前面3篇博客分析了扩张状态观测器(ESO)收敛性分析的套路,基本上是过了一遍原文献的证明步骤,穿插一些说明,目的在于让人看清证明背后的思想。考虑到ESO是自抗扰控制(ADRC)的核心,因此ADRC的稳定性证明套路其实在一定程度上也借鉴了ESO收敛性套路。文献[1]首次给出了多输入多输出系统ADRC稳定性的完整证明,但其使用的符号比较多,且数学味过于浓厚,毕竟文献[1]对应的期刊其实是一本数学期刊,不太容易吸引人阅读,不过其证明的实质套路一直得到了传承和发扬,此后一连串的文献都沿袭了文献[1]的套路,比如文献[2]。因此,如果想知道ADRC的稳定性证明套路,文献[2]值得推荐,比文献[1]的可读性强一些。
这里不打算再像之前博客那样过一遍文献[2]的证明步骤了,仅仅分析其思想,因此只罗列部分公式以对套路进行辅助说明,感兴趣的读者可以直接找来文献[2]仔细研读。文献[2]考虑下面的下三角形式的系统:
{
x
˙
1
(
t
)
=
x
2
(
t
)
+
h
1
(
x
1
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
,
x
˙
2
(
t
)
=
x
3
(
t
)
+
h
2
(
x
1
(
t
)
,
x
2
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
,
⋮
x
˙
n
(
t
)
=
f
(
t
,
x
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
+
b
(
t
,
w
(
t
)
)
u
(
t
)
,
ζ
˙
(
t
)
=
f
0
(
x
1
(
t
)
,
,
ζ
(
t
)
,
w
(
t
)
)
,
y
(
t
)
=
x
1
(
t
)
,
(1)
\left\{\begin{aligned} &\dot{x}_1(t)=x_2(t)+h_1(x_1(t),\zeta(t),w(t)),\\ &\dot{x}_2(t)=x_3(t)+h_2(x_1(t),x_2(t),\zeta(t),w(t)),\\ &\vdots\\ &\dot{x}_n(t)=f(t,x(t),\zeta(t),w(t))+b(t,w(t))u(t),\\ &\dot{\zeta}(t)=f_0(x_1(t),,\zeta(t),w(t)),\\ &y(t)=x_1(t), \end{aligned}\right.\tag{1}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧x˙1(t)=x2(t)+h1(x1(t),ζ(t),w(t)),x˙2(t)=x3(t)+h2(x1(t),x2(t),ζ(t),w(t)),⋮x˙n(t)=f(t,x(t),ζ(t),w(t))+b(t,w(t))u(t),ζ˙(t)=f0(x1(t),,ζ(t),w(t)),y(t)=x1(t),(1)
其中,
x
(
t
)
=
(
x
1
(
t
)
,
…
,
x
n
(
t
)
)
∈
R
n
x(t)=(x_1(t),\ldots,x_n(t))\in\mathbb{R}^n
x(t)=(x1(t),…,xn(t))∈Rn为系统状态,
ζ
(
t
)
∈
R
m
\zeta(t)\in\mathbb{R}^m
ζ(t)∈Rm为所谓的零动态(控制理论喜欢玩的一套,这里仅仅为了增加公式表面复杂性来装B),
y
(
t
)
y(t)
y(t)为输出,
u
(
t
)
u(t)
u(t)为控制输入,
w
(
t
)
w(t)
w(t)为外部干扰,
b
b
b为不知道准确值的控制系数,但是有一个比较接近的名义值
b
0
b_0
b0,事实上,要是
b
b
b完全未知,那么理论推导导相当复杂,可以说,ADRC里面最关键的参数就是这个
b
b
b了。
直接考虑系统(1)的ADRC不太容易,考虑一般ADRC的文章喜欢积分形式的系统,因此ADRC设计的第一步就是利用坐标变换把系统(1)转化为积分形式,文献[2]采用了反馈线性化里面的常规操作:
{
x
ˉ
1
(
t
)
=
x
1
(
t
)
,
x
ˉ
2
(
t
)
=
x
2
(
t
)
+
h
1
(
x
1
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
,
x
ˉ
i
(
t
)
=
x
i
(
t
)
+
∑
j
=
1
i
−
1
h
i
−
j
(
j
−
1
)
(
x
1
(
t
)
,
…
,
x
i
−
j
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
,
3
≤
j
≤
n
,
(2)
\left\{\begin{aligned} &\bar{x}_1(t)=x_1(t),\\ &\bar{x}_2(t)=x_2(t)+h_1(x_1(t),\zeta(t),w(t)),\\ &\bar{x}_i(t)=x_i(t)+\sum_{j=1}^{i-1}h_{i-j}^{(j-1)}(x_1(t),\ldots,x_{i-j}(t),\zeta(t),w(t)),3\leq j\leq n,\end{aligned}\right.\tag{2}
⎩⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎧xˉ1(t)=x1(t),xˉ2(t)=x2(t)+h1(x1(t),ζ(t),w(t)),xˉi(t)=xi(t)+j=1∑i−1hi−j(j−1)(x1(t),…,xi−j(t),ζ(t),w(t)),3≤j≤n,(2)
其中,
h
i
−
j
(
j
−
1
)
(
⋅
)
h_{i-j}^{(j-1)}(\cdot)
hi−j(j−1)(⋅)为
h
i
−
j
(
⋅
)
h_{i-j}(\cdot)
hi−j(⋅)对时间变量
t
t
t的
(
j
−
1
)
(j-1)
(j−1)阶导数,这样转换后,利用新的状态变量
x
ˉ
(
t
)
=
(
x
ˉ
1
(
t
)
,
…
,
x
ˉ
n
(
t
)
)
\bar{x}(t)=(\bar{x}_1(t),\ldots,\bar{x}_n(t))
xˉ(t)=(xˉ1(t),…,xˉn(t)),系统可写为如下的积分链形式:
{
x
ˉ
˙
1
(
t
)
=
x
ˉ
2
(
t
)
,
x
ˉ
˙
2
(
t
)
=
x
ˉ
3
(
t
)
,
⋮
x
ˉ
˙
n
(
t
)
=
x
ˉ
n
+
1
(
t
)
+
b
0
(
t
)
u
(
t
)
,
y
(
t
)
=
x
ˉ
1
(
t
)
,
(3)
\left\{\begin{aligned} &\dot{\bar{x}}_1(t)=\bar{x}_2(t),\\ &\dot{\bar{x}}_2(t)=\bar{x}_3(t),\\ &\vdots\\ &\dot{\bar{x}}_n(t)=\bar{x}_{n+1}(t)+b_0(t)u(t),\\ &y(t)=\bar{x}_1(t), \end{aligned}\right.\tag{3}
⎩⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎧xˉ˙1(t)=xˉ2(t),xˉ˙2(t)=xˉ3(t),⋮xˉ˙n(t)=xˉn+1(t)+b0(t)u(t),y(t)=xˉ1(t),(3)
系统(3)单独提取出了
b
0
(
t
)
u
(
t
)
b_0(t)u(t)
b0(t)u(t)这一项以方便控制器设计,因此总扰动
x
ˉ
n
+
1
(
t
)
\bar{x}_{n+1}(t)
xˉn+1(t)的表达式为
x
ˉ
n
+
1
(
t
)
=
f
(
t
,
x
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
+
(
b
(
t
,
w
(
t
)
)
−
b
0
(
t
)
)
u
(
t
)
+
∑
j
=
1
n
−
1
h
n
−
j
(
j
)
(
x
1
(
t
)
,
…
,
x
n
−
j
(
t
)
,
ζ
(
t
)
,
w
(
t
)
)
.
(4)
\begin{aligned} \bar{x}_{n+1}(t)=&f(t,x(t),\zeta(t),w(t))+(b(t,w(t))-b_0(t))u(t)\\ &+\sum_{j=1}^{n-1}h_{n-j}^{(j)}(x_1(t),\ldots,x_{n-j}(t),\zeta(t),w(t)).\end{aligned}\tag{4}
xˉn+1(t)=f(t,x(t),ζ(t),w(t))+(b(t,w(t))−b0(t))u(t)+j=1∑n−1hn−j(j)(x1(t),…,xn−j(t),ζ(t),w(t)).(4)
这样一来,系统形式整理完毕,控制目标是在初值有界的前提下,状态
(
x
(
t
)
,
ζ
(
t
)
)
(x(t),\zeta(t))
(x(t),ζ(t))始终有界,输出
y
(
t
)
y(t)
y(t)能跟踪给定的有界参考信号
r
(
t
)
r(t)
r(t),且
r
(
t
)
r(t)
r(t)的各阶导数
r
˙
(
t
)
\dot{r}(t)
r˙(t),
r
¨
(
t
)
\ddot{r}(t)
r¨(t),
…
\ldots
…,
r
(
n
)
(
t
)
r^{(n)}(t)
r(n)(t)均有界,并记为
(
r
1
(
t
)
,
r
2
(
t
)
,
…
,
r
n
+
1
(
t
)
)
=
(
r
(
t
)
,
r
˙
(
t
)
,
…
,
r
(
n
)
(
t
)
)
.
(5)
(r_1(t),r_2(t),\ldots,r_{n+1}(t))=(r(t),\dot{r}(t),\ldots,r^{(n)}(t)).\tag{5}
(r1(t),r2(t),…,rn+1(t))=(r(t),r˙(t),…,r(n)(t)).(5)
接下来可以给出ADRC的结构了,ESO的形式为
{
x
ˉ
^
˙
1
(
t
)
=
x
ˉ
^
2
(
t
)
+
ε
n
−
1
g
1
(
η
1
(
t
)
)
,
x
ˉ
^
˙
2
(
t
)
=
x
ˉ
^
3
(
t
)
+
ε
n
−
2
g
2
(
η
1
(
t
)
)
,
⋮
x
ˉ
^
˙
n
(
t
)
=
x
ˉ
^
n
+
1
(
t
)
+
g
n
(
η
1
(
t
)
)
+
b
0
(
t
)
u
(
t
)
,
x
ˉ
^
˙
n
+
1
(
t
)
=
1
ε
g
n
+
1
(
η
1
(
t
)
)
,
η
1
(
t
)
=
y
(
t
)
−
x
ˉ
^
1
(
t
)
ε
n
,
(6)
\left\{\begin{aligned} &\dot{\hat{\bar{x}}}_1(t)=\hat{\bar{x}}_2(t)+\varepsilon^{n-1}g_1(\eta_1(t)),\\ &\dot{\hat{\bar{x}}}_2(t)=\hat{\bar{x}}_3(t)+\varepsilon^{n-2}g_2(\eta_1(t)),\\ &\vdots\\ &\dot{\hat{\bar{x}}}_n(t)=\hat{\bar{x}}_{n+1}(t)+g_n(\eta_1(t))+b_0(t)u(t),\\ &\dot{\hat{\bar{x}}}_{n+1}(t)=\frac{1}{\varepsilon}g_{n+1}(\eta_1(t)),\eta_1(t)=\frac{y(t)-\hat{\bar{x}}_1(t)}{\varepsilon^n},\end{aligned}\right.\tag{6}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧xˉ^˙1(t)=xˉ^2(t)+εn−1g1(η1(t)),xˉ^˙2(t)=xˉ^3(t)+εn−2g2(η1(t)),⋮xˉ^˙n(t)=xˉ^n+1(t)+gn(η1(t))+b0(t)u(t),xˉ^˙n+1(t)=ε1gn+1(η1(t)),η1(t)=εny(t)−xˉ^1(t),(6)
还是熟悉的配方,
g
i
∈
C
(
R
;
R
)
g_i\in C(\mathbb{R};\mathbb{R})
gi∈C(R;R),
i
=
1
,
2
,
…
,
n
+
1
i=1,2,\ldots,n+1
i=1,2,…,n+1为设计函数,
ε
>
0
\varepsilon>0
ε>0为调节参数。与单独ESO收敛性分析不同的是,这里还需要给出
u
(
t
)
u(t)
u(t)的表达式,由于系统已经转换为了积分链形式,因此可以直接给出
u
(
t
)
=
1
b
0
(
t
)
[
ρ
(
s
a
t
Q
1
(
x
ˉ
^
1
(
t
)
−
r
1
(
t
)
)
,
…
,
s
a
t
Q
n
(
x
ˉ
^
n
(
t
)
−
r
n
(
t
)
)
)
−
s
a
t
Q
n
+
1
(
x
ˉ
^
n
+
1
(
t
)
)
+
r
n
+
1
(
t
)
]
,
(7)
u(t)=\frac{1}{b_0(t)}\left[\rho\left(\mathrm{sat}_{Q_1}(\hat{\bar{x}}_1(t)-r_1(t)),\ldots,\mathrm{sat}_{Q_n}(\hat{\bar{x}}_n(t)-r_n(t))\right)\right.\\ -\left.\mathrm{sat}_{Q_{n+1}}(\hat{\bar{x}}_{n+1}(t))+r_{n+1}(t)\right],\tag{7}
u(t)=b0(t)1[ρ(satQ1(xˉ^1(t)−r1(t)),…,satQn(xˉ^n(t)−rn(t)))−satQn+1(xˉ^n+1(t))+rn+1(t)],(7)
其中,
x
ˉ
^
n
+
1
(
t
)
\hat{\bar{x}}_{n+1}(t)
xˉ^n+1(t)用于补偿总扰动
x
ˉ
n
+
1
(
t
)
\bar{x}_{n+1}(t)
xˉn+1(t),
ρ
(
s
a
t
Q
1
(
x
ˉ
^
1
(
t
)
−
r
1
(
t
)
)
,
…
,
s
a
t
Q
n
(
x
ˉ
^
n
(
t
)
−
r
n
(
t
)
)
)
+
r
n
+
1
(
t
)
\rho\left(\mathrm{sat}_{Q_1}(\hat{\bar{x}}_1(t)-r_1(t)),\ldots,\mathrm{sat}_{Q_n}(\hat{\bar{x}}_n(t)-r_n(t))\right)+r_{n+1}(t)
ρ(satQ1(xˉ^1(t)−r1(t)),…,satQn(xˉ^n(t)−rn(t)))+rn+1(t)用于输出跟踪,采用饱和函数
s
a
t
Q
i
(
⋅
)
\mathrm{sat}_{Q_i}(\cdot)
satQi(⋅)是为了防止所谓的峰值现象,文献[3]对此有专门的论述。我们可以看到的是,ADRC中ESO和控制器的形式比较直接,其复杂性主要体现在稳定性证明上。这里有两类误差:ESO的观察误差
η
(
t
)
\eta(t)
η(t)和系统对参考信号的跟踪误差
e
(
t
)
e(t)
e(t)。首先给出两类误差的定义:
{
η
i
(
t
)
=
x
ˉ
i
(
t
)
−
x
ˉ
^
i
(
t
)
ε
n
+
1
−
i
(
i
=
1
,
2
,
…
,
n
+
1
)
,
η
(
t
)
=
(
η
1
(
t
)
,
…
,
η
n
+
1
(
t
)
)
,
e
i
(
t
)
=
x
ˉ
i
(
t
)
−
r
i
(
t
)
(
i
=
1
,
2
,
…
,
n
)
,
e
(
t
)
=
(
e
1
(
t
)
,
…
,
e
n
(
t
)
)
,
Δ
(
t
)
=
ρ
(
s
a
t
Q
1
(
x
ˉ
^
1
(
t
)
−
r
1
(
t
)
)
,
…
,
s
a
t
Q
n
(
x
ˉ
^
n
(
t
)
−
r
n
(
t
)
)
)
−
ρ
(
e
(
t
)
)
,
(8)
\left\{\begin{aligned} &\eta_i(t)=\frac{\bar{x}_i(t)-\hat{\bar{x}}_i(t)}{\varepsilon^{n+1-i}}\;(i=1,2,\ldots,n+1),\\ &\eta(t)=(\eta_1(t),\ldots,\eta_{n+1}(t)),\\ &e_i(t)=\bar{x}_i(t)-r_i(t)\;(i=1,2,\ldots,n),\\ &e(t)=(e_1(t),\ldots,e_n(t)),\\ &\varDelta(t)=\rho\left(\mathrm{sat}_{Q_1}(\hat{\bar{x}}_1(t)-r_1(t)),\ldots,\mathrm{sat}_{Q_n}(\hat{\bar{x}}_n(t)-r_n(t))\right)-\rho(e(t)),\end{aligned}\right.\tag{8}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧ηi(t)=εn+1−ixˉi(t)−xˉ^i(t)(i=1,2,…,n+1),η(t)=(η1(t),…,ηn+1(t)),ei(t)=xˉi(t)−ri(t)(i=1,2,…,n),e(t)=(e1(t),…,en(t)),Δ(t)=ρ(satQ1(xˉ^1(t)−r1(t)),…,satQn(xˉ^n(t)−rn(t)))−ρ(e(t)),(8)
进而可以写出
η
(
t
)
\eta(t)
η(t)和
e
(
t
)
e(t)
e(t)满足的微分方程:
{
e
˙
1
(
t
)
=
e
2
(
t
)
,
e
˙
2
(
t
)
=
e
3
(
t
)
,
⋮
e
˙
n
(
t
)
=
ρ
(
e
(
t
)
)
+
Δ
(
t
)
+
x
ˉ
n
+
1
(
t
)
−
s
a
t
Q
n
+
1
(
x
ˉ
^
n
+
1
(
t
)
)
,
η
˙
1
(
t
)
=
1
ε
[
η
2
(
t
)
−
g
1
(
η
1
(
t
)
)
]
,
⋮
η
˙
n
(
t
)
=
1
ε
[
η
n
+
1
(
t
)
−
g
n
(
η
1
(
t
)
)
]
,
η
˙
n
+
1
(
t
)
=
−
1
ε
g
n
+
1
(
η
1
(
t
)
)
+
x
ˉ
˙
n
+
1
(
t
)
.
(9)
\left\{\begin{aligned} &\dot{e}_1(t)=e_2(t),\\ &\dot{e}_2(t)=e_3(t),\\ &\vdots\\ &\dot{e}_n(t)=\rho(e(t))+\varDelta(t)+\bar{x}_{n+1}(t)-\mathrm{sat}_{Q_{n+1}}(\hat{\bar{x}}_{n+1}(t)),\\ &\dot{\eta}_1(t)=\frac{1}{\varepsilon}[\eta_2(t)-g_1(\eta_1(t))],\\ &\vdots\\ &\dot{\eta}_n(t)=\frac{1}{\varepsilon}[\eta_{n+1}(t)-g_n(\eta_1(t))],\\ &\dot{\eta}_{n+1}(t)=-\frac{1}{\varepsilon}g_{n+1}(\eta_1(t))+\dot{\bar{x}}_{n+1}(t).\end{aligned}\right.\tag{9}
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧e˙1(t)=e2(t),e˙2(t)=e3(t),⋮e˙n(t)=ρ(e(t))+Δ(t)+xˉn+1(t)−satQn+1(xˉ^n+1(t)),η˙1(t)=ε1[η2(t)−g1(η1(t))],⋮η˙n(t)=ε1[ηn+1(t)−gn(η1(t))],η˙n+1(t)=−ε1gn+1(η1(t))+xˉ˙n+1(t).(9)
然后就可以根据式(9)开展ADRC稳定性分析了,证明一般分三步走:
第一步:证明跟踪误差 e ( t ) e(t) e(t)的有界性。具体来说,存在 ε 2 > 0 \varepsilon_2>0 ε2>0使得对所有 ε ∈ ( 0 , ε 2 ) \varepsilon\in(0,\varepsilon_2) ε∈(0,ε2),集合 { e ( t ) : t ∈ [ 0 , ∞ ) } \{e(t):t\in[0,\infty)\} {e(t):t∈[0,∞)}有界。通过研究时间区间 [ t 1 , t 2 ] [t_1,t_2] [t1,t2]上系统的性质,利用反证法证明,这里比较关键的有4个细节:
- 利用不等式放缩证明 ∣ e i ( t ) ∣ \vert e_i(t)\vert ∣ei(t)∣的上界和 ε \varepsilon ε无关;
- 对 x ˉ ˙ n + 1 ( t ) \dot{\bar{x}}_{n+1}(t) xˉ˙n+1(t)表达式的计算,没有实际难度,只是需要注意各项的展开,结合论文的各种假设获得 ∣ x ˉ ˙ n + 1 ( t ) ∣ \vert\dot{\bar{x}}_{n+1}(t)\vert ∣xˉ˙n+1(t)∣上界的形式;
- 在反证法的前提下,计算观察误差 η ( t ) \eta(t) η(t)系统对应的Laypunov函数 V 2 ( η ( t ) ) V_2(\eta(t)) V2(η(t))对时间的导数,以表明观察误差 η ( t ) \eta(t) η(t)的界小于某一表达式,即观测误差足够小;
- 计算跟踪误差 e ( t ) e(t) e(t)系统对应的Laypunov函数 V 1 ( e ( t ) ) V_1(e(t)) V1(e(t))对时间的导数,以表明时间区间 [ t 1 , t 2 ] [t_1,t_2] [t1,t2]上 V 1 ( e ( t ) ) V_1(e(t)) V1(e(t))是随时间递减的,导出矛盾。
第二步:证明观测误差 η ( t ) \eta(t) η(t)随 ε → 0 \varepsilon\rightarrow 0 ε→0而趋于0,也就是ESO的收敛性。其实第一步已经完成大部分推导工作了,因此第二步比较直接:
- 在第一步证明结论的基础上,改写 ∣ x ˉ ˙ n + 1 ( t ) ∣ \vert\dot{\bar{x}}_{n+1}(t)\vert ∣xˉ˙n+1(t)∣上界的形式;
- 计算观察误差 η ( t ) \eta(t) η(t)系统对应的Laypunov函数 V 2 ( η ( t ) ) V_2(\eta(t)) V2(η(t))对时间的导数,然后对 ∥ η ( t ) ∥ \Vert\eta(t)\Vert ∥η(t)∥的上界进行放缩,获得结论。
第三步:证明跟踪误差 e ( t ) e(t) e(t)的收敛性,也就是ADRC的稳定性。具体来说,对任意 σ > 0 \sigma>0 σ>0,存在 ε ∗ > 0 \varepsilon^*>0 ε∗>0使得对所有 ε ∈ ( 0 , ε ∗ ) \varepsilon\in(0,\varepsilon^*) ε∈(0,ε∗), ∥ e ( t ) ∥ ≤ σ \Vert e(t)\Vert\leq \sigma ∥e(t)∥≤σ对所有 t ∈ [ t ε , ∞ ) t\in[t_\varepsilon,\infty) t∈[tε,∞)均成立, t ε t_\varepsilon tε为与 ε \varepsilon ε有关的常数。
这一步就比较直接了,结合第一步和第二步的结论,直接计算跟踪误差 e ( t ) e(t) e(t)系统对应的Laypunov函数 V 1 ( e ( t ) ) V_1(e(t)) V1(e(t))对时间的导数,得到最终的结论。
至此可以看到ADRC的稳定性分析思路,而不是被其表明复杂的公式唬住。这里想指出的是,ADRC的稳定性分析需要先把系统转换为积分形式,因此当结合具体的应用对象时需要小心,毕竟实际系统不太容易满足ADRC稳定性分析必要的假设条件。相比之下,结合具体的应用对象设计特定形式的ESO,再在控制器设计上做点小改动,然后稳定性分析中利用ESO的分析套路,反倒相对容易产生一篇自己的论文。
总的来说,这里的ADRC的稳定性分析仅具备理论意义(主要用来写论文),因为这里暗含了一个条件,即 ε \varepsilon ε可以任意小,但任何的实际系统都存在时延,而在考虑时延的前提下, ε \varepsilon ε是不能过小的。此外,这里并没有给出ADRC设计参数的指导准则,对于控制工程师来说没有参考价值(所以PID真香)。其实更有意义的是从频域角度分析ESO和ADRC,毕竟ADRC参数选择并不容易,这一方面的工作可以参考高志强老师的相关工作。此外,ADRC并不是万能的,比如当实际系统的扩张状态和系统状态相关时,问题就变复杂了,此时ESO的效果到底如何还真不好说。总之,一旦考虑工程实际,如何将ADRC利用好是个技术活。
参考文献
[1]Guo B Z, Zhao Z L. On convergence of the nonlinear active disturbance rejection control for MIMO systems[J]. SIAM Journal on Control and Optimization, 2013, 51(2): 1727-1757.
[2]Guo B Z, Wu Z H. Output tracking for a class of nonlinear systems with mismatched uncertainties by active disturbance rejection control[J]. Systems & Control Letters, 2017, 100: 21-31.
[3]Khalil H K. Nonlinear systems[M]. Prentice-Hall, 2001.