Apollo模型参考自适应控制MRAC (二)-MRAC例题

下面的例子是我硕士自适应控制课的三个关于Model Reference Adaptive Control的练习, 我硕士导师上的这门课, 我觉得对于理解自适应控制的原理非常有用, 大家可以先看一下下述的几个例子, 理解一下怎么设计MRAC控制器, Apollo的MRAC包括一阶系统和二阶系统, 下面的几个例子都有涉及, 并且有关于一阶和二阶系统微分方程和状态空间方法是怎么转换的
Adaptive Control

Tutorial 1

Adaptive Controller Derivation using Lyapunov Theory
第一个例子是针对一个一阶系统的, 假设一阶系统的参考模型为
$${\dot{x}}_p=a_p{x}_p+b_p\lambda u(1)$$
其中$a_p$, $b_p$是已知变量, $\lambda \ne 0$, 但是我们不知道其符号.
a) 通过Lyapunov函数的方法设计一个自适应控制器, 使得上述一阶系统可以和参考模型的表现一致, 参考模型的方程为:
$${\dot{x}}_m=a_m{x}_m+b_{m}r(2)$$
其中$a_m<0$, $r$是参考输入
b) 扩展之前开发的控制器, 使得可以使用另外两个增益${\gamma }_x$和${\gamma }_r$来调整参数向量${\theta }_x(t)$和${\theta }_r(t)$的收敛率(rate of convergence)

如果实际系统$P$的特性可以完全跟随参考模型系统$S$, 那就意味着当当前状态相同的时候 $x_m=x_p$, 我们希望通过选择${\dot{x}}_m={\dot{x}}_p$, 结合(1)和(2)
我们可以得出
$$\begin{gathered} u=\frac{a_m-a_p}{b_p\lambda }{x}_p+\frac{b_m}{b_p\lambda }r(3) \\ ={\theta }_x^{\ast }{x}_p+{\theta }_r^{\ast }r(4) \end{gathered}$$
当我们对系统$P$使用上述输入$u$的时候,
$$\begin{gathered} {\dot{x}}_p=a_p{x}_p+b_p\lambda (\frac{a_m-a_p}{b_p\lambda }{x}_p+\frac{b_m}{b_p\lambda }r)(5) \\ =a_m{x}_p+b_{m}r(6) \end{gathered}$$
因为$\lambda$未知, 所以${\theta }_x^{\ast }$和${\theta }_r^{\ast }$也是未知的, 这意味着我们需要做初始值估计然后根据自适应变化率去修改, 假设我们使用的自适应输入为
$$u={\hat{\theta }}_x{x}_p+{\hat{\theta }}_{r}r(7)$$
同样的我们将上述输入带入系统的状态方程:
$$\begin{gathered} {\dot{x}}_p=a_p{x}_p+b_p\lambda (({\hat{\theta }}_x-{\theta }_x^{\ast }+{\theta }_x^{\ast })x_p+({\hat{\theta }}_r-{\theta }_r^{\ast }+{\theta }_r^{\ast })r) \\ =a_p{x}_p+b_p\lambda \frac{a_m-a_p}{b_p\lambda }{x}_p+b_p\lambda \frac{b_m}{b_p\lambda }r+b_p({\tilde{\theta }}_x{x}_p+{\tilde{\theta }}_{r}r) \\ =a_m{x}_p+b_{m}r+b_p\lambda ({\tilde{\theta }}_x{x}_p+{\tilde{\theta }}_{r}r) \end{gathered}$$
其中${\tilde{\theta }}_x={\hat{\theta }}_x-{\theta }_r^{\ast }$, ${\tilde{\theta }}_r={\hat{\theta }}_r-{\theta }_r^{\ast }$,
我们定义误差状态量$e=x_p-x_m$, 我们可以得到error dynamics的表达式为
$$\dot{e}=a_{m}e+b_p\lambda ({\tilde{\theta }}_x{x}_p+{\tilde{\theta }}_{r}r)(8)$$
为了建立参数调整机制, 我们需要找到合理的Lyapunov函数
我们首先选取Lyapunov函数为如下形式:
$$V(e,{\tilde{\theta }}_x,{\tilde{\theta }}_r)=e^2+b_p|\lambda |{\tilde{\theta }}_x^2+b_p|\lambda |{\tilde{\theta }}_r^2$$
该函数是正定的, $V(e,{\tilde{\theta }}_x,{\tilde{\theta }}_r$