【滑模控制】减弱抖振或噪声趋近率的选择

摸鱼摸鱼疯狂摸鱼

已于 2023-06-26 16:49:39 修改

阅读量4.4k

点赞数 7

分类专栏：非线性控制文章标签：笔记

于 2023-06-26 16:43:55 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_64530445/article/details/131398806

版权

非线性控制专栏收录该内容

2 篇文章

订阅专栏

目录

两种趋近率_无噪声

两种趋近率_有噪声

指数趋近率

幂次趋近率

抖振的改善

鲁棒性的判断

写在前面

滑模控制的核心是李雅普诺夫函数，基本思想是寻找一个滑模面，将被控系统拉取到面上并使其沿着滑模面运动。Lyapunov渐进稳定保证了任意状态点最终均会运动到滑模面上，从而启动滑动模态。设计滑模控制器可以选择对控制器输入进行设计，或对趋近率进行设计。

常见的趋近率有： $\dot{s}=-\epsilon sgn(s),\dot{s}=-\epsilon sgn(s)-ks,\dot{s}=-\epsilon |s|^{\alpha}sgn(s)$ ，分别为等速趋近率、指数趋近率和幂次趋近律。由此算出的的控制信号 $u$ 大多是含有符号函数项、反复阶跃的信号，对于硬件要求很高，信号高频切换会导致系统状态在所选取的滑模面附近来回振荡，即输出信号出现抖振现象。但滑模控制器的设计原理能够很好消除干扰噪声，使其对扰动的鲁棒性很强。

通过仿真发现，基于这几种常见的趋近率进行控制器的设计时，有两点需要注意：

抖振的消除：sgn(s)项的切换速率，即参数 $\epsilon$ 可变（远离滑模面时大，靠近滑模面时小)；
抗干扰/鲁棒性好： $\epsilon$ 大（当s很大时(微分放大噪声)，控制率u与s和噪声无直接大小关系）；

具体内容写在下文。

趋近率

学习基于趋近率 $\dot{s}$ 设计滑模控制器时，只说这样可以保证Lyapunov稳定性，于是就想到，如果选择趋近率为 $\dot{s}=-ks$ ，可以得到 $\dot{V}=\dot{s}s=-ks^2\leqslant 0$ ，看上去好像也没什么问题。

通过仿真尝试，选取下面的被控模型：

$\left \{ \begin{aligned} \dot{x_1}=x_2 \\ \dot{x_2}=10x_2+120u\\ \end{aligned} \right .$

两种趋近率_无噪声

分别使用等速趋近率 $\dot{s}=-\epsilon sgn(s), ( \epsilon=80,c=20)$ ：

使用趋近率 $\dot{s}=-s$ ，可以看到仿真误差更小了，甚至可以很大程度减弱抖振现象：

两种趋近率_有噪声

为了验证其抗干扰性，直接给计算出的偏差加入一个白噪声（功率0.1 采样0.1）。

使用等速趋近率的控制效果如下，从左图跟随结果来看根本不会出现噪声：

但相反，直接使用 $\dot{s}=-\epsilon s$ 的控制，出现了明显的噪声：

因此，很明显地感觉到，虽然这种趋近率也可以满足Lyapunov稳定，甚至因为不含符号函数能避免抖振现象，但对于有干扰的系统来说，鲁棒性较差；

指数趋近率

将这两种趋近率结合，就是指数趋近率 $\dot{s}=-\epsilon sgn(s)-ks,(\epsilon=k=10)$ ，无噪声时：

$\dot{s}=-\epsilon sgn(s)-ks,(\epsilon=1,k=10)$ ，能很好的改善抖振，但在有噪声时鲁棒性并不好。

可以总结为： $\epsilon$ 较大时鲁棒性好，但抖振； $\epsilon$ 较小时，不抖振，但鲁棒性差；这样综合并不好。

幂次趋近率

尝试将趋近率改为 $\dot{s}=-\epsilon_1 |s|^{\epsilon_2}sgn(s),(\epsilon_1=10,\epsilon_2=0.5)$

当没有噪声加入时，控制效果很好 (甚至更快了) 而且完全没有抖振：

加入噪声之后，与-ks的趋近率相对比，能实现很好的控制效果：

下面对抗干扰、抗抖振两种特性进行分析。

抖振的改善

究其根本，应该是指数的特性，对于 $|s|^{\epsilon_2}$ ：这里选取幂为0.5，就相当于 $\sqrt{|s|}$

对于s在小范围(|s|<1)的抖振情况，总有产生一个大于s的系数，当s较大时，趋近率的绝对值也会变大，加速趋近滑模面；如果直接去观察趋近率 $-10|s|^{0.5}sgn(s)$ 的值，并与-10sgn(s）以及几种经典的能改善抖振的控制率进行比较：

对照选取不同参数的图像，还可以探究趋近率中参数的选择问题。可以看到如果s的指数 $\epsilon_2$ 越小，越接近于符号函数(抗扰)；而如果 $\epsilon_2$ 越大(指≈1)，越接近于-10s(抗抖振)：

从实际仿真图像可以看出的确如此，左图有干扰下当 $\epsilon_2$ 越小越好；右图无干扰下当 $\epsilon_2$ 越大越好

至于 $\epsilon_1$ 仍然是选择一个比扰动峰值更大的数即可，这点在选取指数趋近率时的具体解释是：

在有干扰d时，因为在求u时并没有考虑到d，实际算出的 $\dot{s}=-\epsilon sgn(s)+d$ ，对于 Lyapunov 函数： $\dot{V}=-\epsilon|s|+ds$ ，如果设计 $\epsilon>|d|$ ，则能保证 Lyapunov 稳定恒成立；

鲁棒性的判断

可以分别对指数趋近率、鲁棒性不好不抗干扰的趋近率 $\dot{s}=-Ks=-10s,\dot{V}=-Ks^2+ds$ 二者的 $\dot{V}$ 进行仿真，输入从-3到3的s输入，观察输出：

两种方法得到的实际 $\dot{V}$ 可以明显看出，左边的方式能将其控制在一个合适的度内，不至于当s增大时 $\dot{V}$ 变得很负。

抗干扰的本质其实在于，滑模控制使用的切换函数，事控制率u与滑模切换面s并没有直接的大小关系，当有干扰时，虽然s中含有了很大的噪声分量(来自于e与 $\dot{e}$ )，但是u的处理方法使s中的噪声的大小并没有表现出来；

下图是三种不同的趋近率下的s与u：(左到右分别为等速趋近、幂次趋近、 $-\epsilon s$ ，坐标轴已统一数量级)，上图为s，下图为u：

可以看出s几乎一致，在微分作用下将噪声放大了很多倍表现出来；而u相差很大。

符号项的系数越大，对噪声扰动的鲁棒性就越强。

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。