控制理论简要介绍

鲁棒控制

（H无穷、H2、混合控制和LMI控制）貌似不能解决非线性问题。鲁棒性，就是指这个反馈控制系统在某一类特定的不确定性条件下具有使稳定性、渐进调节和动态特性保持不变的特性，即这一反馈控制系统具有承受这一类不确定性影响的能力。设被控系统的数学模型属于集合D，如果系统的某些特性对于集合U中的每一对象都保持不变，则称系统具有鲁棒性。鲁棒性又可以分为鲁棒稳定性、鲁棒渐进调节和鲁棒动态特性。鲁棒稳定性是指在一组不确定性的作用下仍然能够保证反馈控制系统的稳定性；鲁棒渐进调节是指在一组不确定性的影响下仍然可以实现反馈控制系统的渐进调节功能；鲁棒动态特性通常称为灵敏度特性，即要求动态特性不受不确定性的影响。

所谓鲁棒控制，使受到不确定因素作用的系统保持其原有能力的控制技术。鲁棒控制的主要思想是针对系统中存在的不确定性因素，设计一个确定的控制律，使得对于系统中所有的不确定性，闭环系统能保持稳定并具有所期望的性能。

鲁棒控制理论是以使用状态空间模型的频率设计方法为主要特征，提出从根本上解决控制对象不确定性和外界扰动不确定性问题的有效方法。鲁棒控制理论最突出成就是H—∞控制和μ方法。鲁棒控制理论主要研究分析和综合这两方面的问题。在分析方面要研究的是：当系统存在各种不确定性及外加干扰时，系统性能变化的分析，包括系统的动态性能和稳定性等。在综合方面要研究的是：采用什么控制结构、用什么设计方法保证控制系统具有更强的鲁棒性，包括如何应对系统存在的不确定性和外加干扰的影响。它弥补了现代控制理论需要对象精确数学模型的缺陷，使得系统的分析和综合方法更加有效、实用。根据对鲁棒控制性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。

鲁棒稳定性是系统受到扰动作用时，保持其稳定性的能力。这种扰动是不确切知道的，但是是有限的。稳定性是对一个系统正常工作的起码要求，所以对不确定系统的鲁棒稳定性检验是必要的。因为传统的设计方法不具有保证鲁棒稳定性的能力，包括七十年代发展起来的各种方法，INA（逆奈氏阵列）、CL（特征轨迹）、LQR（线性二次型调节器）等，都不能保证系统的鲁棒稳定性。从九十年代起，大多数飞机、导弹、航天器都提出了鲁棒性要求。鲁棒稳定性分为频域分析及时域分析两类，每一类又包含多种不同的方法。常用的鲁棒稳定性分析方法有：1） 矩阵特征值估计方法；2） Kharitonov 方法；3） Lyapunov 方法；4） 矩阵范数及测度方法。

按名义模型设计的控制系统在摄动作用下仍能满足性能指标要求，则说该系统具有性能鲁棒性。大多数设计方法不能保证性能鲁棒性，因而对不确定系统进行性能鲁棒性的检验是必要的。性能指标的鲁棒性分析方法也可分为频域和时域两种，使用何种性能指标，要视提出的性能指标是在频域还是在时域而定。性能鲁棒性有时又称为相对稳定性、D-稳定性等。所谓D-稳定性，即为了保证系统的性能，要求在摄动作用下，系统的闭环特征值保持在某个区域D 内。

自适应控制

自适应控制是对于系统无法预知的变化，能自动地不断使系统保持所希望的状态。因此，一个自适应控制系统，应能在其运行过程中，通过不断地测取系统的输入、状态、输出或性能参数，逐渐地了解和掌握对象，然后根据所获得的过程信息，按一定的设计方法，作出控制决策去修正控制器的结构，参数或控制作用，以便在某种意义下，使控制效果达到最优或近似更优。目前比较成熟的自适应控制可分为两大类：模型参考自适应控制和自校正控制。

模型参考自适应控制由两个环路组成，由控制器和受控对象组成内环，这一部分称之为可调系统，由参考模型和自适应机构组成外环。实际上，该系统是在常规的反馈控制回路上再附加一个参考模型和控制器参数的自动调节回路而形成。

在该系统中，参考模型的输出或状态相当于给定一个动态性能指标，（通常，参考模型是一个响应比较好的模型），目标信号同时加在可调系统与参考模型上，通过比较受控对象与参考模型的输出或状态来得到两者之间的误差信息，按照一定的规律（自适应律）来修正控制器的参数（参数自适应）或产生一个辅助输入信号（信号综合自适应），从而使受控制对象的输出尽可能地跟随参考模型的输出。参考模型的选择是自适应控制系统设计的一部分，它必须满足两个要求：一方面，它应当能反映控制任务中的指定的性能，如上升时间、调节时间、超调或频域特性等；另一方面，这种理想性态应当是自适应控制系统可以达到的，对参考模型的结构有有的限制(如阶数和相对阶）
在这个系统，当受控制对象由于外界或自身的原因系统的特性发生变化时，将导致受控对象输出与参考模型输出间误差的增大。于是，系统的自适应机构再次发生作用调整控制器的参数，使得受控对象的输出再一次趋近于参考模型的输出（即与理想的希望输出相一致）。这就是参考模型自适应控制的基本工作原理。

自校正控制系统也由两个环路组成。内环与常规反馈系统类似，由对象和控制器组成。外环由参数估计器和控制器设计计算机构组成。参数估计器的功用是根据受控对象的输入及输出信息，连续不断地估计受控对象的参数，而控制器则根据参数估计器不断送来的参数估计值，通过一定的控制算法，按某一性能指标，不断形成最优控制作用，由于存在着多种参数估计和控制器设计算法，所以自校正控制的设计方法很多，其中，以用最小二乘法进行参数估计，按最小方差来形成控制作用的最小方差自校正控制器最为简单，并获得较多应用。

滑膜控制（变结构控制）

根据系统所期望的动态特性来设计系统的切换超平面，通过滑动模态控制器使系统状态从超平面之外向切换超平面收束。系统一旦到达切换超平面，控制作用将保证系统沿切换超平面到达系统原点，这一沿切换超平面向原点滑动的过程称为滑模控制。由于系统的特性和参数只取决于设计的切换超平面而与外界干扰没有关系，所以滑模变结构控制具有很强的鲁棒性。

超平面的设计方法有极点配置，特征向量配置设计法，最优化设计方法等，所设计的切换超平面需满足达到条件，即系统在滑模平面后将保持在该平面的条件。控制器的设计有固定顺序控制器设计、自由顺序控制器设计和最终滑动控制器设计等设计方法。

模型预测控制(MPC)

是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。

预测模型

预测控制应具有预测功能，即能够根据系统的现时刻的控制输入以及过程的历史信息，预测过程输出的未来值，因此，需要一个描述系统动态行为的模型作为预测模型。

在预测控制中的各种不同算法，采用不同类型的预测模型，如最基本的模型算法控制(MAC)采用的是系统的单位脉冲响应曲线，而动态矩阵控制(DMC)采用的是系统的阶跃响应曲线。这两者模型互相之间可以转换，且都属于非参数模型，在实际的工业过程中比较容易通过实验测得，不必进行复杂的数据处理，尽管精度不是很高，但数据冗余量大，使其抗干扰能力较强。预测模型具有展示过程未来动态行为的功能，这样就可像在系统仿真时那样，任意的给出未来控制策略，观察过程不同控制策略下的输出变化，从而为比较这些控制策略的优劣提供了基础。

反馈校正在预测控制中，采用预测模型进行过程输出值的预估只是一种理想的方式，在实际过程中。由于存在非线性、模型失配和干扰等不确定因素，使基于模型的预测不可能准确地与实际相符。因此，在预测控制中，通过输出的测量值Y(k)与模型的预估值Ym(k)进行比较，得出模型的预测误差，再利用模型预测误差来对模型的预测值进行修正。

由于对模型施加了反馈校正的过程，使预测控制具有很强的抗扰动和克服系统不确定性的能力。预测控制中不仅基于模型，而且利用了反馈信息，因此预测控制是一种闭环优化控制算法。

滚动优化预测控制是一种优化控制算法，需要通过某一性能指标的最优化来确定未来的控制作用。这一性能指标还涉及到过程未来的行为，它是根据预测模型由未来的控制策略决定的。

但预测控制中的优化与通常的离散最优控制算法不同，它不是采用一个不变的全局最优目标，而是采用滚动式的有限时域优化策略。即优化过程不是一次离线完成的，而是反复在线进行的。在每一采样时刻，优化性能指标只涉及从该时刻起到未来有限的时间，而到下一个采样时刻，这一优化时段会同时向前。所以，预测控制不是用一个对全局相同的优化性能指标，而是在每一个时刻有一个相对于该时刻的局部优化性能指标。

参考轨迹在预测控制中。考虑到过程的动态特性，为了使过程避免出现输入和输出的急剧变化，往往要求过程输出y(k)沿着一条期望的、平缓的曲线达到设定值r。这条曲线通常称为参考轨迹y，。它是设定值经过在线“柔化”后的产物。

RBF神经网络（单隐层神经网络）：

模糊控制

对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。

一般控制系统的架构包含了五个主要部分，即:定义变量、模糊化、知识库、逻辑判断及反模糊化，底下将就每一部分做简单的说明：

1. 定义变量：也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差之变化率CE，而控制变量则为下一个状态之输入U。其中E、CE、U统称为模糊变量。

2. 模糊化：将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，依适合的语言值求该值相对之隶属度，此口语化变量我们称之为模糊子集合。

3. 知识库：包括数据库与规则库两部分，其中数据库是提供处理模糊数据之相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。

4. 逻辑判断：模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，而得到模糊控制讯号。此部分是模糊控制器的精髓所在。

5. 解模糊化：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。LQR-线性二次型调节器