具有可调预设时间性能的自适应容错输出反馈控制:通过中间变量故障估计应对双重故障

《Mathematics and Computers in Simulation》:Adaptive fault-tolerant output-feedback control with adjustable prescribed-time performance: Tackling dual faults via intermediate-variable fault estimation

【字体: 大 中 小 】 时间:2026年10月21日 来源:Mathematics and Computers in Simulation 4.0

编辑推荐:

   摘要 本文针对一类具有传感器故障和系统故障双重故障的不确定非线性系统,仅利用故障输出测量值,提出了鲁棒自适应输出反馈控制方案。在可调预设时间(PT)性能约束下,开发了基于观测器的容错控制方案,集成了自适应输出重构、中间变量故障估计器(IVFE)以及基于调谐函数的反步法。本文

  

摘要

本文针对一类具有传感器故障和系统故障双重故障的不确定非线性系统,仅利用故障输出测量值,提出了鲁棒自适应输出反馈控制方案。在可调预设时间(PT)性能约束下,开发了基于观测器的容错控制方案,集成了自适应输出重构、中间变量故障估计器(IVFE)以及基于调谐函数的反步法。本文构造了一种新颖的可调非奇异PT性能函数,用于生成具有正下界的n阶连续可微性能包络,从而避免了传统PT设计中遇到的奇点性和边界发散问题。为应对传感器故障,引入了基于投影的自适应律用于输出重构;同时设计了时变增益IVFE用于估计和补偿未知的系统故障。所设计的控制器无需模糊或神经网络逼近器。结果表明,PT性能约束得到保持,且所有闭环信号均为半全局一致最终有界(SGUUB)。仿真结果验证了所提方法的有效性。

引言

预设时间(PT)控制因其能够预先指定闭环系统的收敛时间而日益受到关注。Song等人[1]首先为正常型非线性系统发展了一种时变反馈策略,用于实现预设有限时间调节;Hua等人[2]进一步研究了不确定非线性系统的自适应PT控制。PT控制的最新进展综述于[3]中,针对随机非线性系统的PT输出反馈控制[4]以及在乘法测量噪声下的PT控制[5]分别进行了探讨。与此同时,预设性能控制提供了一种有效机制,用于约束瞬态和稳态跟踪误差。文献[6]中的鲁棒自适应预设性能控制、[7]中的预设性能跟踪控制以及[8]中的预定义时间容错一致性跟踪表明,性能约束在非线性系统中具有重要价值。然而,对于状态不可用且测量信号存在故障的不确定非线性系统,PT性能要求需要与状态观测、故障估计和自适应反步法相协调,这使得输出反馈设计难度显著增大。

尽管已报道了多种PT控制方法,但现有的一些设计仍然依赖于在预设时刻附近无界增长的时间变标度函数。例如,文献[9]研究了事件触发PT控制,[10]研究了未知控制增益和不匹配非参数不确定性下的PT控制,[11]研究了具有逆最优性的PT镇定。这些结果为后续研究提供了重要的理论基础,但在递归输出反馈设计中,奇点或快速增长的时间变项可能带来实现上的困难。为缓解此类问题,文献[12]针对双连杆机械臂研究了基于双重性能约束的PT容错跟踪控制,[13]发展了基于时域映射的自适应模糊编队控制,[14]研究了通过非线性动态事件触发策略实现分段光滑网络的预设时间同步。此外,全状态误差预设性能的均匀性在[15]中得到了分析。尽管如此,一些预设性能方法仍然依赖于初始可行性条件,这在自适应预设性能运动控制[16]、自适应神经网络预设性能控制[17]、柔性预设性能输出反馈控制[18]以及近似最优自适应预设性能控制[19]中均有体现。为消除初始条件限制,Liu等人[20]提出了一种基于有界映射、无需初始条件的预设约束跟踪控制方法。这些局限性促使我们构造一种具有n阶光滑性和正下界的可调非奇异PT性能函数。

当传感器故障和系统故障同时发生时,容错控制(FTC)变得更具挑战性。在本文所考虑系统中,测量输出被未知传感器故障所污染,其形式为$y_F = \rho(t)y$,而最后一级子系统受到系统故障信号$F(t)$的影响。因此,测量信号无法直接作为可靠反馈信息使用,系统故障也必须被估计并补偿。为减少故障导致的性能退化,故障诊断(FD)和故障估计(FE)技术已广泛被纳入FTC设计中。Kabore和Wang[21]研究了基于故障诊断滤波器的集成FE和FTC方案,Jiang等人[22]针对具有Lipschitz非线性的非线性系统提出了一种故障容错方法,Chen等人[23]利用自适应故障估计开发了具有死区的非线性系统容错控制方法。此外,Zhu等人[24]设计了一种无需观测器匹配条件的中间变量故障估计器,Zhang等人[25]研究了具有执行器故障的Takagi-Sugeno模糊系统的动态输出反馈FTC,Liu等人[26]考虑了基于模糊模型、针对同时传感器和执行器故障的FTC。最近,具有传感器失效和输入量化的自适应量化输出反馈FTC在[27]中进行了研究,分布式事件触发输出反馈编队FTC在[28]中进行了探讨,欺骗攻击下的自适应模糊有限时间弹性输出反馈控制在[29]中得到了考虑。然而,许多现有的FTC或FE方法分别针对执行器故障、传感器故障或攻击诱发的故障进行处理,而在PT性能约束下同时补偿传感器故障和系统故障的问题仍未得到充分解决。此外,基于逼近的方案(如模糊逻辑系统FLS和神经网络NN)可能引入逼近残差、额外的自适应参数以及相对繁重的在线计算负担。这一观察促使我们提出一种自适应输出重构机制,并结合时变增益中间变量故障估计器。

基于上述讨论,本文为受传感器故障、系统故障和参数不确定性影响的不确定非线性系统开发了一种自适应容错输出反馈控制方案。通过集成基于投影的输出重构、状态观测、配备可调下界二次衰减(TLBQD)时变增益的中间变量故障估计、可调非奇异PT性能约束以及基于调谐函数的自适应反步法,所提控制器保证所有闭环信号为SGUUB,同时保持预设的PT性能。

本文的主要贡献总结如下:

(1)为基于观测器的跟踪误差构造了一种可调非奇异PT性能函数。与涉及快速增长时变标度函数的PT设计[9]、[10]、[11]及相关性能约束方法[12]、[13]、[14]、[15]相比,所提函数是n阶连续可微的且具有严格正下界,从而避免了在预设时刻附近的爆炸行为和边界发散。此外,其分段结构引入了可调的过渡阶段,使得瞬态包络、过渡性能和稳态精度可以通过设计参数灵活调整。

(2)为具有传感器故障和系统故障的非线性系统开发了一种双故障容错输出反馈架构。与主要分别处理执行器故障、传感器故障或其补偿的现有FD、FE和FTC方法[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]、[29]不同,所提方案将基于投影的输出重构与TLBQD时变增益IVFE相结合,从而在统一框架内处理故障输出恢复、状态观测、系统故障补偿和PT性能执行。

(3)设计了一种基于调谐函数的自适应反步控制器,无需使用模糊逻辑系统(FLS)或神经网络(NN)。与基于逼近的输出反馈或模糊FTC方案[17]、[25]、[26]、[29]相比,所提设计避免了逼近残差并减少了在线自适应参数数量,同时确保跟踪误差、观测器误差、故障估计误差、传感器重构误差和参数估计误差的SGUUB性。

小节片段

系统描述与控制目标

考虑如下不确定非线性系统:

$$\begin{cases} \dot{\xi}_i = \xi_{i+1} + \eta_i(\bar{\xi}_i) + \psi_i^T(\bar{\xi}_i)\Theta, & 1 \leq i \leq n-1, \\ \dot{\xi}_n = u + \eta_n(\bar{\xi}_n) + \psi_n^T(\bar{\xi}_n)\Theta + F(t), \\ y = \xi_1, \\ y_F = \rho(t) y, \end{cases}$$

其中$\bar{\xi}_i = [\xi_1, \xi_2, \ldots, \xi_i]^T \in \mathbb{R}^i$和$\bar{\xi}_n = [\xi_1, \xi_2, \ldots, \xi_n]^T \in \mathbb{R}^n$为系统状态,$u \in \mathbb{R}$为控制输入,$y \in \mathbb{R}$为实际输出,$y_F \in \mathbb{R}$为受传感器故障污染的测量输出,$\Theta \in \mathbb{R}^m$为未知参数向量,$\eta_i(\cdot): \mathbb{R}^i \to \mathbb{R}$和$\psi_i(\cdot): \mathbb{R}^i \to \mathbb{R}^m$为已知的连续非线性函数,$F(t) \in \mathbb{R}$为故障信号。参考信号$y_r$及其直到某一阶的导数为……

主要结果

仿真示例

本节通过一个质量-弹簧-阻尼器示例来验证第3节中提出的具有时变增益IVFE和基于调谐函数的自适应律的输出反馈APT PC控制器。受近年来机器人机械系统固定时间控制研究的启发,如文献[32]中Franka机器人手臂的鲁棒非奇异固定时间滑模控制,本文采用经典的质量-弹簧-阻尼器系统作为具有代表性的二阶机械基准系统。

结论

针对具有传感器测量故障、系统故障信号和参数不确定性的不确定非线性系统,本文开发了一种自适应容错输出反馈控制方案。通过可调非奇异预设时间性能函数,基于观测器的反步控制器在指定时间后将跟踪误差保持在预设包络内,并避免了终端时刻附近的奇异行为。基于投影的输出重构和……

CRediT作者贡献声明

Dong-Xiang Gao:原创草稿撰写、软件、方法论。Li-Bing Wu:验证、资金获取、形式分析。Yu-Jun Zhang:审阅与编辑、资源、方法论。Wen-Hua Cui:监督、资源。

资助

本研究由国家自然科学基金(批准号62441309)、辽宁省科学技术厅联合基金计划(批准号2025-MSLH-349)、辽宁省高校基本科研业务费(批准号LJ212410146024)、辽宁省科学技术计划联合项目中的重点研发项目(批准号2025JH2/101800090)以及辽宁省重点实验室开放项目资助。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系,这些关系可能对本研究产生影响。

Dong-Xiang Gao | Li-Bing Wu | Yu-Jun Zhang | Wen-Hua Cui
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号