[论文解读] Adaptive Kalman Filtering with Exact Linearization and Decoupling Control on Three-Tank Process

Bambang Lelono Widjiantoro, Katherin Indriawati+1 more|arXiv (Cornell University)|Apr 9, 2023

Fault Detection and Control Systems被引用 4

一句话总结

该论文提出了一种自适应扩展卡尔曼滤波（AKF）框架，结合精确线性化与解耦控制，用于三罐液压系统，以在非线性动力学条件下提升参考信号跟踪性能与状态估计精度。通过应用精确线性化实现多输入多输出（MIMO）系统的解耦，并在卡尔曼滤波中采用自适应过程噪声协方差矩阵，该方法实现了对动态参考信号的精确跟踪以及对真实水箱液位的高精度估计，误差极小。

ABSTRACT

Water treatment and liquid storage are the two plants implementing the hydraulic three-tank system. Maintaining certain levels is the critical scenario so that the systems run as desired. To deal with, the optimal linear control and the complex advanced non-linear problem have been proposed to track certain dynamic reference. This paper studies those two using the combination of linearization and decoupling control under some assumptions. The result shows that the designed methods have successfully traced the dynamic reference signals. Beyond that, the adaptive system noise Kalman filter (AKF) algorithm is used to examine the estimation performance of the true non-linear system and the performance yields a rewarding prediction of the true system.

研究动机与目标

• 解决三罐液压系统中非线性、强耦合动力学带来的精确液位控制挑战。
• 在系统不确定性与随机噪声存在的情况下，提升状态估计的准确性。
• 设计一种解耦控制律，即使存在交叉耦合效应，也能实现对每个水箱液位的独立控制。
• 实现一种具有动态更新过程噪声协方差的自适应卡尔曼滤波器（AKF），以增强估计性能。
• 通过仿真与对比分析，验证集成控制与估计框架的有效性。

提出的方法

• 通过反馈控制实施精确线性化，将非线性三罐系统转化为线性、解耦形式。
• 利用李导数设计解耦控制律，通过消除交叉耦合效应，实现对水箱液位（h₁ 和 h₂）的独立控制。
• 建立状态空间模型，状态向量为 x = [h₁, h₂, h₃]ᵀ，并应用反馈线性化以实现线性化输入-输出行为。
• 实现一种具有时变 Q 矩阵的自适应卡尔曼滤波器（AKF），以在过程噪声未知或变化时估计系统状态。
• 初始估计值为：x₀ = [0.9, 0.55, 0.5]ᵀ，P₀ = 10×I₃，R₀ = 25，Q₀ = 10⁻¹²×I₃，通过自适应更新 Q 矩阵以提升估计鲁棒性。
• 将 AKF 应用于从噪声传感器测量中估计真实水箱液位（y），随时间最小化估计误差。

Figure 1 : Three-tank hydraulic dynamical-system

实验结果

研究问题

• RQ1 精确线性化与解耦控制是否能有效管理三罐系统的非线性、强耦合动力学，从而提升参考信号跟踪性能？
• RQ2 在存在未知扰动的非线性系统中，卡尔曼滤波器中自适应系统噪声协方差（Q）如何提升估计精度？
• RQ3 与标准扩展卡尔曼滤波器（EKF）相比，所提出的 AKF 在实时、动态液压系统中能将估计误差降低多少？
• RQ4 解耦控制律是否能在动态参考信号变化及罐间相互作用下，确保对每个水箱液位的独立控制？
• RQ5 在不同动态参考输入下，集成控制与估计框架的性能表现如何？

主要发现

• 解耦线性控制律成功实现了对水箱1和水箱2的动态阶跃参考信号的跟踪，交叉耦合效应极小。
• 采用精确线性化与解耦控制的非线性控制系统，在无显著通道间干扰的情况下，实现了对两个参考信号的稳定、独立跟踪。
• 自适应卡尔曼滤波器（AKF）表现出高估计精度，所有三个水箱的估计误差（êᵢ）始终低于 0.02 m。
• AKF 的估计性能（见图8）显示，估计输出（ŷᵢ）与真实系统输出（yᵢ）近乎完全对齐，表明其对噪声与不确定性具有强鲁棒性。
• 系统实现了跟踪性能指数 λ = [0.92, 0.97, 0.90, 0.95, 0.94]，表明在动态参考信号变化下具有良好的收敛性与稳定性。
• 采用自适应 Q 矩阵显著提升了估计精度，相较于固定噪声的 EKF，尤其在处理未建模动态与测量噪声方面表现更优。

Figure 2 : (a) The dynamic model representation taking into account the global operating points; (b) The linearized model representation considering the operating point $(u_{0},y_{0})$ ; (c) The basic nominal tracking control concept working around the operating point $(u_{0},y_{0})$