【滑模控制】减弱抖振或噪声 趋近率的选择

目录

写在前面

趋近率

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：，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：

1. 抖振的消除：sgn(s)项的切换速率，即参数可变（远离滑模面时大，靠近滑模面时小)；

2. 抗干扰/鲁棒性好：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  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 ，可以得到  ，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：

两种趋近率_无噪声

分别使用等速趋近率 ：

使用趋近率 ，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 ，无噪声时：

 ，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：较大时 鲁棒性好，但抖振；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 

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：这里选取幂为0.5，就相当于

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  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  越小，越接近于符号函数(抗扰)；而如果  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  越小越好；右图无干扰下当  越大越好

至于  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  ，对于 Lyapunov 函数：，如果设计 ，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 二者的  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   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  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  )，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、，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。