非线性系统控制算法学习1_单摆建模和反馈线性化

非线性系统控制算法学习1_单摆建模和反馈线性化

请使用pc端浏览此页面，其他平台可能会出现格式问题

1 引言

  在现实世界中，真正普遍存在的是非线性系统，而并非线性系统。但非线性系统往往是复杂多变的，到目前为止并未有一个有效的统一的分析方法，对非线性系统的直接分析往往涉及到复杂高深的数学理论。因此在工程上，往往希望通过某种方法将非线性系统转化为线性系统，或寻找到非线性系统的一些特定点并进行近似线性化处理，然后再利用成熟的线性系统理论完成对非线性系统的分析与综合。
  在本系列文章中，将以经典的单摆系统作为分析对象，分析讨论常见的非线性控制器的特点，并通过MATLAB/Simulink完成仿真验证。
  控制器的设计目标，使得单摆的运动轨迹可控。

  在本系列文章中所讨论的单摆，并非传统物理学中认为的可以近似为简谐运动的小角度单摆，而是可以在铅垂面内做大幅度运动的非线性系统。

2 单摆非线性动力学建模与分析

2.1 单摆模型建立

图1-单摆模型

  考虑上图所示的单摆模型，$L$表示摆杆的长度，$m$表示摆末端摆锤的质量，$\theta$表示摆杆与通过转动中心点的铅垂线之间的角度。并假设摆的质量完全集中在摆锤上，整个系统为刚体，并存在一个阻尼系数$k$。综上可以得到有阻尼的自由单摆在切线方向上的动力学方程：
$$mL\ddot{\theta }=-mg\sin \left(\theta \right)-kL\dot{\theta }\text{\hspace{1em}(2-1)}$$
  假设单摆受到一个外力矩$T$,则受控单摆在切线方向上的动力学方程为：
$$mL\ddot{\theta }=-mg\sin \left(\theta \right)-kl\dot{\theta }+\frac{1}{L}T\text{\hspace{1em}(2-2)}$$

为方便后续设计与分析，所有单位采用国际单位制。
规定：
$$\begin{gathered} g=9.8,L=1,k=0.1,m=0.2 \\ a=\frac{g}{L};b=\frac{k}{m};c=\frac{1}{m{L}^2} \end{gathered}$$

  则式（2-2）可以简化表示为：
$$\ddot{\theta }=-a\sin \left(\theta \right)-b\dot{\theta }+cT\text{\hspace{1em}(2-3)}$$
  定义状态变量:$x_1=\theta ;x_2=\dot{\theta }$ 输出变量：$u=T$ 则式（2-3）可以写成标准状态方程形式：
  原始状态方程
$$\begin{gathered} \dot{x_1}=x_2 \\ \dot{x_2}=-a\sin \left(x_1\right)-b{x}_2+cu\text{\hspace{1em}(2-4)} \end{gathered}$$

2.2 单摆系统特性分析

  从物理角度分析，给定一个单摆的初始状态，最终系统会稳定停留在$\theta =0$的状态。为了从数学的角度严谨分析此非线性系统的特点，需要使用相轨迹对系统进行严谨的定性分析。

相空间(Phase Space)
  相空间是用于表示一个系统所有可能状态的空间。系统的每个可能的状态都对应相空间中的一个点。相空间通常具有高维度，其中每个维度代表系统的一状态变量。
相轨迹 (Phase Trajectory)
  相轨迹（轨线）是相空间中的一条曲线，表示系统状态随时间变化的路径。相轨迹展示了系统从一个初始状态开始，随着时间推移如何演化。每条相轨迹对应于系统在不同初始条件下的运动轨迹。相轨迹可以帮助分析系统的特性。

  利用MATLAB可以绘制出有阻尼的自由单摆系统的二维相图：

%定义矢量空间网格
[X1, X2] = meshgrid(-3*pi:0.5*pi:3*pi, -10:0.5:10);

% 定义非线性函数
d_X1 = X2;
d_X2 = -9.8*sin(X1) -0.5*X2;

% 绘制相轨迹
figure(1)
streamslice(X1, X2, d_X1, d_X2);

%作图设计
axis([-3*pi 3*pi -10 10]);
xlabel('X1');
ylabel('X2');
xticks(-2*pi:pi:2*pi);
xticklabels({ '-2\pi','-\pi','0','\pi','2\pi'});
xline([-2*pi,-pi,0,pi,2*pi], '-.r');
yline(0, '-.r');
title('有阻尼的自由单摆的相轨迹图');

图2-有阻尼的自由单摆的相轨迹图

  分析此相轨迹图，可以发现系统有两个平衡点$(0,0),(\pi ,0)$,其他的平衡点都可以对应到这两个平衡点上。
  对于$(0,0)$这个平衡点，其附近的相轨迹是一个指向$(0,0)$的焦点，系统是渐进稳定的。但对于$(\pi ,0)$这个平衡点，其附近的相轨迹构成一个鞍点，系统在这一点是临界稳定的。在现实世界中，这样的临界稳定并不存在，因为任何一点噪声干扰都会让系统从这一点开始向外发散。
  利用Simulink搭建的有阻尼的自由单摆模型如下图所示：

图3-有阻尼的自由单摆Simulink模型

  以初始状态：角度 $\theta =45^{\circ }$，角速度$\dot{\theta }=0$开始仿真，仿真时间为$t=30s$。仿真结果如下图所示：

图4-有阻尼的自由单摆振幅随时间变化图

  可以发现系统处于一个振荡衰减状态，并且系统的状态变量最终会趋于平衡点$(0,0)$，其仿真结果和理论分析结果相同。

3 控制器设计-反馈线性化

3.1 反馈线性化控制器设计

  对于一个非线性系统，如果能够通过设计特定的输入信号来消除非线性部分，让整个系统线性化，则就可以使用成熟的线性系统分析设计的工具来控制系统，这就是反馈线性化的核心思想。
  引言中的控制目标在这里可以表示为：寻找一个控制变量$u$，当$t\to \infty$时，希望$\theta \to \beta$，$\beta$为希望的单摆角度，在这里认为$\beta$是一个常数，或者是在较长时间内保持不变的量。
  根据以上信息，重新定义状态变量:$x_1=\theta -\beta ;x_2=\dot{x_1}=\dot{\theta }$ 输出变量：$u=T$
  方程（2-4）改写为：
  根据控制要求修改后的状态方程
$$\begin{gathered} \dot{x_1}=x_2 \\ \dot{x_2}=-a\sin \left(x_1+\beta \right)-b{x}_2+cu\text{\hspace{1em}(3-1)} \end{gathered}$$
  为了消除非线性因素，可以令输入变量为：
$$u=\frac{1}{c}[a\sin \left(x_1+\beta \right)b{x}_2-K{x}_1]\text{\hspace{1em}(3-2)}$$
  在（3-2）所规定的输入变量下，整个系统就可以变成一个线性系统，其状态方程可以表示为：
  反馈线性化后的状态方程
$$\left[\begin{array}{c}\dot{x_1}\\ \dot{x_2}\end{array}\right]=\left[\begin{array}{cc}0& 1\\ -K& -b\end{array}\right]\cdot \left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]\text{\hspace{1em}(3-3)}$$
  分析式（3-3）可以发现，系统存在唯一的平衡点$\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]=\left[\begin{array}{c}\dot{x_1}\\ \dot{x_2}\end{array}\right]=\left[\begin{array}{c}0\\ 0\end{array}\right]$。

3.2 Laypunov稳定性分析

3.2.1  Laypunov第一法（直接法）

  Laypunov第一法（直接法）是利用状态方程的解来分析系统稳定性的方法，其基本理论与传统线性系统稳定性分析相同。
  分析矩阵$\left[\begin{array}{cc}0& 1\\ -K& -b\end{array}\right]$的特征值发现：
$$\begin{gathered} {\lambda }_1{\lambda }_2=-b \\ {\lambda }_1\cdot {\lambda }_2=K\text{\hspace{1em}(3-4)} \end{gathered}$$
  当$K>0$时，特征值的实部小于0，系统是渐进稳定的。

3.2.2  Laypunov第二法（间接法）

  Laypunov第二法（间接法）是通过寻找合适的Laypunov函数间接判定系统稳定性的方法。Laypunov函数是一种用于分析系统稳定性的重要工具。简单来说，Laypunov函数 $V(x)$ 是一个标量函数，它由系统状态 $x$ 进行定义，并且满足以下条件：

1. 函数正定性：$V(x)>0$ 对于所有的$x\ne 0$成立，且 $V(0)=0$。
2. 导数负定数：沿着系统轨迹，Laypunov函数的导数 $\dot{V}(x)$ 满足 $\dot{V}(x)<0$ 对于所有 $x\ne 0$成立，且$\dot{V}(0)=0$。

  如果一个系统存在这样的Laypunov函数，那么可以证明该系统是渐近稳定的。这意味着系统在平衡点(x = 0)附近的状态变量会随着时间趋向于平衡点 (x = 0)。如果这个系统是一个线性系统，则可以说是大范围渐进稳定的。但需要注意：如果选择的Laypunov不满足上述两点，不能说明系统是非稳定的。
  根据状态方程（3-3），选择Laypunov函数：
$$V(x_1,x_2)=\frac{1}{2}{x}_1^2+\frac{1}{2}{x}_2^2\text{\hspace{1em}(3-5)}$$
  $V(x_1,x_2)$为正定函数
$$\dot{V}(x_1,x_2)=x_1\dot{x_1}+x_2\dot{x_2}\text{\hspace{1em}(3-6)}$$
  带入式（3-3），可以将$\dot{V}(x_1,x_2)$化简为：
$$\dot{V}(x_1,x_2)=-b{x}_2^2+(1-K)x_1{x}_2\text{\hspace{1em}(3-7)}$$
  当$K=1$时
$$\dot{V}(x_1,x_2)=-b{x}_2^2\text{\hspace{1em}(3-8)}$$
  $\dot{V}(x_1,x_2)$为半负定函数，根据式（3-5）选择的Laypunov函数，只能说明系统是Laypunov稳定，而不是渐进稳定的。为了证明系统是渐进稳定的，需要引入不变性原理。
  分析式（3-8）可以发现，使得$\dot{V}(x_1,x_2)\equiv 0$的状态变量的集合为$\{(x_1,x_2)|x_1\in R,x_2=0\}$，那么系统一定存在一条直线轨线$x_2=0$。但根据反馈线性化后的状态方程式（3-3）可以推出：
$$x_2(t)\equiv 0\Rightarrow \dot{x_2}(t)\equiv 0\Rightarrow x_1\equiv 0$$
  也就是在Lyapunov函数的基础上，结合状态方程本身的信息证明了$\dot{V}(x_1,x_2)$为严格的负定函数。从而证明了系统是渐进稳定的。这与3.2.1小节中分析系统特征值得出的稳定性结果相同。

4 仿真分析

  根据第3小节给出的设计方案，建立反馈线性化的Simulink模型如下图所示：

图5-反馈线性化控制器Simulink模型图

  给定一个幅值随时间变化的方波型号，作为单摆的希望角度$\beta$，可以得到控制器的运行效果如下图所示：

图6-反馈线性化控制效果图

  可以发现，控制器虽然可以无误差的跟踪输入信号，但超调量和调节时间都比较大，需要利用其他方法进一步优化控制器。

5 总结

  本文以单摆系统为例，探讨了非线性系统控制中的一个经典控制方案——反馈线性化。首先，建立了单摆的非线性动力学模型，考虑了摆杆长度、摆锤质量、角度和阻尼系数等因素。并通过相轨迹图分析了系统的平衡点和稳定性。接着，设计了反馈线性化控制器，通过引入控制变量$u$，消除非线性部分，使系统线性化，并利用Laypunov方法分析了系统的稳定性，证明了系统在反馈线性化控制下是渐进稳定的。最后，通过Simulink仿真验证了控制器的效果，虽然控制器可以无误差跟踪输入信号，但存在超调量和调节时间较大的问题，任需要进一步优化。