非线性机电一体化系统的控制增益估计与扰动抑制:设计与实验验证
《Control Engineering Practice》:Control-gain estimation and disturbance rejection for nonlinear mechatronic systems: Design and experimental validation
【字体:
大
中
小
】
时间:2026年09月23日
来源:Control Engineering Practice 5.3
编辑推荐:
摘要 准确的控制增益估计与扰动抑制对于在不确定驱动和有限感知条件下运行的实际非线性机电系统至关重要。在许多工程应用中,有效控制增益可能因执行器老化、负载变化、效率下降或工况突变而发生变化,而反复进行标称增益调参会增加实施成本并限制系统适应性。本文针对一类不确定非线性机电系统,
摘要 准确的控制增益估计与扰动抑制对于在不确定驱动和有限感知条件下运行的实际非线性机电系统至关重要。在许多工程应用中,有效控制增益可能因执行器老化、负载变化、效率下降或工况突变而发生变化,而反复进行标称增益调参会增加实施成本并限制系统适应性。本文针对一类不确定非线性机电系统,提出了一种基于位置测量的自适应扩展状态观测器框架,用于在线估计标称控制增益并抑制扰动。该方法能够同步估计系统状态、未知标称控制增益和集总扰动,无需速度测量、显式系统模型、直接扰动信息或事先的标称增益标定。为提高对测量噪声和微分引起的波动的鲁棒性,自适应律中引入了滤波运算和滑动窗口积分机制。估计的标称控制增益和重构的扰动被进一步嵌入到连续滑模控制律中,以提升跟踪性能、扰动抑制能力和控制输入的平滑性。分析了闭环系统的有界性和输入到状态稳定性。在一台串联弹性驱动器平台上进行了实时实验,测试了不同的增益设置、参考轨迹、外部扰动和时变增益扰动情况。实验结果表明,所提方法减少了对人工增益调参的依赖,并在有限测量条件下改善了跟踪精度、鲁棒性和实际控制性能。
引言 非线性机电系统在现代复杂工程应用中广泛存在,包括工业自动化、航空航天系统和智能交通。其跟踪精度和运行鲁棒性直接影响整体系统性能。因此,在线估计、扰动重构和鲁棒响应增强已成为重要的研究课题(Chen, Zhou, Sheng, 2025, Jin, Qiu, Qiu, Wang, 2026, Wang, Chen, 2025, Zhang, Xie, Ma, 2025a, Zhao, Tao, 2025, Zhao, Liu, Liu, 2026)。然而,在实际场景中,非线性机电系统不可避免地受到各种不确定性的影响,例如未知的动态参数(如向心-科氏力矩阵和惯性矩阵)以及由执行器老化、效率下降和突发负载变化引起的时变或未知控制增益。这些不确定性严重限制了控制策略可达到的跟踪精度和鲁棒性(Ma, Liu, 2025, Sartipizadeh, Harirchi, Babakmehr, Dehghanian, 2021, Wang, Sun, Chen, He, 2025, Yuan, Zhang, 2023)。在这些挑战中,控制增益的不确定性和时变特征在复杂工况下对性能退化起着关键作用,并已成为该领域的关键技术瓶颈。
为应对非线性机电系统中的参数不确定性,大量研究工作致力于降低对精确系统模型依赖的控制策略,包括自适应控制、滑模控制、主动扰动抑制控制(ADRC)以及基于强化学习的控制方法。这些方法在补偿未知惯性矩阵、科氏相关非线性和外部扰动方面表现出有效性(Hu, Xu, Jiang, Pan, Hua, 2025, Li, Fu, Song, Wang, 2025, Liu, Wu, Wu, Luo, Franquelo, 2019, Liu, Zhang, Zhao, Zhu, Liu, 2025, Zhang, Guo, Zhu, Jiao, Gong, Song, 2025b, Zhou, Zhang, Navarro-Alarcon, Jing, 2025)。代表性研究已取得令人鼓舞的进展。例如,Yang等人(2024)提出了一种基于自适应模糊的切换控制策略,通过将模糊逻辑与模型无关的扰动观测器相结合来处理参数不确定性和匹配/不匹配扰动,实现了系统状态的指数收敛。在Wu等人(2025)的研究中,针对二阶加时滞系统开发了一种惯性-时滞补偿ADRC策略,采用改进的扩展状态观测器同步估计系统不确定性和时滞效应,显著提升了跟踪精度和扰动抑制性能。Song等人(2024)提出了一种面向含部分未知模型受扰系统的事件触发滑模控制策略,其中滑模函数和控制输入均无需显式系统矩阵即可实现。最近,自适应滑模设计和在线观测器参数整定也得到了进一步研究,以改善运动控制系统中的收敛性能、扰动抑制能力和实际适应性(Shao, Zheng, Fu, 2025, Xu, Liu, Lin, Liu, Yan, Gao, 2025)。
尽管取得了这些进展,大多数现存的无模型控制方案仍然依赖于控制增益已知的假设,或者将未知控制增益分解为一个标称常量和一个有界偏差项。具体而言,控制增益通常表示为 b = b? + Δb,其中 b? 表示嵌入控制律中的标称值,Δb 表示不确定项。b? 的选择严重依赖于大量的实验试错,这不仅增加了工程部署的时间和经济成本,还使其难以适应复杂多变的工况(Jin et al., 2008)。此外,当发生突发负载变化、推力效率下降或执行器故障时,固定的标称增益 b? 可能导致控制性能显著退化,甚至引发系统不稳定(Li and Liu, 2009)。这些局限性促使引入一种自适应机制来在线估计适当的有效标称控制增益,从而减少对重复标定的依赖并提高控制器在增益不确定和工况变化下的适应性。
为在线测量或估计未知控制增益,现有研究大致可分为两类。第一类通过基于增强型Nussbaum函数的自适应控制机制间接处理未知控制增益(Chen, 2019, Sun, Hua, 2024, Wen, Huang, Su, Yang, 2025)。通过利用Nussbaum函数的符号切换和几何增长特性,可以同时处理控制增益的未知符号和大小。例如,Ye等人(2023)在不要求持续激励条件的情况下实现了严格反馈系统的整体指数稳定性。然而,基于Nussbaum函数的方法通常以隐式自适应方式处理未知控制增益,而非提供实际控制有效性的显式在线估计。此外,此类方法通常需要复杂的控制器结构,并且对特定系统动态具有很强的依赖性,这限制了它们在测量信息有限的实际非线性机电系统中的应用。
第二类研究专注于通过设计专门的自适应律或基于观测器的机制来直接在线估计控制增益。在该框架中,从可用的输入输出信号中主动识别未知增益或其近似值,并将其纳入控制律中进行补偿(Xu, Zhuo, Huangfu, Liu, Gao, 2024, Zhuo, Gaillard, Guo, Xu, Paire, Gao, 2019)。与Nussbaum类方法相比,直接估计与仪器化应用更具兼容性,因为它提供了控制有效性的显式估计。在Peng等人(2023)的研究中,为机器人水面无人船提出了降阶和全阶滤波自适应扩展状态观测器,实现了控制增益和集总扰动的同步估计。Yue等人(2024)为DC-DC变换器开发了一种基于数据驱动的自适应扩展状态观测器的扰动抑制控制架构,能够在无先验模型信息的情况下同步估计控制增益、电路不确定性和外部扰动。在Baek等人(2019)的研究中,增益自适应机制被引入机器人操作臂的时滞控制中,实现了宽范围的增益调节并提高了适应性。与主要通过调节观测器带宽或观测器增益的现有自适应增益ESO方法相比,所提方法直接估计有效标称控制增益并将其纳入控制律中进行补偿。此外,仅使用位置测量即可同时重构系统状态和集总扰动。滤波滑动窗口自适应机制避免了直接信号微分,并在测量噪声下提高了估计可靠性。然而,额外的滤波和滑动窗口参数增加了调参工作量,且在弱激励或快速增益变化下估计响应可能受到影响。
尽管如此,仍有几个关键挑战尚未解决。首先,基于Nussbaum函数的方法不直接提供实际控制增益的可测或可观测估计值,这使得难以在线监控执行器有效性。其次,虽然直接自适应估计方法更具实用性,但大多数现有方案都是针对特定系统定制的,且对测量噪声、信号微分和有限感知条件的影响考虑不足。第三,在线增益估计精度、扰动抑制能力和控制输入平滑性之间的权衡仍然具有挑战性。因此,针对实际工程应用,仍需要一种以在线估计为导向的框架,能够从有限测量信号中同时重构未知控制增益和集总扰动。
从系统辨识的角度来看,实际时变等效控制增益被分解为未知的常量标称分量和有界的时变残余分量。所提自适应律从有限的输入输出测量中在线估计标称分量,而残余增益相关项则被纳入集总扰动中。基于这些观察,本文提出了一种基于自适应扩展状态观测器(AESO)的在线标称控制增益估计与扰动抑制框架,适用于控制增益未知的非线性机电系统。所设计的AESO仅使用位置测量即可同步估计未知标称控制增益和集总扰动,从而减少对先验模型信息、速度传感器和重复标称增益调参的依赖。估计的增益和扰动随后被嵌入连续滑模控制(CSMC)律中,以改善跟踪精度、扰动抑制能力和控制输入的平滑性。本文的主要贡献总结如下:
• 针对具有不确定驱动的非线性机电系统,开发了一种基于位置测量的自适应扩展状态观测器框架。所提框架仅需位置/角度测量信息,即可在线估计有效标称控制增益和集总扰动,无需速度传感器、显式系统模型、直接扰动测量或重复标称增益标定。
• 提出了一种滤波滑动窗口自适应律,以改善实际测量条件下在线控制增益估计的可靠性。通过将一阶滤波运算与滑动窗口积分机制相结合,所提方法避免了直接信号微分,抑制了噪声引起的波动,并从有限的输入输出数据中提供了更平滑、更可靠的控制有效性估计。
• 估计的标称控制增益和重构的扰动被整合到连续滑模控制律中,以改善闭环跟踪性能、扰动抑制能力和控制输入的平滑性。分析了闭环系统的有界性和输入到状态稳定性,并在增益不匹配、不同参考轨迹、外部扰动和时变增益扰动条件下进行了实时实验,以验证所提方法的实际有效性。
本文其余部分组织如下:第2节介绍系统模型、假设和控制目标。第3节开发自适应扩展状态观测器、标称控制增益估计律、连续滑模控制器及相应的稳定性分析。第4节介绍实验平台、对比方法和实验结果。最后,第5节总结本文并讨论未来研究方向。
系统建模 一类具有未知外部扰动的不确定非线性机电系统的动态特性可以用以下矩阵-向量形式描述:M(q)q? + C(q,q?)q? + G(q) = B(t)U + ζ(t),其中 M(q) ∈ R^(n×n) 是未知的对称正定惯性矩阵,C(q,q?) ∈ R^(n×n) 和 G(q) ∈ R^n 由某些未知参数/结构组成,q = [q?, q?, ?, q_n]^T ∈ R^n 是状态向量,ζ(t) = [ζ?, ζ?, ?, ζ_n]^T ∈ R^n 是时变扰动向量,U = [u?, u?, ?, u_n]^T ∈ R^n 是控制输入向量,B(t) =
主要结果 由于 B? 是对角控制增益矩阵,(10)中的所有子系统都是解耦的并具有相同的动态结构,仅在参数值上有所不同。为了简化表述并避免重复推导,后续内容中仅对第n个子系统进行详细的理论分析和证明。需要注意的是,从第n个子系统推导出的结论可以直接且明确地推广到第1到第(n-1)个子系统。
控制模块
实验平台与模型 本节采用山东大学控制科学与工程学院开发的串联弹性驱动器(SEA)平台来验证所提方法,如图2所示。作为具有代表性的非线性机电驱动系统,SEA平台涉及弹性传动、耦合电机-负载动态和外部扰动效应,适合评估在线控制增益估计和扰动抑制性能。为提供
结论 本文针对不确定驱动和有限感知条件下的非线性机电系统,提出了一种标称控制增益估计与扰动抑制框架。开发了一种自适应扩展状态观测器,仅使用位置/角度测量即可在线估计有效标称控制增益、系统状态和集总扰动。自适应律估计的是标称增益分量而非瞬时变化等效增益,而残余部分
CRediT作者贡献声明 Wenlong Liu:撰写——初稿,方法论,概念化。Haokun Geng:撰写——初稿,软件。Shuhui Bi:验证,资源,调查。Jing Zhao:软件,资源。Huimin Ouyang:调查。
张梦华:撰写 – 审阅与编辑、监督指导、资金获取、概念化设计。
利益冲突声明
作者声明,他们没有已知的会可能影响本文工作的竞争性财务利益或个人关系。
刘文龙 | 耿浩坤 | 毕书慧 | 赵晶 | 欧阳慧敏 | 张梦华
济南大学电气工程学院,中国济南,邮编250000