基于迭代学习增强的二自由度扰动观测器的快速控制反射镜鲁棒跟踪控制研究

针对快速控制反射镜(FSM)在模型不确定性和重复性外部扰动下的高精度控制难题，研究人员提出了一种结合迭代学习增强的二自由度扰动观测器(Learning-Based 2-DOF DOB)与H∞反馈控制的复合鲁棒跟踪策略。该策略通过实时扰动估计补偿和周期性扰动学习机制，显著提升了FSM的抗干扰能力和轨迹跟踪性能，为航空光电平台图像运动补偿提供了创新解决方案。

　　

在航空光电平台中，快速控制反射镜(FSM)是实现图像运动补偿的核心部件。当平台采用扫描成像模式扩大视场时，高速周期性扫描会产生图像运动，若不及时补偿将严重影响成像质量。然而，FSM在实际工作中面临模型不确定性、质量不平衡力矩、载体振动等多源扰动，其中载体振动引发的周期性扰动尤为突出。传统抗干扰方法如自适应鲁棒控制、模糊控制等虽有一定效果，但难以针对性处理重复性扰动；而单纯的迭代学习控制(ILC)又易受非重复性扰动积累影响。如何实现复杂扰动环境下的高精度控制，成为FSM技术发展的关键瓶颈。

中国科学院大学的研究团队在《Sensors and Actuators A: Physical》发表研究，提出了一种融合Learning-Based 2-DOF DOB与H_∞控制的复合鲁棒跟踪策略。该研究首先建立了FSM系统数学模型，通过二自由度扰动观测器(2-DOF DOB)实现集总扰动的实时估计补偿，其创新性在于引入ILC模块增强对重复扰动的抑制能力；同时结合H_∞反馈控制器优化系统抗干扰性，辅以前馈控制器提升跟踪性能。关键技术包括：基于鲁棒内环控制(RIC)结构的2-DOF DOB设计、迭代学习律的扰动估计增强机制、H_∞范数优化的反馈控制器设计等。

【FSM图像运动补偿原理】
研究阐明了扫描成像中图像运动的产生机制，指出FSM通过反射镜偏转改变光路可实现运动补偿。建立了包含电流环、速度环和位置环的三闭环FSM控制模型，为后续控制策略设计奠定基础。

【Learning-Based 2-DOF DOB】
提出的新型观测器具有双重优势：一方面通过2-DOF结构消除传统DOB引发的内环模型谐振峰（实验显示谐振峰值降低60%），另一方面利用历史扰动数据的迭代学习，使重复扰动估计误差收敛速度提升40%。理论证明该模块在有限迭代次数内可实现指数收敛。

【复合控制策略稳定性】
通过构建闭环传递函数W_r(s)、W_d(s)和W_f(s)，证明了系统在扰动补偿项d^f作用下的稳定性条件，给出学习增益选取的充分条件。

【实验验证】
在FSM平台上对比测试显示，新策略使阶跃响应超调量减少35%，正弦跟踪误差降低52%，尤其对10-100Hz频段载体振动的抑制效果显著优于传统PI+DOB方法。

该研究创新性地将周期性扰动先验知识融入DOB设计，突破了传统ILC对非重复扰动敏感的局限。提出的复合控制架构为FSM在复杂扰动环境下的应用提供了普适性解决方案，其技术路线可推广至精密光学仪器、无人机云台等高精度伺服系统。研究不仅丰富了抗干扰控制理论，对提升我国航空光电装备性能具有重要工程价值。