Skip to content
بازگشت به نتایج جست‌وجو

کنترل پس‌رو (Backstepping Control)

معرفی‌شده توسط
Miroslav Krstic
سال
1995
نوع
algorithm
خانواده
Nonlinear Control

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

پس‌رو یک روش سیستماتیک طراحی کنترل غیرخطی است که یک سیستم غیرخطی پیچیده را به زیرسیستم‌های ساده‌تر تجزیه کرده و یک کنترل‌کننده را به صورت بازگشتی، لایه به لایه، طراحی می‌کند و در هر مرحله پایداری را تضمین می‌نماید. روش پس‌رو که توسط کرستیچ، کانلکوپولوس و کوکوتوویچ توسعه یافته است، امکان کنترل سیستم‌های غیرخطی را بدون نیاز به دانش دقیق مدل یا خطی‌سازی کامل حالت، فراهم می‌آورد و انعطاف‌پذیری را با پایداری تضمین‌شده ترکیب می‌کند.

شهود پشت روش

پس‌رو یک سیستم مرتبه n را با در نظر گرفتن حالت‌های میانی به عنوان کنترل‌های مجازی، به n زیرسیستم مرتبه اول تجزیه می‌کند. برای هر لایه، یک تابع لیاپانوف طراحی می‌شود که پایداری آن زیرسیستم را تضمین می‌کند. سپس کنترل‌کننده لایه بعدی برای پایدارسازی خطا بین کنترل مجازی مطلوب و واقعی طراحی می‌شود و در سلسله مراتب به عقب «پس‌رو» می‌رود. این رویکرد بازگشتی، در صورت پایدار بودن هر لایه، پایداری مجانبی سراسری را تضمین می‌کند. برخلاف خطی‌سازی بازخوردی که نیازمند لغو دقیق غیرخطی‌ها است، پس‌رو اجازه می‌دهد غیرخطی‌ها باقی بمانند و با آن‌ها جبران شود و این امر موجب استحکام در برابر عدم قطعیت پارامتریک می‌شود.

تاریخ

کرستیچ و همکارانش در اواسط دهه ۱۹۹۰، پس‌رو را برای پایدارسازی و ردیابی سیستم‌های غیرخطی نامشخص توسعه دادند. این روش به سیستم‌های وابسته به زمان، سیستم‌های با دینامیک مدل‌نشده و موارد بازخورد خروجی تعمیم یافته است. انواع مدرن شامل پس‌روی تطبیقی برای پارامترهای ناشناخته و پس‌روی مبتنی بر رویداد برای کنترل شبکه‌ای است.

چه زمانی استفاده شود

از پس‌رو برای سیستم‌های غیرخطی با ساختار بازخورد اکید (آبشاری از انتگرال‌گیرها با غیرخطی‌ها)، زمانی که به پایداری تضمین‌شده با اثبات لیاپانوف نیاز دارید و پارامترهای سیستم نامشخص هستند، استفاده کنید. این روش برای کنترل غیرخطی هواپیماها، وسایل نقلیه زیرآبی و بازوهای رباتیک ایده‌آل است. از پس‌رو اجتناب کنید اگر سیستم شما ساختار بازخورد اکید ندارد یا اگر به محاسبات سریع نیاز دارید (طراحی پس‌رو آفلاین است).

محدودیت‌ها و ملاحظات

  • نیاز به ساختار بازخورد اکید دارد؛ برای سیستم‌های غیرخطی عمومی کاربرد ندارد.
  • قانون کنترل می‌تواند پیچیده باشد و شامل مشتقات مرتبه بالا (پدیده اوج‌گیری) باشد.
  • بهره‌های پس‌رو می‌توانند تهاجمی باشند و منجر به تلاش کنترلی زیاد و اشباع عملگر شوند.
  • طراحی آفلاین است؛ برای تنظیم پارامتر تطبیقی در زمان واقعی مناسب نیست.
  • پدیده اوج‌گیری (Peaking): بیش‌افت گذرا می‌تواند در لایه‌های اولیه رخ دهد و لایه‌های دیگر را بی‌ثبات کند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • طراحی سیستماتیک با پایداری مجانبی سراسری تضمین‌شده که از طریق تحلیل لیاپانوف اثبات شده است.
  • سیستم‌های غیرخطی را بدون خطی‌سازی یا لغو دقیق مدیریت می‌کند.
  • ادغام طبیعی عدم قطعیت و استحکام از طریق بازطراحی لیاپانوف.
  • انعطاف‌پذیری در انتخاب کنترل مجازی امکان مصالحه بین عملکرد و استحکام را فراهم می‌کند.
  • سیستم‌های آبشاری و سیستم‌های با زنجیره‌های انتگرال‌گیر را به طور طبیعی مدیریت می‌کند.

کاربردها

  • هوافضا: کنترل ارتفاع و سرآهنگ هواپیما با آیرودینامیک نامشخص.
  • رباتیک: کنترل غیرخطی بازوی ربات با بارهای نامشخص و اصطکاک.
  • وسایل نقلیه زیرآبی: کنترل عمق و جهت‌گیری AUV با عدم قطعیت هیدرودینامیکی.
  • سیستم‌های قدرت: کنترل و همگام‌سازی غیرخطی ژنراتور.
  • فرآیندهای بیوشیمیایی: کنترل غلظت بیوراکتور با سینتیک نامشخص.

چگونه کار می‌کند

چگونه کار می‌کند

1

سیستم را در فرم بازخورد اکید (strict-feedback form) به صورت x_dot = f(x) + g(x)u بنویسید؛ آن را با کنترل‌های مجازی z_1, ..., z_{n-1} به زیرسیستم‌ها تجزیه کنید.

2

برای لایه i، کنترل مجازی z_i* و بهره کنترل‌کننده k_i را طوری طراحی کنید که V_i = V_{i-1} + (1/2)(x_i − z_i*)^2 یک تابع لیاپانوف کاهشی در طول جواب‌ها باشد.

3

بررسی کنید که تمام بهره‌های طراحی‌شده پایداری مجانبی سراسری را تضمین می‌کنند؛ از تحلیل لیاپانوف در تمام لایه‌ها استفاده کنید.

4

قانون کنترل نهایی u = k_{n-1}(x) را پیاده‌سازی کنید، که تمام قوانین بازخورد بازگشتی را در ورودی کنترل واقعی ترکیب می‌کند.

دام‌های رایج

  • انتخاب دلخواه توابع لیاپانوف؛ طراحی سیستماتیک نیازمند انتخاب دقیق توابع عملکرد است.
  • نادیده گرفتن پدیده اوج‌گیری؛ منجر به از دست دادن پایداری علی‌رغم طراحی صحیح می‌شود.
  • نرمال‌سازی نکردن حالت‌ها؛ بهره‌های نامحدود در صورت داشتن مقیاس‌های متفاوت در ابعاد حالت رخ می‌دهند.
  • نادیده گرفتن اشباع عملگر؛ قانون کنترل طراحی‌شده ممکن است از حدود فیزیکی فراتر رود.

پرسش‌های متداول

فرم بازخورد اکید چیست و آیا برای پس‌رو به آن نیاز دارم؟

فرم بازخورد اکید به صورت زیر است: x_1_dot = x_2, x_2_dot = x_3, ..., x_n_dot = f(x_1,...,x_n) + g(x_1,...,x_n)u. مشتق هر حالت فقط به حالت‌های با اندیس پایین‌تر به اضافه یک جمله کنترلی بستگی دارد. این ساختار طراحی بازگشتی را ممکن می‌سازد. سیستم‌هایی که در فرم بازخورد اکید نیستند، نیازمند تبدیل‌های مقدماتی یا پس‌روی جزئی هستند.

پدیده اوج‌گیری چیست و چگونه از آن اجتناب کنم؟

اوج‌گیری، بیش‌افت گذرا در لایه‌های اولیه است که می‌تواند لایه‌های بعدی را بی‌ثبات کند. این پدیده زمانی رخ می‌دهد که بهره‌ها تهاجمی باشند. راهکارهای کاهش: (۱) کاهش مقادیر بهره، (۲) معرفی پس‌روی انتگرال‌گیر با فیلتر پایین‌گذر، (۳) اشباع کنترل‌های مجازی، (۴) استفاده از فیلتر فرمان برای محدود کردن مشتقات کنترل مجازی.

روش‌های مرتبط

منابع

  1. Krstic, M., Kanellakopoulos, I., & Kokotovic, P. (1995). Nonlinear and Adaptive Control Design. John Wiley & Sons.

    باز کردن مرجع انتشار
    کپی شد.