自適應控制
- 自適應控制所討論的對象,一般是指對象的結構已知,僅僅是參數未知,而且採用的控制方法仍是基於數學模型的方法
- 但實踐中我們還會遇到結構和參數都未知的對象,比如一些運行機理特別複雜,目前尚未被人們充分理解的對象,不可能建立有效的數學模型,因而無法沿用基於數學模型的方法解決其控制問題,這時需要藉助人工智能學科,也就是智能控制
- 自適應控制與常規的控制與最優控制一樣,是一種基於數學模型的控制方法
- 自適應控制所依據的關於模型的和擾動的先驗知識比較少,需要在系統的運行過程中不斷提取有關模型的信息,使模型愈來愈準確
- 常規的反饋控制具有一定的魯棒性,但是由於控制器參數是固定的,當不確定性很大時,系統的性能會大幅下降,甚至失穩
設計思路
問題的提出
對於一個非線性系統
是未知參數, 是控制輸入
要求設計一個合理的控制信號 ,使得系統狀態 跟蹤上期望信號 ,假設 是解析並有界的,且其微分 也是連續且有界的,這個假設在實際中可以滿足,因爲跟蹤信號往往是認爲設計的
解決思路
對於現代控制理論,正如前面所述,設計控制信號實際上是設計誤差動力學系統,因此,設誤差信號 ,則誤差的動力學系統方程爲
———– (1)
由於原系統是滿足matching條件的,即控制信號和未知參數處於一個方程中,那麼根據等價確定性原則(certainty equivalence, CE)設計控制器
———– (2)
是參數 的估計值
是控制器參數
接下來需要設計估計參數 的更新律,這裏採用結合Lyapunov穩定性進行設計
假設 ,將控制 代入(1),則(1)可以寫成
———– (3)
定義Lyapunov函數
———– (4)
求導,得
爲了達到系統的穩定,則要使得 ,因此,設計 的更新律爲
———– (5)
代入,得到
———– (6)
由(4),(6)的positive definite特性可以確定(4)是一個合理的Lyapunov函數,由(6)可知(4)有界,即 和 也有界,且 平方可積。根據期望信號 的假設,以及參數誤差和跟蹤誤差的定義可知, 與 也是有界的,因此由(2)得到的控制 也是有界的,且由(1)得到 也有界。
由Barbalat’s Lemma可得 uniformly continuous且
由此可以得到系統漸進穩定,但是我們此時只是得到了系統的跟蹤誤差漸進收斂到0,但是參數的估計誤差並沒有收斂到0,因爲我們設計參數的更新律時,是從系統的角度來設計的。
綜合,整體思路爲,先求出對期望信號 跟蹤誤差的誤差動態方程;根據等價確定性原則(certainty equivalence, CE)設計控制器 ,包含耦合抵消項和線性負反饋項兩項組成,其中的未知參數用其參數估計值代替;然後設計Lyapunov函數,求導得出參數估計更新律;最後在保證Lyapunov函數導數非正的情況下,根據Barbalat引理得出跟蹤誤差漸近收斂得結論
存在的問題
參數估計的更新律中,並沒有包含參數估計誤差的負反饋,而是與跟蹤誤差直接耦合在一起 ,結果導致跟蹤誤差影響參數估計的過程,而參數估計在控制器中直接影響跟蹤誤差,兩者的直接耦合造成了系統閉環性能的下降
改進
解決辦法就是浸入與不變(Immersion and Invariance, I&I)理論。通過引入關於狀態的修正項,從而間接將未知參數引入到參數估計動態當中
我們需要人爲設計估計誤差的動態特性,此時 是已知量,對於這個問題不同於控制系統的設計在於,我們並不知道 的具體值,因爲我們隊最終參數 是未知的,所以我們只能利用已經存在的動態結構,最大可能的構造利於證明收斂的自適應律,也就是 ,相當於控制系統設計中的
對於, ,我們需要構造Lyapunov函數,設計 ,從而證明了參數收斂的穩定性。
總結
兩種設計方法只不過是將自適應律的設計問題的轉化了而已,原先的自適應律的設計是直接根據整個系統的Lyapunov進行設計,改進的方法是建立參數的動態模型,並根據此係統的Lyapunov進行設計