连续时间参数变化佩尔西斯基系统的鲁棒估计

《European Journal of Control》:Robust Estimation for Continuous-Time Parameter-Varying Persidskii Systems

【字体: 大 中 小 】 时间:2026年09月20日 来源:European Journal of Control 2.6

编辑推荐:

   摘要 本文提出了一类参数变化Persidskii(PVP)系统的状态估计方法,该系统同时结合了时变参数依赖矩阵(类似于LPV框架)和状态扇区非线性,后者也出现在含噪声的输出测量中。观测器增益条件在输入到输出稳定性框架下推导,并使用参数依赖和参数无关的Lyapunov函数进行

  

摘要

本文提出了一类参数变化Persidskii(PVP)系统的状态估计方法,该系统同时结合了时变参数依赖矩阵(类似于LPV框架)和状态扇区非线性,后者也出现在含噪声的输出测量中。观测器增益条件在输入到输出稳定性框架下推导,并使用参数依赖和参数无关的Lyapunov函数进行分析。为建立这些结果,推导了参数化的矩阵不等式,并在对模型与时变参数依赖关系的附加假设下将其化简为线性不等式。数值算例说明了所提方法的有效性。

引言

在存在不确定性的情况下进行精确状态估计和控制设计,仍然是自动控制系统中的基本挑战(Khalil, 2002; Meurer, Graichen, Gilles, 2005)。在许多实际应用中,系统模型受到时变或未知参数、未建模动态和外部扰动的影响,使得难以保证估计和调节误差动态的稳定性和鲁棒性。

对于线性系统,经典控制与估计理论提供了一套全面的分析和设计工具(Doyle et al., 1992)。向非线性系统的扩展通常依赖于特殊的正则表示,其中线性参数变化(LPV)系统(Briat, 2015; Rotondo, 2018; Sename, 2025; Sename, Gaspar, Bokor, 2013; Shamma, 2012)和Lur'e模型(Arcak, Teel, 2002; Bertolin, Oliveira, Valmorbida, Peres, 2022; Gyurkovics, Takács, 2011; Yakubovich, 2002)是突出的例子。Persidskii系统推广了Lur'e模型,放宽了对显式线性部分的要求,转而关注非线性的结构化互联。Lur'e系统和Persidskii系统都允许构造结合二次状态项与非线性积分项的Lyapunov函数,从而便于稳定性分析,并导出可处理的线性矩阵不等式(LMI)条件。近期的工作在这一方向上进一步推动了广义Persidskii系统的分析和设计(Efimov, Aleksandrov, 2021; Khalin, Efimov, Ushirobira, 2024; Mei, Efimov, Ushirobira, 2021; Mei, Efimov, Ushirobira, Aleksandrov, 2022a; Mei, Efimov, Ushirobira, Fridman, 2023; Mei, Ushirobira, Efimov, 2022b; Wang, Avila, Efimov, Aleksandrov, Fridman, 2022)。

LPV框架通过将以调度参数随时间变化的线性模型表示非线性系统,为控制和估计设计提供了一种强大的方法(Sename, Gaspar, Bokor, 2013; Shamma, 2012)(推导此类表示有不同的方法,见Briat, 2015; Rotondo, 2018; Sename, 2025)。这种表示使得可以将线性技术系统地应用于非线性和不确定系统,同时将稳定性验证化简为LMI可行性问题。已为LPV系统提出了多种Lyapunov函数构造方法,包括参数依赖的、分段二次的和多项式形式的(de Oliveira, Bernussou, Geromel, 1999; Guerra, Vermeiren, 2004; Johansson, Rantzer, Arzen, 1999; Temoatzin, Antonio, Miguel, 2019; Wu, Prajna, 2004)。尽管具有这些优势,LPV框架可能通过将非线性嵌入到参数依赖的线性项中来掩盖非线性的内在结构特性。这种变换可能引入保守性,限制允许的参数量,并在某些情况下导致不可行的设计条件。相比之下,类似于Lur'e系统并对其进行扩展的Persidskii模型仍然显式地保留了扇区有界非线性,使得稳定性分析和设计具有较低的保守性。然而,这些方法未考虑系统矩阵的参数变化。

为克服这些局限性,近期的工作(Zhang, Combastel, Efimov, Zolghadri, 2024; Zhang, Combastel, Efimov, Zolghadri, 2025)提出了将LPV表示与Persidskii系统相结合的方法,从而形成了参数变化Persidskii(PVP)系统类。在此框架下,调度参数捕获时间变化和不确定性,而结构化非线性则被显式保留。先前的结果主要关注此类系统的稳定性分析和控制设计。

本文研究PVP系统的观测器综合问题。所提方法利用输入到状态稳定性(ISS)框架(Dashkovskiy, Efimov, Sontag, 2011; Sontag, 2001)推导观测器增益条件,以确保估计误差动态的鲁棒稳定性。通过将有显式非线性结构的LPV表示相整合,该方法扩展了可以进行观测器设计的系统类,同时减少了保守性。此外,采用描述符形式获得了具有简化结构的矩阵不等式。与会议版本(Efimov et al., 2025)相比,本文包含了扩展的观测器设计、完整证明以及基于参数依赖Lyapunov函数的分析。

虽然已为LPV系统(Anstett, Millérioux, Bloch, 2009; Bara, Daafouz, Kratz, Ragot, 2001; Ibrir, 2009; Zemouche, Boutayeb, 2013)和Lur'e模型(Arcak, Kokotovi?, 2001; Tanwani, Brogliato, Prieur, 2014; Tian, Su, Shen, Ma, 2024)开发了大量观测器设计方法,但它们通常依赖于严格正定的二次Lyapunov函数。相比之下,所提方法考虑部分鲁棒稳定性,并允许使用半定二次形式辅以捕获非线性的积分项,从而在保持可处理性的同时降低保守性。

本文余下部分组织如下。第2节回顾输入到输出稳定性和Persidskii系统的基础知识。第3节建立问题描述。第4节提出观测器结构。第5节和第6节分别分析参数无关和参数依赖的Lyapunov函数。第7节通过一个学术算例说明该方法的有效性。

• ?? = {x ∈ ? : x ≥ 0},其中?为实数集。
• |·| 表示?中的绝对值,‖·‖ 表示??上的欧几里得范数。
• 对于(Lebesgue)可测函数 d: ?? → ?? 和 [t?, t?) ? ??,定义范数 ‖d‖?t?,t?? = ess sup_{t∈[t?,t?)} ‖d(t)‖。则 ‖d‖∞ = ‖d‖??,+∞?,满足性质 ‖d‖∞ < +∞ 的此类函数集记为 L∞?,即本质有界可测函数集。
• D_V(x)f(x) 表示连续可微函数 V(x) 沿向量场 f 在点 x 处的方向导数。
• 整数1, 2, …, n的有限序列记为 1?,n,{1?,n} = {1, 2, …, n}。
• I? 为n×n维单位矩阵。
• diag{g} ∈ D?? 表示n×n维对角矩阵,其主对角线上的向量为 g ∈ ???,D?? ? ???? 为非负对角矩阵集。
• 对于矩阵 A ∈ ????,A??? 和 A??? 分别表示其第i行和第i列,i = 1?,n;‖A‖ = √(max_{i=1?,n} λ?(A?A))(诱导矩阵范数)。
• 关系 P ? 0(P ? 0)表示对称矩阵 P ∈ ???? 为负(半)定的。
• 连续函数 α: ?? → ?? 属于??类若 α(0) = 0 且严格递增。函数 α: ?? → ?? 属于??∞类若 α ∈ ?? 且趋于无穷大。连续函数 β: ?? × ?? → ?? 属于????类若对每个固定的 t ∈ ??,β(·, t) ∈ ??,且对每个固定的 s > 0,β(s, ·) 递减至零。

预备知识

本文约定,若求和或序列的上界小于下界,则相应的项(条件)应予以省略。

引理1(Zhang et al., 2015)对于任意 p > 1,使得 p = p?p?,其中 p?, p? 为奇整数,且 a? ≥ 2p?1,

|s ? s′|? ≤ a?|s? ? s′?|

对任意 s, s′ ∈ ? 成立。

问题描述

考虑PVP系统(2),其中调度参数向量 θ(t) 可测量(我们需在观测器中使用矩阵 A_g(θ), g = 0?,M 和 B(θ),否则可考虑区间或集合成员设计(Efimov, Ra?ssi, 2016; Ra?ssi, Efimov, 2018))。除系统(2)的可观测性/可检测性外,为表述本文所研究的问题,首先引入以下假设。

假设1 设 θ(t) ∈ Θ,其中 Θ ? ?q 为已知紧集。

假设2 设 θ? ∈ L∞q 且 ‖θ?‖∞ ≤ θ?_max。

观测器结构

本文对系统(2)提出如下基本观测器:

??(t) = A?(θ(t))x?(t) + Σ_{j=1}^{M} A?(θ(t))f?(H?x?(t)) + B(θ(t))u(t) + L?(θ(t))(y?(t) ? C?x?(t)) + Σ_{j=1}^{M} L?(θ(t))(y?(t) ? C?f?(H?x?(t))),

其中 x?(t) ∈ ?? 为 x(t) 的估计值,L(θ(t)) = [L?(θ(t)) … L_M(θ(t))] 为待设计的连续观测器增益函数。

注3 注意,由于式(3),若输出矩阵为规范形式 C? = [I_{p?} 0],且非线性函数 f? 具有全局Lipschitz逆(j = 1?,M),则可求解方程 y?(t) = C?f?(H?x

参数无关的Lyapunov函数

回顾(Efimov, Aleksandrov, 2021; Mei, Efimov, Ushirobira, 2021; Mei, Ushirobira, Efimov, 2022b),考虑系统(2)的候选Lyapunov函数如下结构:

V(e) = e?Pe + 2Σ_{j=1}^{M} Σ_{i=1}^{k?} Λ?? ∫?^{H????e} f??(s)ds,

其中 P ∈ ???? 为对称矩阵,Λ? = diag[Λ?? … Λ?_{k?}] ∈ D^{k?}_+ 为待调参数,以使(7)满足SIIOS-LF的性质。为实现此目的,需对非线性函数 f? 施加附加二次约束:

假设4 对所有 j = 1?,M,存在对称

参数依赖的Lyapunov函数

在本节中,对系统(2)及其观测器(4)考虑对(7)的以下修正:

V(e, θ) = e?P(θ)e + 2Σ_{j=1}^{M} Σ_{i=1}^{k?} Λ??(θ) ∫?^{H????e} f??(s)ds,

其中 P: ?q → ???? 为对称矩阵函数,Λ?(θ) = diag[Λ??(θ) … Λ?_{k?}(θ)] ∈ D^{k?}_+ 为非负对角矩阵函数;假设 V 关于 θ 可微。在这种情况下,由于系数 Λ?? 依赖于 θ,式(13)的导数包含非线性函数的积分,这要求

数值算例

为说明本文提出的方法,考虑一个具有三次非线性的学术算例:

??(t) = ?a?(t)x?(t) + x?(t) ? a?x?3(t) ? 0.5u(t) + d?(t),
??(t) = ?a?(t)x?(t) + a?x?3(t) ? a?(t)x?3(t) + u(t) + d?(t),
y(t) = x?(t) + v(t),

其中 x?(t), x?(t) ∈ ? 为系统状态,d(t) = [d?(t) d?(t)]? ∈ ?2 为有界扰动,u(t) ∈ ? 为控制信号;a?(t)(i = 1, 3, 5)为正的时变参数,其瞬时值已知,且允许偏差的范围已确定:a_min ≤ a?(t

结论

本文通过提出多种观测器设计,解决了参数变化Persidskii(PVP)系统的状态估计问题。此类系统通过结合线性参数变化(LPV)和Persidskii表示,为建模具有多非线性和不确定性的复杂动态提供了一种灵活的框架。在

CRediT作者贡献声明

Denis Efimov:撰写——初稿。Christophe Combastel:撰写——初稿。Ali Zolghadri:撰写——初稿。

利益冲突声明

作者声明不存在可能影响本文所述工作的已知的竞争性经济利益或个人关系。

Denis Efimov | Christophe Combastel | Ali Zolghadri
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号