从带限开环数据到闭环极点的估计：一致性方法与误差分析

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：From input-output open loop data to closed loop poles

　　

中文摘要翻译 研究表明，对截断的开环（OL）状态空间实现进行闭环连接并不能得到截断闭环（CL）系统的极点。对开环输入的带限（BL）特性的不当处理会导致误差，这些误差主要影响闭环极点的实部。基于子空间角度的适应度函数被证明可以将极点与留数解耦。本文说明了从开环数据估计闭环极点在检测由模型误差隐藏的潜在不稳定性方面的实用性。

论文解读文章

一、研究背景与问题提出

在结构动力学与控制系统领域，利用实验数据更新数学模型以提升其预测能力或评估系统状态是一种常见范式。传统上，模型更新所采用的特征量多来源于开环（Open-Loop, OL）特性，如无阻尼频率、振型分量等，这些特征是被动的，无法调节其灵敏度。相比之下，闭环（Closed-Loop, CL）配置下的特征量可通过增益设计调整灵敏度，并允许通过多增益策略控制特征向量的维度，因而更具优势。

然而，从开环数据中一致地估计闭环极点面临两大核心挑战：其一，开环输入的带限（Band-Limited, BL）特性与系统中非齐次和齐次分量的混合效应会显著影响估计精度；其二，若采用简单的截断开环状态空间实现进行闭环连接，所得极点并非真实闭环系统的极点，尤其在模态截断情况下误差可能十分显著。此外，实际物理测试中的反馈通常以零阶保持（Zero-Order Hold, ZOH）方式传递，而模型更新中常用的模拟反馈（Analog Feedback, AF）极点与之不同，这种差异若未被正确处理，将导致估计偏差。因此，亟需建立一套能从开环数据中一致估计闭环极点的计算框架，并阐明带限输入特性对估计精度的具体影响机制。该论文发表于《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》。

二、关键技术方法

研究人员采用了以下关键技术方法：

1. 1.
   基于观测器马尔可夫参数（Observer Markov Parameters, OMP）的z域传递矩阵合成：利用公式 H(z)=(I+∑Yk(2)z?k)?1(Dd+∑Yk(1)z?k) 从采样输入输出数据中提取离散时间（Discrete-Time, DT）传递矩阵。
2. 2.
   带限到连续时间的映射近似：假设输入能量集中于第一奈奎斯特带内，将BL输入的z域传递函数 h(z) 直接近似为连续时间（Continuous-Time, CT）传递函数 h(s) 在 z=esΔt 处的值，即令校正因子 β(s)=gy(s)/gv(s)=1。
3. 3.
   ZOH反馈传递函数的修正：推导出从BL输入z域传递函数到ZOH输入z域传递函数的转换因子 ?(z)=(z?1)/(zln(z))，用于估计ZOH反馈（ZF）极点。
4. 4.
   基于子空间角度的极点-留数解耦识别方案：提出一种新的代价函数，通过最小化目标传递矩阵与模型传递矩阵之间的最大子空间角度来实现极点搜索，该函数独立于留数，从而避免了传统方法中极点与留数交替迭代的非凸优化问题。

三、研究结果

2. 关闭开环状态空间实现的回路

2.1 模态截断：研究人员通过理论推导和数值算例（10自由度链式系统）证明，当识别模态数小于系统真实阶数时，直接对截断的开环状态空间实现施加反馈（即计算 Q11=Ac1+Bc1GCc1 的特征值）并不能得到截断闭环系统的真实极点。误差大小取决于非对角线块 Q12 和 Q21 的相对重要性。数值结果表明，当耦合项度量值较低时（如0.568），Q11 给出的极点逼近良好；但当耦合项较大时（如3.436），实部误差可达数十个百分点。

2.2 无截断情况下的闭环极点识别：当不存在模态截断时，研究人员给出了利用开环离散时间模型计算AF极点和ZF极点的公式。对于AF极点，需先将离散输入矩阵 Bd 转换为连续时间形式 Bc=Ad?1Bd/Δt；对于ZF极点，则需通过“往返”变换得到离散时间过渡矩阵 Aˉd=Ad+ΓBdGCd，其中 Γ=(Ad?I)(AdAc)?1/Δt。

3. 开环到闭环传递矩阵关系

研究人员推导了闭环传递矩阵 Hˉ(s) 与开环传递矩阵 H(s) 的关系式：Hˉ(s)=[I?H(s)G]?1H(s)。并指出，在z域中，可利用观测器马尔可夫参数（OMP）的有限序列来合成开环传递矩阵 H(z)，这是后续进行频域闭环极点估计的基础。

4. 关于AF极点的估计

研究人员指出，由于z域到s域的映射非单射，直接从BL输入得到的 h(z) 不能唯一确定 h(s)。在BL假设下，可近似认为 h(s)≈h(z)?β(s)，并在输入能量集中于第一奈奎斯特带时取 β(s)=1。这意味着，可直接将BL输入的z域传递函数在 z=esΔt 处的值作为CT传递函数的近似，从而进行闭环连接和极点提取。此近似在高达75%奈奎斯特频率范围内表现优异。

5. 关于ZF极点的估计

研究人员推导了从BL输入z域传递函数 hBL(z) 到ZOH输入z域传递函数 hZOH(z) 的近似转换公式：hZOH(z)=hBL(z)??(z)，其中 ?(z)=(z?1)/(zln(z))。数值验证表明，该转换在高达75%奈奎斯特频率范围内同样精确。

6. 极点-留数识别

研究人员提出了一种基于子空间角度的解耦代价函数 J=∑αc,r?c,r，其中 ?c,r 源自方程 E(γ)?Wc,r≈Hc,r 的残差平方。该函数仅依赖于极点候选值 γ，而与留数无关。蒙特卡洛仿真（200次）对比显示，在2%和5%噪声水平下，解耦方案的成功率（所有四个极点实虚部误差均小于±10%）均显著高于传统的耦合迭代方案，支持了解耦方案拥有更大吸引盆的假设。

7. 数值算例

AF极点——无噪声：在10自由度系统中，比较了考虑BL特性的P_BL极点与错误使用ZOH变换的P_ZOH极点。结果显示，P_BL极点的实部和虚部误差均很小（平均约1%），且几乎与采样率无关；而P_ZOH极点的实部误差很大（在25Hz采样时平均达93.49%），虽随采样率增加而减小，但在200Hz采样时仍达12.43%。虚部误差则始终较小。

含噪声结果：研究人员发现，当z域传递矩阵本身存在较大误差时，一致性的D2C映射并不总能保证整体估计精度的提升。这是因为不一致的映射可能恰好抵消部分原始误差。数值结果证实，随着信噪比降低，一致性D2C的优势逐渐减弱。

ZF极点：在包含模型误差（刚度分布扰动）的情况下，研究人员展示了利用开环数据估计ZF极点的实际价值。仅依赖名义模型的估计（无论是否考虑ZOH）均显示系统稳定，但从开环数据经一致性处理后得到的极点却揭示了一个不稳定极点（实部为正）。随后进行的时域仿真确认了该不稳定性。

四、总结与结论

研究人员在讨论中指出，虽然总是可以对数据进行一致性处理，但极点实部的误差对无阻尼特性（如质量、刚度参数）的估计影响甚微。然而，当利用开环数据预测物理实现中将出现的闭环极点时，极点的实部符号至关重要，因为其决定了系统的稳定性。研究结论强调：从开环数据一致地估计闭环极点要求必须恰当考虑开环输入的带限特性。误用零阶保持变换引入的误差主要体现在极点实部，即使在采样率足够高、通常认为采样间行为可忽略的情况下也可能显著。此外，在识别过程中采用基于子空间角度的适应度函数实现极点与留数的解耦，被初步证实有助于降低优化收敛到局部极小值的概率。