基于观测器的滑模控制设计的模型选择问题

最新推荐文章于 2026-08-16 16:00:11 发布

原创最新推荐文章于 2026-08-16 16:00:11 发布 · 891 阅读

7 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

论文笔记

本文探讨了基于观测器的滑模控制设计中，选择原模型还是误差模型进行控制的问题。系统控制目标是使输出y逼近期望值r。在原模型控制中，设计扰动观测器估计f并构造滑模控制器；而在误差模型控制中，目标是使e（y-r）趋近于0。关键区别在于如何处理r的加速度项。文章提出了几种处理方法，并引发疑问：在期望输出V为0的情况下，使用ADRC时是否仍需要TD技术来平滑控制信号。

基于观测器的滑模控制设计的模型选择问题

问题描述

系统
$y¨=f(y˙,y,d(t))+bu\ddot{y}=f(\dot{y},y,d(t))+bu$
控制目标为 $y→ry\rightarrow{r}$ ，其中 $r$ 为期望值

我们想讨论用原模型来做控制，还是用误差模型
$e¨=f(y˙,y,d(t))−r¨+bu\ddot{e}=f(\dot{y},y,d(t))-\ddot{r}+bu$ 来做控制
其中 $e = y - r$

原模型控制

设计扰动观测器得出 $f$ 的估计值 $f^\hat{f}$ ，那么系统可以重写成
$y¨=f~+v1\ddot{y}=\tilde{f}+v_1$ ,
其中 $f~=f−f^，v1=(f^+bu1)\tilde{f}=f-\hat{f}，v_1=(\hat{f}+bu_1)$

设计滑模控制器，这里用积分滑模
$s=e˙+∫(k1e˙+k2e)−e˙(0)s=\dot{e}+\int({k}_1\dot{e}+k_2e)-\dot{e}(0)$
趋近率选用等速趋近率 $s˙=−ηsgn(s)\dot{s}=-\eta sgn(s)$
则有， $v1=−ηsgn(s)+k1e˙+k2e+r¨v_1=-\eta sgn(s)+k_1\dot{e}+k_2e+\ddot{r}$
$u1=(1/b)(−ηsgn(s)+k1e˙+k2e+r¨−f^)u_1=(1/b)(-\eta sgn(s)+k_1\dot{e}+k_2e+\ddot{r}-\hat{f})$

误差模型控制

设计扰动观测器得出 $F = f - e$ 的估计值 $F^\hat{F}$ ，那么系统可以重写成
$e¨=F~+v2\ddot{e}=\tilde{F}+v_2$ ,
其中 $f~=f−f^，v=(f^+bu2)\tilde{f}=f-\hat{f}，v=(\hat{f}+bu_2)$

设计滑模控制器，注意到这里的控制目标是0，即 $e→0e\rightarrow{0}$
$s=e˙+∫(k1e˙+k2e)−e˙(0)s=\dot{e}+\int({k}_1\dot{e}+k_2e)-\dot{e}(0)$
趋近率选用等速趋近率 $s˙=−ηsgn(s)\dot{s}=-\eta sgn(s)$
则有， $v2=−ηsgn(s)+k1e˙+k2ev_2=-\eta sgn(s)+k_1\dot{e}+k_2e$
$u=(1/b)(−ηsgn(s)+k1e˙+k2e−f^)u=(1/b)(-\eta sgn(s)+k_1\dot{e}+k_2e-\hat{f})$

其实不难发现，两者的差别就在于对 $r¨\ddot{r}$ 的处理
这里列出几种处理方法：
1、通过微分器得到，如果准确那么方法自然用原模型控制
2、当成扰动去处理，这里也有两种方法
（1）误差模型方法：在观测器中估计出来，前馈消除
（2）原模型方法：在控制器设计中通过抗扰设计去消掉（上文中没具体写出）