性和性能要求。
鲁棒控制的设计目标是提高系统的鲁棒性,使得系统在不确定情况下依旧能够保持良好的控制性能。
鲁棒控制方法通常采用线性控制框架,例如H∞控制、μ合成控制等。
这些方法强调通过设计鲁棒控制器来抵抗参数变化、外部扰动等不确定因素的影响,保证系统的稳定性和性能。
鲁棒控制方法对系统模型精确性的要求较低,能够有效应对一些实际系统难以准确建模的情况。
鲁棒控制在工业控制领域得到了广泛的应用,例如航空航天领域、汽车控制系统、医疗设备控制等。
通过引入鲁棒控制策略,可以增强系统抵抗不确定性的能力,提高系统的稳定性和适应性。
三、非线性控制与鲁棒控制的比较1. 控制策略选择:非线性控制方法适用于解决系统具有明显非线性特性的问题,而鲁棒控制方法则适用于系统存在不确定因素、难以准确建模的情况下。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
非线性系统的鲁棒自适应控制Robust Adaptive Control of Uncertain Nonlinear Systems郝仁剑3120120359摘要:本文以非线性系统的控制问题为背景,介绍了多种经典的非线性系统的控制方法以及研究进展,分析了各种控制方法存在的优点和不足。
着重介绍了鲁棒自适应控制在非线性系统中的应用,结合该领域的近期研究进展和实际应用背景,给出对鲁棒自适应控制的进一步研究目标。
关键词:非线性系统鲁棒控制自适应控制1.前言任何实际系统都具有非线性特性,非线性现象无处不在。
严格地说,线性特性只是其中的特例,但是非线性系统与线性系统又具有本质的区别。
由于非线性系统不满足叠加原理,因此非线性特性千差万别,这也给非线性系统的研究带来了很大的困难。
同时,对于非线性系统很难求得完整的解,一般只能对非线性系统的运动情况做出估计。
众所周知,控制理论经历了经典控制理论和现代控制理论两个发展阶段。
在第二次世界大战前后发展起来的经典控制理论应用拉普拉斯变换等工程数学工具来分析系统的品质。
它广泛地应用于单输入单输出、线性、定常、集中参数系统的研究中。
随着控制对象的日益复杂以及人们对控制系统精度的不断提高,经典控制理论的局限性就暴露出来了。
在20世纪50年代,Bellman根据最优原理创立了动态规划。
同时庞特里亚金等学者创立了最大值原理。
后来,Kalman提出了一系列重要的概念,如可观性,可控性,最优线性二次状态反馈,Kalman滤波等。
这些理论和概念的提出大大促进了现代控制理论的发展。
控制系统的设计都需要以被控对象的数学模型为依据,然而对于任何被控对象不可能得到其精确的数学模型,如在建立机器人的数学模型时,需要做一些合理的假设,而忽略一些不确定因数。
不确定性的必然存在也正促使了现代控制理论中另一重要的研究领域——鲁棒控制理论的发展。
Zmaes关于小增益定理的研究以及Kalman关于单输入单输出系统LQ调节器稳定裕量的分析为鲁棒控制理论的发展产生了重要的影响。
特别是Zmaes1981年发表的论文[1]标志H∞控制理论的起步。
1984年Francis和Zmaes基于古典插值理论提出H∞问题的初步解法。
Glover运用Hankel算子理论给出了H∞问题的解析解。
Doyle在状态空间上对Glover解法进行整理和归纳。
至此H∞控制理论体系初步形成。
同时,Doyle首次提出结构化奇异值的概念,后来形成了μ解析理论。
另外一种重要的控制器设计方法是基于Lyapunov函数的方法。
在进行鲁棒控制器的设计时,一般都假设系统的不确定性属于一个可描述集,比如增益有界,且上界己知等。
一般来说,鲁棒控制是比较保守的控制策略。
对所考虑集合内的个别元素,该系统并不是最佳控制。
对于具有参数不确定性的一类系统,自适应控制技术被提了出来,如模型参考自适应控制和自校正控制等。
在实际应用中,由于被控对象具有未建模动态,过程噪声或扰动的统计特性远比设计时所设想的情况更复杂,以及持续激励条件和严正实条件等“理想条件”被打破,这都会导致自适应控制算法的失稳。
于是自适应控制的鲁棒性课题,即鲁棒自适应控制受到了广泛的关注。
大量的工程实践表明,对于复杂的工业对象和过程,引入自适应策略能够提高控制精度,提高生产效率,降低成本。
近年来,非线性自适应控制技术取得突破性的发展,控制器的结构化设计技术也正日益得到广泛的研究与应用。
随着科学技术的发展,特别是航海,航空和航天技术,以及工业控制技术的发展,人们对严重非线性系统,变参数系统迫切要求更精密、有效的控制算法。
但又由于非线性系统的复杂性以及不确定性的多样性,要在统一的框架下处理多种非线性不确定系统是很困难的。
将非线性系统自适应控制与鲁棒控制相结合起来,综合近年来的非线性控制技术,控制器结构性设计技术以及智能控制技术等,提出高性能的和可行的控制系统设计方法,这对促进工业生产和国防建设,以及发展和完善非线性控制理论都将具有重要的意义。
2. 非线性控制2.1 相平面法早期的非线性控制方法有“相平面法”,描述函数法,绝对稳定性理论等。
相平面法最早由Poincare等数学家们提出来。
其主要思想是在一个叫做相平面的二维平面内,产生出对应于各种初始条件的运动轨迹,从各种运动轨迹可以得到系统的一些定性特性。
该方法的缺点是只局限于一阶和二阶的非线性系统,对高阶系统的图解分析将变得非常困难。
描述函数法是一种近似的分析方法,它将系统在正弦信号作用下产生的输出用基波分量来近似。
这样就可以得到输入输出信号之间在幅值和相位上的相互关系,即获得非线性系统近似的频率特性。
但是该方法对复杂的非线性系统就变得无能为力。
绝对稳定性概念是由鲁里叶和波斯特尼考夫提出来的。
其中比较著名的绝对稳定性判据有波波夫判据和圆盘判据。
波波夫判据通过分析系统中线性部分的频率特性就能判断整个系统的绝对稳定性。
圆盘判据是一种频域形式的判据。
但这些判据都很难推广到多变量非线性系统中。
2.2 Lyapunov函数法研究非线性控制系统稳定性最常用的方法是Lyapunov在著作《动态稳定性的一般问题》中提出的方法。
该方法包括直接法和间接法。
间接法是从非线性的线性逼近稳定性质得出非线性系统在一个平衡点附近的局部稳定性的结论。
直接法是通过借助于一个Lyapunov函数来直接对系统平衡状态的稳定性做出判断,即从能量的观点对系统进行稳定性的分析。
如果一个系统被激励后,其存储的能量随着时间的推移在逐渐衰减,到达平衡状态时,能量达到最小,那么这个平衡状态是渐进稳定的。
或者系统存储的能量既不增加也不减少,那么这个平衡状态也称为是稳定的。
该方法适用于任何系统,可以是时变的或定常的,也可以是有限维的或者无限维的。
该方法的局限性在于往往很难对一个给定的系统找出一个切Lyapunov函数。
克拉索夫斯基法和变量梯度法为早期提出的构造切Lyapunov函数的方法。
2.3 反馈线性化法在上个世纪80年代中期,微分几何和微分代数方法的引入为非线性控制理论的研究带来了突破性的进展,使得研究模式摆脱了局部线性化和小范围运动的限制,实现了非线性系统大范围的分析与综合。
一种新的非线性控制方法——反馈线性化引起人们极大的兴趣。
Krener首先对局部反馈线性化控制的充分条件进行了研究,随后Boothby,Dyawansa等人将这一局部结果推广到全局。
反馈线性化的基本思想是通过代数变换将一个非线性系统变换成线性系统,从而可以应用熟知的线性理论来进行控制器的设计。
该方法与传统的基于平衡点附近线性化的方法有本质的区别,因而又称为精确线性化或全局线性化。
该方法的缺点是要求系统模型精确己知。
在处理不确定线性系统时,Kharitonov区间理论,H∞控制理论,结构奇异值理论(μ理论)起着重要的作用。
2.4 鲁棒控制法对于非线性系统的鲁棒控制算法,典型的是变结构控制。
由于变结构算法能够使系统沿设计好的“滑动模态”轨迹运动,因而使系统具有很强的鲁棒性。
同时由于其结构简单、响应快而受到普遍重视。
以微分几何为主要工具发展起来的非线性控制理论思想极大推动滑模控制理论的进展。
为了使系统保持在“滑动模态”上运动,滑模控制需要来回地作逻辑切换,故容易引起抖振现象。
抖振的发生将破坏“滑动模态”的优良性能,增加能耗,激发系统未建模高频,对整个系统产生破坏作用。
虽然已经提出了许多消弱抖振的方法,但是该问题还没有真正地得到解决。
目前,对于非线性系统的鲁棒控制问题,主要的解决方法仍然以Lyapunov稳定性理论为基础。
首先假设系统的不确定性可表示为有界未知参数或有界未知函数,根据上界值或上界函数以及标称对象来构造一个适当的Lyapunov函数,使得系统对于不确定集中的任何元素都是稳定的。
事实上,构造Lyapunov函数的过程也正是使系统无源化的过程。
此时Lyapunov 函数正是保证系统无源化的存储函数。
非线性系统无源性的KYP引理揭示了对非线性系统构造存储函数的可能性。
系统称为无源的是指系统的能量总是小于或等于初始时刻系统所具有的能量与由外部提供的能量之和,即系统只从外部吸收能量,而系统本身并不向外部释放能量。
系统的无源性概念的更一般的推广就是所谓的耗散性。
对于给定的能量供给率,如果存在一个依赖于系统状态的非负能量存储函数,使得耗散不等式成立,则称系统是耗散的。
工程中常用的供给率是由输入到输出信号的范数之差给出的,即L2增益约束的控制问题。
如果系统对于这类供给率是耗散的,那么该系统由输入到输出就满足L2增益约束条件。
许多与L2增益约束有关的控制问题,如L2综合问题,H∞问题,以及干扰近似解耦或L2干扰抑制等,都可以归结为使系统耗散的问题。
从本质上讲,非线性H∞二控制就是一种L2增益约束控制问题。
非线性H∞控制在上世纪90年代得到重要发展。
Vander Schaft运用无源性和耗散理论,给出了一个求解H∞状态反馈控制的方法。
该方法利用Hamilton矢量空间的Hamilton-Jacobi方程和不变流形作为分析工具,并假设Hamilton系统在一定条件下具有双曲平衡点,得出线性化系统的H∞控制问题是可解的。
Isidori等人提出解决非线性H∞控制问题的微分对策框架,并且基于该框架给出了符合分离原理的输出反馈控制器的存在条件。
然而,理论上的发展并没有促进非线性H∞控制方法在实际系统中的广泛应用。
其中一个关键的问题是非线性H∞控制问题需要求解Hamilton-Jacobi-Issacs (HJI)偏微分不等式,而该不等式的求解是相当困难的。
Yazdanpanah等人,证明了非线性反馈控制器总是导致比线性控制器更大的有效域,且扰动衰减系数越大,HJI不等式的有效域越大。
反之,扰动衰减系数越小,HJI不等式有效域越小。
但该方法仅仅是一个粗糙的估计。
Soravia从粘性解的角度,研究了非线性H∞控制问题可解的充分必要条件,并证明了在输入是紧集的情况下充分条件就是必要条件。
另外也有一些学者针对HJI不等式提出了一些数值解法。
由于目前对于HJI不等式在数学上还没有通用的方法,因此人们开始尝试开辟新的途径来绕过不等式的求解。
文献[2,3]研究了不确定非线性系统的自适应鲁棒L2干扰抑制问题。
在系统存在干扰和未建模动态的情况下,一些新的非线性设计方法[4,5]都避免了求解HJI不等式。
3. 鲁棒自适应控制研究进展自适应控制是另外一种重要的非线性控制技术。
常规的反馈控制系统对于系统内部特性的变化或者外界干扰也具有一定的抑制能力,但由于控制器的参数是固定不变的,当系统内部特性发生变化或者外界干扰很大时,系统的稳定性就无法保证。
而自适应控制的优点就是具有一定的适应能力,它可以根据系统的输入输出数据,不断地辨识系统的参数。