它有什么作用?
自适应控制是一种控制策略,它根据在线系统辨识实时调整控制器参数,以在植物动力学变化或参数不确定时保持性能。自适应控制由Astrom和Wittenmark开创,能够在时变环境中实现稳健运行,从燃油消耗中的飞机到老化组件的工业系统。
方法背后的直觉
自适应控制结合了两个环路:一个用于即时稳定的快速内部反馈环路,以及一个用于估计变化的系统参数并更新控制器增益的较慢外部环路。当植物发生变化时(飞机燃烧燃油,摩擦力随老化增加),自适应环路会测量输出误差,通过系统辨识推断参数变化,并调整控制器以保持性能。这比固定鲁棒控制(假设最坏情况参数)更复杂,比手动重新调整更实用。
历史学
Astrom 在 20 世纪 80 年代形式化了自适应控制理论,确立了收敛和稳定性条件。Ioannou 的鲁棒自适应控制(1996)通过确保参数估计保持在有界域内来解决稳定性问题。现代自适应控制包括模型参考方法(MRAC)、用于参数相关控制的增益调度以及用于学习控制律的机器学习方法。
何时使用
当系统参数随时间显著变化(老化、温度、负载变化)、参数未知但系统结构已知,以及在参数不确定性下需要保证稳定性时,使用自适应控制。适用于飞机控制(燃油消耗、重心偏移)、工业过程控制(催化剂老化)和可再生能源系统(风/太阳能变化)。如果参数变化速度快于辨识跟踪速度,如果必须非常保守地保证稳定性裕度,或者如果固定的鲁棒控制器已足够,则避免使用自适应控制。
局限与注意事项
- 辨识阶段需要持续激励(充分变化的输入);在安静环境中响应较慢。
- 参数估计收敛可能缓慢;自适应期间可能出现瞬态不稳定。
- 需要准确测量输出;噪声和延迟会降低辨识效果。
- 稳定性证明复杂;自适应系统可能不稳定,尽管单个组件稳定。
- 自适应速率必须慢于控制环路;与快速跟踪要求冲突。
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
- 在系统参数漂移时保持性能;无需手动重新调整。
- 比固定鲁棒控制器对参数变化的响应更快。
- 在不过度设计以应对最坏情况的情况下,减少稳态误差。
- 能够发现运行期间的未知参数。
- 自然地将测量数据纳入实时学习。
应用
- 航空航天:飞机控制,考虑燃油消耗和重心偏移,以及适应不同气动条件的自适应自动驾驶仪。
- 工业过程:反应器控制,考虑催化剂活性变化,以及自适应过程优化。
- 电力系统:发电机控制,考虑发电机参数变化,以及负荷频率控制。
- 船舶系统:船舶航向保持,考虑风浪条件变化。
- 可再生能源:风力涡轮机控制,适应变化的風速统计。
使用方式
使用方式
收集输入-输出数据,并使用递归最小二乘法或其他在线辨识算法估计当前系统参数。
根据模型预测与实际输出之间的测量误差更新估计参数向量 θ_hat。
使用极点配置、LQR或其他设计方法,根据当前参数估计计算新的控制器增益。
将更新后的控制器和新增益应用于系统;以较慢的速率(例如,控制以100 Hz运行时每秒)重复辨识和重新设计。
常见陷阱
- 过度的自适应增益;当估计值超过真实值时导致不稳定。
- 持续激励不足;参数未能收敛,自适应控制未能改善性能。
- 在非平稳环境中使用自适应控制;如果植物持续变化,辨识将永远无法收敛。
- 忽略估计误差;参数估计中的不确定性会降低闭环性能。
常见问题
什么是持续激励及其必要性?
持续激励意味着控制输入具有足够的变异性(频谱丰富性),以便能够唯一地辨识系统参数。随机扰动或偶尔的设定点变化可确保辨识收敛。没有持续激励,系统将表现为退化状态,参数估计无法收敛。