《Annual Reviews in Control》:Advanced feedforward control techniques: Comprehensive review and a real-time industrial application
编辑推荐:
本文系统综述前馈控制(FFC)技术,涵盖经典方法(如逆模型、输入整形)与先进策略(预测、自适应、数据驱动),分析其在工业中的应用及局限(模型依赖、硬件验证不足),并通过增强型PID与强化学习结合的案例,验证其在动态测试和成本效益上的优势。
Hoang Minh Nguyen-Khac|Fadi Alyoussef|Alexander Bech|Andrew Barr|Steve Sapsford|Chris Gerada|Alasdair Cairns
AutoNeura有限公司,白金汉郡,MK16 9PY,英国
摘要
前馈控制(FFC)通常与反馈结合使用,在工业中广泛应用于提高瞬态条件下的精度和抑制干扰。尽管如此,学术界的关注度仍然有限,很少有综合性的综述将算法与实际应用联系起来。本文通过调查经典和先进的前馈控制策略、它们的优点和缺点以及在不同领域的应用,填补了这一空白。
经典的前馈控制通过逆向建模和输入整形等方法提高跟踪精度和干扰抑制能力,但面临稳定性问题、调整复杂性和模型不精确性的挑战。混合技术,包括模型预测控制和主动干扰抑制控制,虽然扩展了功能,但仍受复杂性和对非线性敏感性的限制。
最近的进展引入了前瞻性、自适应、基于优化的和数据驱动的方法。预览和预测设计提高了响应速度,但依赖于对未来的准确估计;而迭代和智能方法则降低了建模要求,但牺牲了稳定性及训练需求。前馈控制已应用于过程控制、电动驱动、燃料电池、发动机、机器人技术、运动系统、电力电子和能源系统等领域。这些应用一致显示出跟踪精度和鲁棒性的提升,但其采用受到模型依赖性、校准工作量和硬件验证缺乏的限制。
信号采集和处理对前馈增强控制架构的稳定性和鲁棒性至关重要。本文讨论了在噪声感知估计、抗延迟控制以及滤波/学习逆模型方面的最新进展,以确定维持可靠性能的实际设计策略,重点关注中高频范围。
为了展示实际效益,本文介绍了一种前馈增强的PID控制系统(即在前馈控制基础上加入PID闭环系统),并结合预览和抗积分饱和功能,在传统上仅限于稳态使用的吸收式测功机上进行了瞬态测试。结合强化学习控制器,这种方法减少了误差,扩展了适用范围,并提供了比传统测功机更具成本效益的替代方案。
引言
由于高精度要求、安全需求以及在日益复杂和自动化的生产过程中保持产品质量的必要性,许多现代工业操作需要极其精确的控制系统。结合前馈控制(FFC)和传统反馈控制(FBC)是实现高精度控制的有效手段,特别是在抑制强烈干扰和跟踪设定点变化方面(Zhu等人,2021;Liu等人,2019)。研究表明,这种组合对于改善因传感器噪声导致的控制性能下降特别有效(Rico-Azagra和Gil-Martinez,2021)。尽管前馈控制是最有效的控制策略之一(Smith和Corripio,1997),但只有少数应用可以单独使用前馈控制,例如桌面3D打印机(Ramani等人,2020)、起重机系统(Orsini,2021)和股票交易控制(Barmish等人,2022)。然而,由于前馈控制仅采用开环方式,在抵御干扰时存在根本性弱点,因此在研究界不如反馈控制受欢迎,大多数关于前馈控制的研究文章都集中在工业应用上(Faanes和Skogestad,2004)。文献表明,前馈控制在控制工程的两个主要领域取得了进展:1)设定点跟踪;2)负载干扰抑制(Zhang和Pham,2023)。其首次应用是在1925年,用于控制锅炉和蒸馏塔。自20世纪60年代以来,前馈控制已成为许多工业控制器的基础组成部分,尤其是用于提升PID控制器的性能(Guzmán和H?gglund,2024)。然而,Kulkarni等人(Kulkarni和Chary,1973)观察到,在伺服电机相关应用中前馈控制的表现优于反馈控制。总体而言,自控制理论诞生以来,反馈控制方法一直是研究者的核心关注点,因为它们能保证系统的稳定性,并且在不受积分饱和影响时更具鲁棒性。
然而,理解前馈控制输出的适当时间干预至关重要。Faanes和Skogestad开发了数学表达式来确定何时应使用前馈控制以及不确定性如何影响基于模型的前馈控制(Faanes和Skogestad,2004)。同样,Guzmán等人提出了评估用于干扰抑制问题的前馈控制技术的性能指标(Guzmán等人,2015)。前馈控制通常应用于具有较大时间延迟的系统,如双曲系统(Bastin等人,2021)。在干扰抑制方面,前馈控制的表现优于先进的控制方法,如预测控制(Pawlowski等人,2012)。前馈控制的应用实例包括1型糖尿病血糖控制(Marchetti等人,2008;Sanz等人,2021)、热轧机(Prinz等人,2018)、热浸镀锌生产线(Saxinger等人,2020)、有机朗肯循环(Pili等人,2022)、卷对卷网印系统(Chen等人,2016)、燃煤电厂(Fan等人,2024)、燃料电池(Madani和Das,2016)、风力涡轮机(Woolcock等人,2023)、金属成形工艺(Havinga等人,2018)、3D打印机(Wu等人,2023)、粘弹性组织(Bianco等人,2022)、协作驾驶(Zhu等人,2020)、人工肌肉(Gupta等人,2019)、轧制厚度控制(Prinz等人,2017)、车辆串列(Al-Jhayyish和Schmidt,2018;Wagner等人,2017;Warth等人,2020)、电动汽车动力系统组件(De Novellis等人,2014;Cittanti等人,2022)、水泥行业(Tsamatsoulis,2024)、生化系统(Yuan等人,2021)、望远镜(Wen等人,2022)、基因治疗(Yang等人,2010)、领导者-跟随共识问题(Lu和Liu,2017)、下肢外骨骼(Dinovitzer等人,2024)、智能和联网汽车(Yan等人,2020)、核应用(Jiang等人,2023)、行星探测器(Ross和Ellery,2017)、实际液压执行器(Taheri等人,2022)、灌溉渠道(Li,2014)等。
尽管深度有限,但仍有一些综述论文探讨了前馈控制技术(Liu等人,2019;Guzmán和H?gglund,2024;Clayton等人,2009;Devasia,2008;Guzmán和H?gglund,2011;van Zundert和Oomen,2018)。Liu等人(Liu等人,2019)回顾了几种工业前馈控制技术,但未涉及预测前馈控制等先进技术。此外,Clayton等人(Clayton等人,2009)和Devasia等人(Devasia,2008)的综述仅关注纳米定位应用中的前馈控制技术。Guzmán等人(Guzmán和H?gglund,2024;Guzmán和H?gglund,2011)回顾了用于干扰抑制的前馈控制经典调整规则。Zundert和Oomen(van Zundert和Oomen,2018)则回顾了基于系统逆模型的前馈控制和迭代学习控制(ILC)。
根据现有文献,尚未发表关于先进前馈控制技术的综合性综述,这是开展本研究的主要动机。其他动机包括:
1.提供可用于研究和开发的综合性综述。具体而言,本文试图缩小前馈控制相对于反馈控制的出版物数量差距。
2.回顾前馈控制的主要工业应用。
3.为控制工程师提供前馈控制在工业中的使用背景的简洁指南,便于参考和进一步应用或探索。
本文的其余部分组织如下:
第2节探讨了文献中提到的先进前馈控制方法。
第3节讨论了前馈控制的应用,分别回顾了经典和先进的前馈控制应用。
第5节提供了一个新的商业和工业应用案例。
第6节提出了结论和对未来工作的建议。
章节摘录
经典前馈控制技术
前馈控制广泛用于(i)抑制可测量或可估计的干扰;(ii)提高设定点跟踪性能。本节回顾了实现上述目标的经典前馈控制结构,并总结了文献中的代表性方法。
先进前馈控制技术
前馈控制的进步旨在通过利用前瞻信息、数据学习、在线适应和优化/鲁棒性工具来克服经典方法的局限性。本节对这些领域的最新策略进行了分类和讨论。
前馈控制应用
本节旨在研究当前文献中前馈控制在实际物理系统中的应用。控制工程师可能会发现这部分内容有助于确定他们的特定行业应采用哪种前馈控制方法。
信号采集与处理
获取、处理数据的质量及其解释能力对于构建稳健的现代闭环伺服控制系统至关重要。随后,通过执行频域分析、滤波、干扰抑制、调制和解调以及信号的变换(时间和/或非时间变换)来确保控制系统的鲁棒性和精度。
在将开环系统与闭环系统结合使用时,进一步
实时应用
在高度瞬态条件下,传统基于PID的策略的局限性促使开发了先进的发动机-测功机控制系统。本研究探讨了两种互补的方法:首先,展示了新型控制方法在吸收式测功机上实现瞬态扭矩跟踪的能力,从而扩展了其应用范围,减少了对外部昂贵测功机的依赖;其次,结论与未来工作
经典前馈控制(第2节)为传统的PID反馈控制器提供了强大的补充,而先进前馈控制(第3节)在不确定性及约束条件下扩展了适用范围,但代价是增加了传感、计算、建模和集成的复杂性。应用案例(第4节)和实际案例研究(第5节)证实了在前馈控制应用于现代控制系统中的好处,并强调了数据驱动方法的潜力。预览前馈控制仍然是一个强大的