[论文解读] A para-model agent for dynamical systems

Loïc Michel|arXiv (Cornell University)|Feb 21, 2012

Extremum Seeking Control Systems参考文献 26被引用 5

一句话总结

本文提出参数化模型代理（PMA），一种无需模型且无导数的控制框架，可将标准无模型控制推广至同时稳定非线性动力系统并执行极限搜索优化。通过用初始化函数替代数值导数，并嵌入递归内部更新机制，PMA 实现了对切换、非最小相位及非线性系统的鲁棒控制，同时在无需计算梯度的情况下引导系统达到最优工作点。

ABSTRACT

Consider a dynamical system $u \mapsto x, \dot{x} = f_{nl}(x,u)$ where $f_{nl}$ is a nonlinear (convex or nonconvex) function, or a combination of nonlinear functions that can eventually switch. We present, in this preliminary work, a generalization of the standard model-free control, that can either control the dynamical system, given an output reference trajectory, or optimize the dynamical system as a derivative-free optimization based "extremum-seeking" procedure. Multiple applications are presented and the robustness of the proposed method is studied in simulation.

研究动机与目标

• 将无模型控制扩展至处理无需显式系统模型的非线性、切换及非最小相位动力系统。
• 开发一种无导数优化策略，通过重新定义输出参考轨迹实现极限搜索控制。
• 通过用初始化函数替代数值导数计算，提升不稳定或切换系统控制的鲁棒性。
• 在机械、电气、生物及迟滞系统等多种应用中验证 PMA 的性能。
• 为未来工作奠定 PMA 控制器理论稳定性分析的基础。

提出的方法

• PMA 控制器采用基于递归内部状态 $ u_k^i $ 的离散时间控制律，其更新依赖于指数参考函数 $ k_α e^{-k_β k} $，替代经典无模型控制中的数值导数。
• 控制输入 $ u_k $ 由内部积分项 $ ⋯ $ 与包含跟踪误差 $ \varepsilon_{k-1} = y^*_k - y_{k-1} $ 的反馈项相乘得到，其中包含比例增益 $ K_p $ 和积分增益 $ K_i $。
• 引入初始化函数 $ k_α e^{-k_β k} $ 以增强鲁棒性，尤其在切换或不稳定系统中，为内部状态提供平滑的参考轨迹。
• 控制器以闭环方式应用，使输出 $ y $ 趋向于参考值 $ y^* $，其中 $ y^* $ 被重新定义以引导系统进入极限搜索模式下的最小值。
• 在优化模式下，输出参考 $ y^* $ 设计为跟踪非线性函数 $ f_{nl}(x) $ 的最小值，实现无需梯度计算的最优解收敛。
• 可选地使用线性滤波器 $ Q $ 为非动力学函数提供最小动态特性，但当 $ f_{nl} $ 本身具有动力学特性时，该滤波器并非必需。

实验结果

研究问题

• RQ1 PMA 控制器是否能在无需显式系统模型或导数的情况下，稳定非线性、切换及非最小相位系统？
• RQ2 与传统基于数值导数的无模型控制相比，使用初始化函数 $ k_\alpha e^{-k_\beta k} $ 在鲁棒性方面有何提升？
• RQ3 PMA 在多大程度上可通过重新定义输出参考轨迹来实现无导数优化，以引导系统趋近于最小值？
• RQ4 PMA 在实际应用（如电机控制、弹道系统、HIV-1 建模及磁滞控制）中的表现如何？
• RQ5 在非凸与约束优化问题中，PMA 在何种条件下可确保收敛至最优解？

主要发现

• PMA 在 $ dq $ 坐标系下成功控制三相电机，展示了在非线性电气系统中的鲁棒性。
• PMA 稳定了切换的非最小相位系统，包括埃普斯坦框架（Epstein frame），并在法国电气工程研讨会（2016）上获得实验验证。
• 在极限搜索模式下，PMA 收敛至一维凸函数 $ (x-30)^2 $ 的最小值，即使从远离最优值的初始条件出发也观察到收敛。
• 对于时变最小值，如 $ (x-30)^2 \to (x-40)^2 $ 在未知时间 $ t_1 $ 发生变化，PMA 能够自适应跟踪新最小值而无需重新初始化。
• PMA 实现了对非凸一维函数全局最小值的收敛，如 $ \min_{x,y} 10(1.5\cos(x) - x) + \exp(x-5) + 100 $，在约束 $ y \geq 15x - 60 $ 下，如图 38 所示。
• 该方法在多种非线性与切换系统中表现出鲁棒性，性能依赖于 $ y^* $、$ K_p $、$ K_i $、$ k_\alpha $ 和 $ k_\beta $ 的选择，尽管目前尚未建立最优调参的正式化方法。