L1自适应控制-理论基础

L1自适应背景

---

L1自适应控制算法是一种快速鲁棒的自适应控制。该算法实际上是模型参考自适应控制进行了改进，通过在控制律设计环节添加了一个低通滤波器，保证了控制律和自适应律设计的分离。

L1自适应系统机构及预备知识

---

• L1自适应控制系统结构：
  L1自适应控制系统可分为：被控对象、状态预测器、自适应律、控制律
  

• 被控对象：采用状态空间形式表达，其中$w$、$\theta$等为参数不确定性

• 状态预测器：数学模型如上图所示，其中$x$，$w$等对应的是被控对象当中的估计值。当时间趋于无穷时，被控对象将与状态预测器具有一致的动力学特性，估计偏差在李雅普诺夫意义下稳定
• 自适应律：以状态预测器和被控对象之间的误差为主要输入，保证其在李雅普诺夫意义下稳定而得到了对不确定性参数的估计
• 控制律：包括两个部分 1、与状态预测器相匹配的对参考输入的重构；2、低通滤波环节。

状态预测器

---

• 含有参数不确定参数的被控对象数学模型可建立为：

$$\dot{x}=Ax+Bu+\sigma^\prime$$
其中 $A,B,\sigma$表示系统的不确定性，其中 $A$表示被控对象本身结构的不确定性，$B$表示输入引起的不确定性，而 $\sigma$表示系统存在的扰动，与模型参考自适应控制系统设计类似

• 将被控对象转换为控制系统的期望输出表达
  数学描述为：

$$\dot{x}=A_mx+br^\prime$$
其中 $A_m$满足霍尔维茨条件即满足稳定条件， $r\prime=wu+\theta x+\sigma$
对应可知， $A=A_m+b\theta$， $B=bw$， $\sigma=b\sigma\prime$

• 状态预测器设计
  状态预测器是为了被控对象的不确定参数进行估计，其与被控对象具有一致的数学表达。则状态预测器建模为：
  $$\dot{\hat{x}}=A_m\hat{x}+b(\hat{w}u+\hat{\theta}x+\hat{\sigma})$$
  将被控对象与状态预测器相减可得，由参考输入$u$到误差$\tilde{x}$的状态表达式为：

$$\dot{\tilde{x}}=A_m\tilde{x}+b(\tilde{w}u+\tilde{\theta}x+\tilde{\sigma})$$
为了保证上式是渐进稳定的，写出误差方程的能量函数：

$$V=\frac{1}{2}\tilde{x}^TP\tilde{x}+\frac{1}{2}\Gamma^{-1}(\tilde{w}^T\tilde{w}+\tilde{\theta}^T\tilde{\theta}+\tilde{\sigma}^T\tilde{\sigma})$$
其中 $\Gamma$为系统的自适应增益，对上式求导，写出能量函数导数。则可证明误差方程在李雅普诺夫意义下稳定。

自适应律设计

---

自适应律设计部分，通过对估计参数确定其数学表达，保证误差方程在李雅普诺夫意义稳定，即对李雅普诺夫导数为负定。

$$\hat{w}=-\Gamma\int u(Pb)^T\tilde{x}dt$$

$$\hat{\theta}=-\Gamma\int x(Pb)^T\tilde{x}dt$$

$$\hat{\sigma}=-\Gamma\int (Pb)^T\tilde{x}dt$$
上式为自适应律部分，其为对不确定参数的估计，并保证了误差方程在李雅普诺夫意义下稳定

控制律设计

---

• 对控制系统进行控制律设计，控制律环节输入为$u$`，输出为$r$的数学表达，其保证了输入到状态预测器输出是无稳定误差的（即输出可稳定的跟踪输入信号）：

状态预测方程（输入到输出的传递函数）为：

$$\tilde{y}=c(sI-A_m)^{-1}b(\tilde{w}u+\tilde{\theta}x+\tilde{\sigma})$$
当时间趋于无穷时，可达到：
$$\tilde{y}=-cA^{-1}_mb(\hat{w}u+\hat{\theta}x+\hat{\sigma})$$
为保证 $\hat{y}=r$则可得：

$$u=\frac{1}{\hat{w}}(-\frac{1}{cA^{-1}_mb}r-\hat{\theta}x-\hat{\sigma})$$

• 设计低通滤波器，并用L1小增益定理证明稳定性

  设计低通滤波器$D(s)=\frac{1}{s}$,对低通滤波器带宽$k$设计，为保证闭环控制系统满足$L_1$小增益定理。

  小增益定理：反馈系统中，u1 u2为系统的输入；y1 y2为系统的输出； e1 e2为误差信号；H1 H2为系统本身的特性。当H1 H2的L1范数增益乘积小于1时，系统满足内稳定条件
  
  L1范数：向量各个元素绝对值之和

最终控制律数学表达式为：

$$u=\frac{k}{s+k\hat{w}}(-\frac{1}{cA_m^{-1}b}r-\hat{\theta}x-\hat{\sigma})$$
实现框图如图一所示， $u$输出添加低通滤波器：$\frac{K}{s}$ 后，负反馈到 $u$中。所以可知
$$u=\frac{k}{s}(-\frac{1}{cA_m^{-1}b}r-\hat{\theta}x-\hat{\sigma}-\hat{w}u^{'})$$

控制性能分析

---

控制律设计保证了输入到$\hat{y}$的稳定性，本节需要分析输入到系统输出的稳态性能

结论：系统误差的L无穷范数的平方与控制系统自适应参数成反比，当自适应参数足够大时，系统误差在任意时刻趋近于0