@plestanNewMethodologiesAdaptive2010

randolf2022年8月9日
大约 7 分钟

@plestanNewMethodologiesAdaptive2010

plestanNewMethodologiesAdaptive2010

MetaInfo

文献标题

New methodologies for adaptive sliding mode control

Abstract

Contents

问题描述

问题背景

问题难点

在基本无信息的条件下实现自适应估计系统参数的滑模控制

前人工作

本文工作

本文意义

实验方法

问题分析

假定需要控制的非线性系统为:

其中 是系统的状态变量,f(x) 和 g(x) 是在 x 定义域内 有界的。假定控制的滑模变量为 ,目的是使得 。有

满足:

这些是我们仅有的条件,下面提出一些本文中的定义:

definition

  • 理想滑模面:
  • 实际滑模面:

其中理想滑模面物理上不可实现,因此改用实际滑模面替代。

具体算法

problem

提出给定这样一个控制器:

其中很小。那么,可以证明,这样的控制器满足上面的要求

^eqn-control-law

首先,不失一般性,可以假设对任意时刻,。这很明显可以从我们 K 的取值看出。

lemma

在上面提出的非线性系统下,提出的增益K存在上界,即:

证明参考 APL1

进一步,给出这样的结论:

lemma

对上面的非线性系统和控制方法,存在有限的时间使得实际滑模面在所有的时候成立,即:

考虑李雅普诺夫函数,有:

从而微分有:

进一步添加构造项 有:

注意到根据上面的 Lemma1 有 ,从而

这意味着:

现在分析 的情况。

  • Case1: ,此时有

注意到右边函数是增函数,因此取:

此时有:

根据李雅普诺夫收敛的性质,这表明在任何 的条件下,控制对象在有限时间内收敛

  • Case2: 此时 可能为负这意味着李雅普诺夫的思路不能完全成功,但可以注意到,一旦 ,立马问题就解决了。因此我们需要考虑的就是分析状态切换需要的时间代价和精度问题。

。不失一般性,可以假设 ,否则其会一直增长。考虑 最坏情形,即:

这里的最坏情形意思是放任 增大,此时偏离滑模面的误差最大的情况。

根据上面的方程可以解得:

从而得到:

因此可以发现,在 时,最大的误差满足

这意味着 可以在有限时间内收敛到 case1 中的情况内,满足之前定义的真实滑模面

总的来说,论文基本到这里论证就结束了,后面还有一些关于参数优化的结论,这里就不展开了。

辅助证明

APL1

Pasted image 20220216151401

参考上面这张例图。图上半部分是滑模变量随着时间变化的图,下半部分是 K 随着时间变化的图。

假定一开始 ,则根据提出的控制器规则,^eqn-control-law, K 会一直增加,直到一个 t1 时刻使得 u 足够大,此时滑模变量 开始减小。在此之后,K 会继续增大,直到 再次碰到 ,此时 K 在 t2 时刻达到最大。继续这个进程,K 开始减小,直到 t3 时刻,K 太小以至于无法抵消外界扰动 (也就是使得 斜率再次为 0)。再进一步此时 K 增大 (这里意思是 K 不会太小,基本上会周期扰动),达到时刻 t4,回到一开始的起点。

note

论文中感觉不太对,不是所有点都满足

在这几段时间中,根据我们的分析,所有的 K 值是在 t1,t2,t3,t4 这四个点之中的,有:

其中在 t1,t3 点 为 0。由于这是光滑的现实系统,因此 是有界的,从而 K 存在上界 ,进而存在一个有限的 使得其为上界。

优点缺点

优点

缺点

个人评价

我个人觉得论文论证有点不太严谨,比如 APL1 部分或许就存在一些问题。

此外,论文里面的 switch function 全部使用的 sign 这种不连续函数,这会导致剧烈的 K 值抖动,进而影响控制量 u 的相位。这一现象在达到了真实滑模面后更加明显,小范围的相位变化很常见,这一问题可以通过采用光滑的切换函数 (eg. tanh) 实现。

Loading...