它有什么作用?
主动抗扰控制(ADRC)是一种控制方法,它利用扩张状态观测器(ESO)实时估计并抵消扰动和模型不确定性,将它们视为额外的“扰动状态”。ADRC由韩京全提出,高为元推广,无需精确的被控对象模型即可实现卓越的鲁棒性,使其在存在显著不确定性和扰动的实际系统中具有实用性。
方法背后的直觉
ADRC将任何未建模动力学、扰动和参数误差视为一个加性的“集总扰动”。ADRC不为最坏情况下的扰动调整鲁棒控制器,而是利用扩张状态观测器(ESO)实时估计该扰动,然后通过反馈将其抵消。ESO通过增加一个扰动状态来扩展状态空间,该状态与传统状态一起被估计。估计出的扰动从控制律中减去,从而得到一个易于控制的线性化、扰动解耦的系统。这种方法很实用:拥抱模型不确定性,估计它,然后补偿它。
历史学
Jingquan Han于21世纪初在中国引入ADRC;它于2006年左右在国际上获得认可。Gao的工作在美国控制界推广了ADRC,并在基准问题上展示了卓越的性能。工业应用在2010年代增长,尤其是在中国和亚洲。现代变体包括自适应ADRC、分布式ADRC和学习增强ADRC。
何时使用
当被控对象模型不准确、扰动较大且希望获得简单的控制律而无需详细模型时,使用ADRC。适用于工业应用(电机、泵、加热)、具有不确定负载的机器人以及时变参数系统。如果扰动过快导致观测器无法跟踪,或者需要非常低的稳态纹波,则避免使用ADRC。
局限与注意事项
- 需要准确的输出测量;观测器对噪声的敏感性可能限制性能。
- 观测器带宽受测量噪声限制;无法估计任意快速的扰动。
- 高观测器增益可能放大测量噪声;扰动估计与噪声抑制之间的权衡。
- 调整ESO参数(观测器增益)需要经验;不如经典控制方法系统化。
- 理论分析更复杂;稳定性与收敛性保证不如经典方法成熟。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 对模型不确定性鲁棒;将不确定性视为估计扰动,而不是为最坏情况设计。
- 简单的控制律(通常是类PD);与PID或H-infinity相比,调整量最少。
- 快速扰动抑制;实时估计实现快速响应。
- 自然扩展到MIMO和非线性系统。
- 实际实现;无需详细的模型辨识。
应用
- 工业驱动:电机速度控制,处理负载变化和摩擦不确定性。
- 定位系统:精确的平台定位,克服摩擦和机械间隙。
- 暖通空调(HVAC):温度控制,处理来自室外条件和入住率变化的扰动。
- 可再生能源:风力涡轮机控制,适应变化的风和湍流。
- 机器人:机械臂控制,处理不确定的负载、摩擦和电缆效应。
使用方式
使用方式
运行一个扩张状态观测器(ESO),从测量值中估计状态x和集总扰动d;ESO是一组高增益观测器。
估计出的扰动d_hat被馈入控制律;减去它:u = u_nominal − d_hat,有效抵消扰动影响。
为扰动补偿后的系统设计一个简单的线性控制器;通常比例-微分(PD)律就足够了。
闭环:将u施加于系统,测量输出,更新ESO和控制律;重复。
常见陷阱
- 将观测器增益设置得过高;会导致噪声放大和不稳定。
- 将ADRC用于具有快速未建模动力学的系统;ESO带宽可能不足。
- 忽略测量质量;差的传感器信号会降低观测器和整体性能。
- 假设所有扰动都是可观测的;如果扰动不直接影响测量输出,ESO无法估计它。
常见问题
如何调整扩张状态观测器(ESO)的增益?
ESO增益控制观测器的带宽和对噪声的鲁棒性。较高的增益可以更快地估计扰动,但会放大测量噪声。常见的调整方法:以观测器带宽为控制器带宽的5-10倍开始,根据对测量噪声的敏感度进行经验调整。参数空间很大;使用频率响应分析或极点配置进行系统化设计。
相关方法
参考文献
Han, J. (2009). From PID to active disturbance rejection control. IEEE Transactions on Industrial Electronics, 56(3), 900-906.
打开 DOI 文献已复制。Gao, Z. (2006). Active disturbance rejection control: a paradigm shift in feedback control system design. Proceedings of the 2006 American Control Conference, 2652-2661.
打开 DOI 文献已复制。