它有什么作用?
H无穷(H∞)控制是一种鲁棒控制方法,它将从扰动到被控输出的最坏情况增益最小化,并将其表述为一个极大极小(minimax)优化问题。H∞控制由Zames在20世纪80年代初开创,它提供了一种原则性的方法来设计反馈控制器,该控制器能够容忍模型不确定性、未建模动力学和扰动,同时保持稳定性和性能,这使其成为需要保证鲁棒性的应用的关键技术。
方法背后的直觉
与假设系统完全已知且噪声为高斯分布的LQR不同,H∞控制采取最坏情况的视角:它寻求一个控制器,该控制器能够最小化扰动在所有频率上的最大可能放大。关键思想是定义加权的性能目标(例如,对扰动的敏感性、对测量噪声的互补敏感性),并求解一个控制器,使其将所有这些加权响应都限制在预定的水平γ内。如果存在γ<1的解,则该控制器能够鲁棒地稳定系统并同时满足所有性能规范。这种最坏情况保证使得H∞控制对于不确定、非线性或极易受扰动的系统非常强大。
历史学
Zames在20世纪80年代初提出了灵敏度最小化问题并引入了H∞范数,提供了鲁棒性的频域视角。Francis通过状态空间表述(广义植物)扩展了该理论,Doyle等人提供了Riccati方程解和LMI表征。Zhou的教科书(1996年)成为标准参考。H∞控制在20世纪90年代获得了广泛的工业应用,应用于航空航天、过程控制和汽车系统。现代变体包括混合灵敏度H∞、具有结构化不确定性的H∞以及分布式H∞控制。
何时使用
当您必须保证鲁棒的稳定性和性能,尽管存在模型不确定性、未建模动力学或参数变化时,请使用H∞控制。它非常适合在不确定环境(航空航天、汽车、工业)中运行的系统,当扰动和噪声统计数据未知或非高斯时,以及当您需要最坏情况性能保证时。如果您拥有精确的植物知识(LQR可能更简单)或设计需要显式约束处理(请使用MPC),则应避免使用H∞。
局限与注意事项
- 保守的控制器设计;追求最坏情况保证可能导致过于谨慎、迟缓的控制。
- 需要仔细调整加权函数;不良的权重选择会导致次优性能。
- 假设对广义植物模型有完全了解;非结构化不确定性和被忽略的动力学可能会降低鲁棒性。
- 不显式处理硬约束;约束必须通过惩罚函数或MPC来整合。
- 非线性H∞控制(微分博弈)计算难度更大,且缺乏收敛保证。
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
- 在不假设概率模型的情况下,提供对模型不确定性和参数变化的保证鲁棒性。
- 极大极小(Minimax)表述提供了对所有扰动和频率的最坏情况性能保证。
- 允许多变量设计,通过加权显式处理传感器和执行器约束。
- 可以使用LMI或Riccati方法进行凸优化求解;数值解可靠且经过充分测试。
- 自然的频域解释;易于将经典控制目标(增益裕度、相位裕度)作为权重纳入。
应用
- 航空航天:飞机俯仰控制,具有未建模动力学,鲁棒自动驾驶仪设计,容忍参数变化。
- 汽车:鲁棒悬架控制,对负载变化和道路扰动不敏感,不确定情况下的发动机管理。
- 电力系统:发电机控制,对负载变化和频率偏差鲁棒,微电网电压调节。
- 过程控制:化学反应器控制,容忍模型失配和原料变化,蒸馏塔优化。
- 机器人:机械臂控制,具有不确定的关节摩擦,移动机器人导航,对传感器噪声和障碍物鲁棒。
使用方式
使用方式
定义广义植物模型,该模型包括系统、扰动和测量噪声通道以及加权的性能目标(误差通道)。
选择依赖于频率的加权函数,以塑造控制器,在不同频率范围内优先考虑性能(例如,低频扰动抑制、高频噪声衰减)。
使用凸优化(线性矩阵不等式,LMI)或Riccati方程求解H∞优化问题,以找到最小化最坏情况增益(H∞范数)的控制器。
验证实现的γ是否小于1,并检查鲁棒裕度(增益裕度、相位裕度、对参数扰动的稳定性)。
常见陷阱
- 任意选择加权函数,而不是从物理约束和性能规范推导。
- 不正确地设置权重形状(例如,在高频处过于激进)会导致抖动或过度的控制努力。
- 忽略结构化不确定性,假设所有不确定性都是非结构化的,导致过度保守。
- 忘记验证闭环系统是否稳定以及是否可以实现γ<1;不可行的设计会浪费计算资源。
常见问题
什么是H∞范数及其对鲁棒性的重要性?
一个系统的H∞范数是其在所有频率上的峰值增益(最大奇异值)。最小化H∞范数意味着限制扰动的最大放大,确保有界扰动产生有界输出。这提供了硬性保证:如果H∞范数是γ<1,则任何幅度小于1的扰动都会产生幅度小于γ的输出,而与频率无关。
如何选择加权函数?
首先根据频率范围表达您的性能目标:例如,低频(1-10 rad/s)扰动应被衰减,而高频(>1000 rad/s)测量噪声可以容忍。设计W1来塑造灵敏度(误差对扰动的响应),设计W2来塑造互补灵敏度(控制努力和噪声响应)。使用一阶滞后或超前网络,然后根据闭环Bode图进行迭代。
广义植物模型代表什么?
广义植物是一个矩阵表示,它包括系统(G)、扰动/噪声输入(w)、被控输出(z)、控制输入(u)和测量值(y)。它捕获了整个控制问题:w包括扰动和噪声,z包括性能目标(误差、控制努力等),控制器必须在稳定系统的同时最小化从w到z的增益。
H∞控制能处理非线性系统吗?
非线性H∞控制使用微分博弈论,并且复杂得多。您可以将非线性系统线性化,并为线性化模型设计H∞(对小非线性鲁棒),或者对参数缓慢变化的系统使用增益调度(依赖于参数的H∞)。完全的非线性H∞需要求解非线性偏微分方程(Hamilton-Jacobi不等式),这通常是难以处理的。
相关方法
参考文献
Zames, G. (1981). Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverses. IEEE Transactions on Automatic Control, 26(2), 301-320.
打开 DOI 文献已复制。Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.
打开 DOI 文献已复制。Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.
打开出版物文献已复制。