线性和非线性滑模收敛时间分析

Mr. 邹

已于 2022-10-08 15:03:32 修改

阅读量4.9k

点赞数 21

分类专栏：滑模控制文章标签：算法 matlab 滑模控制

于 2022-10-08 12:07:19 首次发布

本文链接：https://blog.csdn.net/weixin_50892810/article/details/127204182

版权

滑模控制专栏收录该内容

34 篇文章

订阅专栏

前言

前面文章介绍了线性滑模和非线性滑模，其中线性滑模主要以终端滑模为代表进行了介绍：

VSC/SMC（十二）——非线性系统的终端(terminal)滑模控制(含程序模型)_Mr. 邹的博客-CSDN博客_终端滑模

VSC/SMC（十三）——快速和非奇异Terminal滑模控制(含程序模型)_Mr. 邹的博客-CSDN博客_非奇异终端滑模

VSC/SMC（十四）——全局快速Terminal滑模控制(含程序模型)_Mr. 邹的博客-CSDN博客_快速终端滑模控制之前有人给我留言对于线性和非线性的收敛时间问题，所以我想在这里以自己的见解进行分析，如果有什么错误欢迎指导！另外公式编辑很繁琐，因为公式也不多，所以我这里直接手打公式了，谢谢理解！

1.线性滑模有限时间收敛分析

1.1线性滑模面简单介绍

线性滑模的一般形式为：s = c*x或者s = c*e，其实可以同一归结为s = c*e，如何理解？

大多数的问题可以转化为原点/0点稳定的问题，所以对于追踪问题或者稳定性分析的时候都会以零点进行分析。

因为对于s = c*x其实就是s = c*(x(t)- x(0)) = s*e(t)，所以线性滑模面可以简单以误差变量作为代表进行分析。

1.2 滑模面系数和调节参数的选取问题

1.2.1 滑模面系数选取

假设是只有比例和微分两项，即s = c1*e+c2*e'，其系数的选取一般是用保证该多项式是Hurwitz的，Hurwitz个人的简单理解就是保证极点的实部是负数，所以为了方便选取，可以先取c2 = 1，然后c1 > 0，这样便能保证极点是负的。也有的文献为了严谨会根绝超调量等指标采用极点配置等方法。其实c1是决定了误差收敛的速度，继续往下看。

1.2.2 调节参数选取

对于求解控制律的方法有多种，最常见最好理解的是利用等效滑模的思想，其次还有Lypunov分析方法等。

等效滑模的思想就是先确定滑模面s，之后求其导数，在忽略扰动下令导数 = 选取的趋近律，便能等到真实的控制律。因为所谓的扰动和不确定项归结为了趋近律的鲁棒控制项，但是由于开关函数的作用，所以会出现抖振的问题，就是在滑模面两侧来回穿插，最终区域原点。看下图就清晰明了了：

如假设有二阶系统x'' = u+d，定义误差e = x-xd选取滑模面为s = c1*e+e'，则导数有s' = c1*e'+e''，选取指速趋近律s' = -k*s-η*sign(s)，而，所以得到u = xd''-k*s-η*sign(s)-c1*e。对于这里假如滑模面系数c1选定，就只需要调节k和η，k大则能快速到达滑模面，但是区域稳态误差所需的时间就很长，可以用100m冲刺去理解：假如你到终点冲量越大，那么需要停下来的时间就越长，而且需要刹车需要很猛。所以可以看到只有-ks这一项很难同时保证收敛的速度和抖阵的限度，所以需要-η*sign(s)这一项，当s趋近于0时，ks这一项便很小，所以主要通过η*sign(s)，即±η去“柔和”的闭合开关，这样便能达到在快速收敛的同时能够保证抖振在允许范围内，所以指数趋近律参数的选取原则为：增大k的同时减小η。

注：由于η代表的是对不确定性的适应性，所以η > 不确定性D的上界，即η > |D|。

1.3 有限时间分析

1.3.1 滑模面分析

下面对其收敛问题进行分析，利用简单的解微分方程的思想，我们知道为了保证滑模的鲁棒性，会设计使系统初始状态就落在滑模面上，所以有s(t) = c1*e(t)+e(t)' = 0，所以解微分方程有：e(t) = e(0)*exp(-c1*t)，所以滑模面c1决定了误差收敛的速度，且呈指数衰减。

1.3.2 趋近律分析

我们再从趋近律角度分析，假设选取指速趋近律，所以有s' = -k*s-η*sign(s)，其中k表示到切换面s的速度，而且是指数速度趋近，怎么理解指数趋近？

假设只有s' = -k*s这一项，解微分方程有s = s(0)*exp(-k*t)，可以看到k在指数部分。

2.非线性滑模有限时间收敛分析

假定选取的是非奇异快速终端滑模面s = c1*e+e'+c3*e^(p/q)，其中p和q均为奇数且1 < p/q < 2或q < p <2q，何为非奇异、快速？为什么p和q的取值需要这样限定？继续往下看

2.1 何为奇异？

传统/普通的终端滑模选取的滑模面是s = e'+β*e^(q/p)，其中其中p和q均为奇数且0 < q < p即0 < q/p < 1，为了方便化简，这里假设x(0) = 0，所以e(t) = x(t)-x(0) = x(t)，所以s = x'+β*x^(q/p)，这里直接用上篇文章中的证明结果，这里不再叙述，利用等效滑模的思想求出控制律为：

可见由于0 < q/p < 1，所以q/p-1 < 0，所以会导致x1^(q/p-1) = 1/(x1^(1-q/p))，即当x2≠且x1趋于0的时候由于1-q/p > 0的缘故，导致分母很小而分式趋于∞，最终导致u趋于∞，这就是所谓的奇异现象。

所以会将终端吸引子设计成c3*e^(p/q)，即选取滑模面为s = e'+c3*e^(p/q)，其中p和q均为奇数且1 < p/q < 2，这里需要格外注意分子和分母以及限定条件。

假设c3 = 1/β，这里仍引用上篇文章的结论，得到控制律：

2.2 何为快速？

这里引入快速非奇异终端滑模面s = α*x+x'+β*x^(q/p)，即线性滑模+非奇异终端滑模，当在滑模面上即s = 0时，合理设计p和q，则有x' = -α*x-β*x^(q/p)，当系统状态远离原点时，收敛时间主要由终端吸引子β*x^(q/p)决定，当系统状态接近原点时，收敛时间主要由线性滑模x = -α*x决定，且上面已经证明呈指数收敛。为什么是这样，下面从数学上进行分析，继续往下走。