通俗理解滑模变结构控制(1)

1.什么是滑模变结构控制

在开始介绍滑模变结构控制之前，最好先学习一些线性控制的基础，知道什么是李亚普诺夫函数，怎么判断系统稳定性，有一点相轨迹的基础。有了这些基础知识才可以理解这篇文章。好了，废话不多说了，让我们开始滑模变结构控制之旅吧。
我们先从一个例子开始吧，假设有一个二阶系统如下：
$$\{\begin{array}{c}\dot{x_1}=x_2\\ \dot{x_2}=2x_2-x_1+u\end{array}$$
假设我们令$u=-k{x}_1$,其中k的值取4和-4。
当$k=4$时，上式可以改写如下
$$\{\begin{array}{c}\dot{x_1}=x_2\\ \dot{x_2}=2x_2-5x_1\end{array}$$
令$y=x_1,\dot{y}=x_2$,则上式可以改写为$$\ddot{y}-2\dot{y}+5y=0$$该微分方程有一对共轭复根${\lambda }_{1,2}=1\pm 2i$,它的实部为正，是一个不稳定系统，其相轨迹图如下
k=4

k=-4

从图中可以看出，不管k=4还是-4，系统都无法稳定，此时过相坐标系原点做一条直线，直线方程如下：$$s=\dot{y}+y=0$$其中s直线上方s>0,s直线下方s<0,如上图所示。打阴影的部分是ys<0的部分，其余部分ys>0，ys表示y乘以s。此时我们按下面的方程取k：当ys>0时，k=4；ys<0时，k=-4。$$k=\{\begin{array}{ccc}4,& ys>0& \\ -4,& ys<0& \end{array}$$此时相轨迹图变换如下：
直线s=0与y=0（即$\dot{y}$轴）将坐标系分为四个区域，ys>0时，k=4；ys<0时，k=-4。你会发现系统的相轨迹最终会运动到s=0这条直线上，而$s=\dot{y}+y=0$,它具有负的特征根$\lambda =-1$,因此在s=0这条直线上的点最终会收敛到$y=0,\dot{y}=0$,即坐标原点。此时系统就可以稳定，这个控制方法就是滑模变结构控制。
变结构指的是控制u在4x与-4x之间的切换，滑模指在s=0这条直线上滑动到原点。因此滑模变结构控制器设计也包括两部分，一是能从状态空间的任何位置有限时间到达滑模面s=0，二是在滑模面上可以收敛到原点（平衡点）。

2.滑模变结构的一些基本知识

由上例的图形可知，s=0两侧的相轨线都吸引向切换线 s=0。因此状态轨线一旦到达直线s=0上，就沿此直线收敛到原点。
这种沿s=0滑动至原点的特殊运动称为滑动模态运动，直线s=0称为切换线（切换面）或切换流形（switching manifold）,相应函数称为切换函数。
考虑一般情况，系统表述如下：$$\dot{x}=f(x),x\in R^n$$在系统状态空间存在超曲面$s(x)=s(x_1,x_2,\cdot \cdot \cdot x_n)=0$,如下图所示：

它将状态空间分为上下两个部分：s>0与s<0,在切换面上的运动点有三种情况：
1.常点，即图中A点。系统运动点运动到切换面s=0时，并不停留在切换面上，而是穿越此点，在A点旁边，满足以下关系：$$\dot{s}>0,s>0$$$$\dot{s}>0,s<0$$当处于s=0上方即s>0时，s不断变大,远离s=0；当处于s=0下方即s<0时，s不断变大,接近s=0。（也可以从s>0穿越到s<0，方向与A处箭头反向）
2.起点，如图中B点。系统运动点到达切换面s=0附近时，从切换面的两边离开该点，在B点附近，满足以下关系：$$\dot{s}>0,s>0$$$$\dot{s}<0,s<0$$
3.止点，如图中C点。系统运动点到达切换面s=0附近时，从切换面的两边趋向于止点，并停留在切换面上。在C点附近满足以下关系：$$\dot{s}>0,s<0$$$$\dot{s}<0,s>0$$
由第一节可知，我们在设计滑模变结构控制器时，需要让状态空间中的点有限时间到达滑模面s=0，即图中C点，所以我们在设计控制器时得满足C点条件，在s>0时，$\dot{s}<0$;s<0时，$\dot{s}>0$。

3.滑模控制器设计

通过前两章的介绍，我们理清了要设计滑模控制器需要满足以下条件：
1.稳定性条件：在s=0的滑模面上，状态是收敛的，即滑动模态存在；
2.可达性条件：在切换面s=0以外的运动点将于有限时间内到达切换面；
3.保证滑模运动的稳定性；
4.达到控制系统运动品质要求。
接下来开始根据这四个条件来叙述如何设计滑模变结构控制器，首先是滑动模态存在

针对线性系统$$\dot{x}=Ax+bu$$可以设计如下的滑模面$$s(x)=\sum _{i=1}^{n-1}{c}_i{x}_i+x_n$$在滑模控制中，要保证多项式$p^{n-1}+c_n{p}^{n-2}+...+c_{2}p+c1$为Hurwitz(简单来说这条条件是为了满足状态在s=0的滑模面上可以收敛)什么是Hurwitz，即上述多项式的特征值的实数部分在左半平面，即为负，下面举例说明：
当n=2时，$s(x)=c_1{x}_1+x_2$,为了保证多项式p+c1为Hurwitz，需要多项式p+c1=0的特征值实数部分为负，即c1>0.

接下来介绍可达性条件，即状态x从状态空间中任意一点出发，可以在有限时间到达s=0的滑模面上，此时我们可以采用李雅普诺夫间接法来分析，从前面可知，切换函数s是状态变量x的函数，取以下的李雅普诺夫函数$$V=\frac{1}{2}{s}^2$$对时间求导可得$$\dot{V}=s\dot{s}$$为了使系统稳定，我们需要使$\dot{V}<0$,即$s\dot{s}<0$,此时系统对于s而言是渐进稳定，不能保证其有限时间到达s=0的滑模面上(渐进稳定是当t趋于无穷时，状态变量x趋于0，即无限时间到达)，因此需要$s\dot{s}<-\sigma$，$\sigma$是一个极小的正数。
但是每次设计总不能都用李雅普诺夫函数判断，于是人们就提出了趋近律这一概念，常用的趋近律有如下几种：
1.等速趋近律：$\dot{s}=-\epsilon sgn(s)$,$\epsilon >0$。sgn(s)是符号函数，s>0时，sgn(s)=1;s<0时,sgn(s)=-1;s=0,sgn(s)=0。
2.指数趋近律：$\dot{s}=-\epsilon sgn(s)-ks$,$\epsilon >0,k>0$。
3.幂次趋近律：$\dot{s}=-k|s{|}^{\alpha }sgn(s)-ks$,$k>0,1>\alpha >0$。至于趋近律怎么使用，看第四节的例子，毕竟理论毕竟没有实操刺激）

4.滑模控制器例子

随意举一个简单例子如下：$$\{\begin{array}{cccc}\dot{x_1}=& x_2& & \\ \dot{x_2}=& x_3& & \\ \dot{x_3}=& x_1& +& x_2{x}_3+u\end{array}$$设计一个镇定控制器，使系统稳定
设计步骤如下：
Step1.先设计切换函数s，其中切换函数s为Hurwitz，s设计如下：$$s=x_3+2x_2+x_1$$其中$c_1=1,c_2=2$,多项式可以写为$p^2+2p+1$,该多项式具有两个相同的特征根-1，满足Hurwitz条件，s设计完毕。
Step2.设计切换函数的导数，使系统满足可达性条件，即有限时间到达滑模面。对切换函数s求导$$\dot{s}=\dot{x_3}+2\dot{x_2}+\dot{x_1}$$将系统方程代入，替换掉$\dot{x_3},\dot{x_2},\dot{x_1}$,可得$$\dot{s}=x_1+x_2+2x_3+x_2{x}_3+u$$我们可以看到，$\dot{s}$中出现我们想要设计的控制u，但此时我们无法得到u，因为我们不知道$\dot{s}$是多少。这时我们前面提到的趋近律就起了作用，我们令$\dot{s}$=趋近律，就可以算出u，这个u就是滑模控制器的控制律。例如，取指数趋近律$-sgn(s)-s$,那么$$u=-s-sgn(s)-x_1-x_2-2x_3-x_2{x}_3$$$$\dot{s}=-sgn(s)-s$$
Step3.稳定性证明，取李雅普诺夫函数$$V=\frac{1}{2}{s}^2$$对李亚普诺夫函数求导$$\dot{V}=s\dot{s}$$$$\dot{V}=-|s|-s^2$$李亚普诺夫函数的导数是严格负定的，因此系统渐进稳定，即s会趋于0，又因为$$s=x_3+2x_2+x_1$$因此$x_3,x_2,x_1$都趋于0，达到了使系统镇定的目的，控制器设计完成，控制律如下$$u=-s-sgn(s)-x_1-x_2-2x_3-x_2{x}_3$$
接下来我会用Matlab simulink来验证控制器设计的正确性（下一章）