[论文解读] The Rationale for Second Level Adaptation

Kumpati S. Narendra, Yu Wang+1 more|arXiv (Cornell University)|Oct 16, 2015

Stability and Controllability of Differential Equations参考文献 5被引用 9

一句话总结

本文提出二级自适应（second level adaptation），一种新颖的自适应控制方法，通过使用多个模型（固定或自适应）来估计未知被控对象参数向量 θₚ 的替代参数化 α。借助凸包性质与 α 的线性估计，该方法相较于传统的一级自适应控制，在大参数不确定性或参数快速时变条件下实现了更快的收敛速度与更强的鲁棒性。

ABSTRACT

Recently, a new approach to the adaptive control of linear time-invariant plants with unknown parameters (referred to as second level adaptation), was introduced by Han and Narendra in [1]. Based on $N (\geq m+1)$ fixed or adaptive models of the plant, where $m$ is the dimension of the unknown parameter vector, an unknown parameter vector $α\in R^{N}$ is estimated in the new approach, and in turn, is used to control the overall system. Simulation studies were presented in [1] to demonstrate that the new method is significantly better than those that are currently in use. In this paper, we undertake a more detailed examination of the theoretical and practical advantages claimed for the new method. In particular, the need for many models, the proof of stability, and the improvement in performance and robustness are explored in depth both theoretically and experimentally.

研究动机与目标

• 解决一级自适应控制在处理大参数不确定性与快速时变参数时的局限性。
• 研究二级自适应相较于传统自适应控制方法的理论与实际优势。
• 考察当控制基于估计的 α 而非真实参数向量时，整个系统的稳定性。
• 评估模型数量、模型类型（固定与自适应）以及模型位置对性能与鲁棒性的影响。
• 为二级自适应在动态与不确定环境中的性能提升提供理论基础与实证验证。

提出的方法

• 使用 (m+1) 个自适应或固定模型，其中 m 为未知参数向量 θₚ 的维数，以估计被控对象参数。
• 利用凸包性质：若 θₚ 位于初始模型参数 θᵢ(t₀) 的凸包内，则 θₚ 将始终位于模型估计值 θᵢ(t) 的凸包内。
• 估计权重向量 α ∈ ℝ^(m+1)，满足 ∑αᵢ = 1 且 0 ≤ αᵢ ≤ 1，使得 ∑αᵢθᵢ(t) = θₚ，基于可测量的辨识误差 eᵢ(t)。
• 通过代数方法或微分方程估计 α̂(t)，利用当模型为固定时 ∑αᵢeᵢ(t) ≡ 0 的条件。
• 利用估计的 α̂(t) 计算控制输入，从而以线性方式参数化被控对象。
• 战略性地结合固定与自适应模型，以在时变环境中平衡收敛速度与鲁棒性。

实验结果

研究问题

• RQ1 在何种条件下，二级自适应在收敛速度与鲁棒性方面优于一级自适应控制？
• RQ2 为何当控制基于估计的 α̂(t) 而非真实 α 时，整个系统仍保持稳定？
• RQ3 增加模型数量如何影响性能与鲁棒性？为获得最大效益，应将额外模型置于何处？
• RQ4 在二级自适应中，使用固定模型与自适应模型的相对优势为何？
• RQ5 在输入/输出干扰、时变参数及未建模动态条件下，二级自适应的表现如何？

主要发现

• 二级自适应在大参数不确定性或参数快速时变条件下，相较于一级自适应控制，实现了显著更快的收敛速度。
• 在正弦波与方波形式时变参数的仿真中，二级自适应在输出跟踪性能方面优于一级方法。
• 该方法对测量噪声更具鲁棒性，因为噪声导致的 α̂(t) 估计误差为零均值，从而降低了整体系统误差。
• 当参数快速变化时（例如通过方波发生突变），二级自适应相比一级自适应保持了更高的跟踪精度。
• 在时变环境中使用固定模型可防止自适应模型收敛至单一位置，从而保持多样性，提升长期性能。
• 理论分析证实，即使控制基于估计的 α̂(t)，系统仍保持稳定，原因在于对 α 的线性估计以及参数空间的凸性性质。