反步法四元数欧拉角控制理论与应用研究.pdfVIP

Backstepping

Backstepping（逐步后推，反推）设计方法是针对不确定性系统的一种系统化的控制

器综合方法，是将Lyapunov函数的选取与控制器的设计相结合的一种回归设计方法。它通

过从系统的最低阶次微分方程开始，引入虚拟控制的概念，一步一步设计满足要求的虚拟控

制，最终设计出真正的控制律.

Backstepping自适应控制是当前自适应控制理论和应用的前沿课题之一,近年来,在处

理线性和某些非线性系统时,该方法在改善过渡过程品质方面展现出较大的潜力,除航

天领域外,在控制、电机控制、机器人控制、船舶控制等许多工业控制领域,反推自适

应控制的应用在国内外均有大量.

Backstepping方法在处理非线性控制问题方面所具有的独特的优越性，近年来引起了

众多学者的极大关注。Backstepping的基本设计思想是将复杂的非线性系统分解成不超过

系统阶数的子系统，然后单独设计每个子系统的部分Lyapunov函数，在保证子系统具有

一定收敛性的基础上获得子系统的虚拟控制律，在下一个子系统的设计中，将上一个子系统

的虚拟控制律作为这个子系统的目标。相似于上个子系统的设计，获得该子系统的虚拟

控制律；以此类推，最终获得整个闭环系统的实际控制律，且结合Lyapunov稳定性分析

方法来保证闭环系统的收敛性。

Backstepping可用来设计控制方案以满足三角结构单输入单输出非线性系统的匹配条

件。Backstepping设计方法之所以受到国内外学者的极大关注，主要为该方法取消了

系统不确定性满足匹配条件的约束，从而解决了相对复杂的非线性系统的控制问题。在现实

世界中，存在大量非线性系统具有(或者可以经过微分同胚变换成)严格反馈等规范型；该方

法为复杂非线系统的Lyapunov函数设计了较为简单的结构化、系统化方法，解决了

一直以来具有严格反馈等结构的非线性系统稳定性分析和控制器设计的难题。自适应

backstepping设计方法发展的初级阶段，要求系统不确定性能够线性参数化。随着神经网

络与模糊系统等智能控制技术的不断发展，很好地取消了自适应backstepping设计所需的

该约束条件，从而使得backstepping技术获得了很大的发展空间。特别是神经网络和自适

应技术的引入，极推广了backstepping方法的应用。

LQR

LQR(linearquadraticregulator)即线性二次型调节器,其对象是现代控制理论中以状

态空间形式给出的线性系统,而目标函数为对象状态和控制输入的二次型函数。LQR最优

设计是指设计出的状态反馈控制器K要使二次型目标函数J取最小值,而K由权矩阵Q与

R唯一决定,故此Q、R的选择尤为重要。LQR理论是现代控制理论中发展最早也最为成

一种状态空间设计法。特别可贵的是,LQR可得到状态线性反馈的最优控制规律,易于

构成闭环最优控制。而且Matlab的应用为LQR理论仿真了条件,更为我们实现稳、

准、快的控制目标了方便。

对于线性系统的控制器设计问题，如果其性能指标是状态变量和(或)控制变量的二次型

函数的积分，则这种动态系统的最优化问题称为线性系统二次型性能指标的最优控制问题，

简称为线性二次型最优控制问题或线性二次问题。线性二次型问题的最优解可以写成统一的解

析表达式求解过程的规范化，并可简单地采用状态线性反馈控制律构成闭环最优控制系

统，能够兼顾多项性能指标，因此得到特别的重视，为现代控制理论中发展较为成一部

分。

LQR最优控制利用廉价成本可以使原系统达到较好的性能指标(也可以对不稳定的

系统进行整定),而且方法简单便于实现,同时利用Matlab强大的功能体系容易对系统实现

仿真。

滑模控制

编辑