基于对称性的带约束几何控制

《Communications in Nonlinear Science and Numerical Simulation》:Geometric control with constraints based on symmetries

【字体: 大 中 小 】 时间:2026年10月22日 来源:Communications in Nonlinear Science and Numerical Simulation 3.8

编辑推荐:

   摘要 本文研究非完整系统的几何控制问题,重点关注垂直滚动圆盘。我们运用幂零近似来探讨最优控制问题,并利用相容几何结构的对称性来扩展解空间。我们引入附加约束并采用迭代过程来寻找具有足够精度的轨迹。 引言 几何控制理论结合了几何与数学分析的工具,以寻找控制各类系统的实用方法

  

摘要

本文研究非完整系统的几何控制问题,重点关注垂直滚动圆盘。我们运用幂零近似来探讨最优控制问题,并利用相容几何结构的对称性来扩展解空间。我们引入附加约束并采用迭代过程来寻找具有足够精度的轨迹。

引言

几何控制理论结合了几何与数学分析的工具,以寻找控制各类系统的实用方法 [1], [2]。本文研究非完整机构的控制,重点研究垂直滚动圆盘 [3], [4]。我们的目标是展示如何利用对称性来开发某些局部控制 [5], [6]。需要注意的是,在实践上,我们在此以垂直滚动圆盘的控制为例说明这些思想;然而,这些技术和代码可以直接修改用于其他非完整系统 [7], [8], [9]。

非完整机构带有限制其在配置空间中可接受运动的条件 [10], [11]。对于轮式机构 [12], [13],通常采用不打滑和不扭转条件。然而,即使对于圆盘的情况,这些条件也会为(最优)轨迹产生椭圆方程。在应用中,这些控制问题通常通过切换到幂零近似来解决 [14], [15]。然后我们可以使用庞特里亚金极大值原理来显式地找出某类可接受曲线 [1][第3.4节]。注意在许多工程应用中,这些曲线关于某个度量的最优性并非必要,人们往往只需要某种控制 [16]。因此,我们的目标是扩展这类可接受曲线,从而实现对机构的更有效控制。

幂零近似的一个重要特征是它们通常带有各种具有许多对称性的几何结构。然后,借助这些对称性,我们可以将可接受曲线的类扩展到一个更大的类 [6]。要在两点之间找到该类中的一条曲线,通常必须求解一个方程组,而该方程组可能是不确定的。因此,我们可能需要附加约束来获得唯一解 [17]。另一方面,这些约束可能会影响解的存在性。这进一步引发了关于如何从起点找到一条通往邻域的(唯一)曲线的讨论;对于各种对称性和机构,这需要逐一处理。我们的方法如下:

1. 我们找出特定机构的控制向量场和可控性李代数 [11]。我们在正则点处计算可控性李代数的幂零近似 [18]。
2. 借助庞特里亚金极大值原理,我们在幂零近似上求解控制系统 [1]。该系统的最优曲线构成初始的可接受曲线集合。
3. 我们在控制分布上选择一个附加几何结构并找到其对称性 [5]。我们通过应用这些对称性来扩展初始曲线集合。
4. 在这个扩展的类中,我们找出原点与选定目标点之间的唯一曲线和相应的控制函数,同时遵守附加约束。
5. 我们使用这些幂零系统的控制函数来控制原始系统。
6. 根据所需精度,我们迭代前述步骤。

让我们指出,幂零近似在控制理论中的应用已在著作 [14] 中确立,并在机器人技术和控制理论中成为趋势。对称性的额外使用是一个非常近期的思想,代表了该领域的新方法。与经典概念相比,对称性的使用提供了一种强大的工具,可以扩展控制系统的可接受曲线族,从而扩展相应机构的轨迹。这种方法提高了控制系统本身的鲁棒性。主要限制是轨迹不再关于子黎曼结构最优。然而,这种最优性在应用中肯定不是关键性质;恰恰相反:它通常无关紧要,因为人们感兴趣的是某些轨迹,而庞特里亚金极大值原理仅用于找到它们的一个族。根据所选几何结构,其对称性也可能保持机构的某些固有性质。例如,对于圆盘的情况,拉格朗日接触结构保持速度在角分量和平面分量之间的分解。该对称性以不同的标度单独地重新标度每个分量。我们的方法允许系统性地利用对称性来研究非完整机构的控制。

我们以最简单的平面机构——垂直滚动圆盘——作为模型示例来展示我们的方法。在第1节中,我们描述该机构并找到控制场 (1)。我们描述幂零近似 (3) 并写出相应的控制系统 (2)。我们找到该控制系统的最优轨迹 (6)。在幂零近似上,我们考虑拉格朗日接触结构 [19][第4.2.3节],并在第3节中找到其对称性。我们通过对所选对称性 (16) 的作用来扩展可接受曲线 (6) 的类。作为附加约束(定理6),我们应用目标点是幂零近似中接触点第一个尖点的条件。我们在第2节中研究尖点。我们确定控制函数 (21),并将这些控制应用到原始系统 (2) 上。使用迭代过程,我们可以控制以何种精度到达目标点。我们在第4节中讨论该方法的示例和应用。我们在第6节中提供代码,并在 GitHub 仓库 https://github.com/jaroslavhrdina/DiscControl 上提供在线代码。该代码是为垂直圆盘及其近似编写的,只需更改输入即可修改用于其他平面机构。

1. 局部控制问题与许可曲线

我们从垂直滚动圆盘的经典问题开始 [4], [20]。我们遵循 [3] 的概念和符号。垂直滚动圆盘的配置空间由坐标 x, y 参数化,描述接触点 P0=[x,y]∈R2,以及 θ∈S1 描述圆盘的朝向(图1)。

下载:下载高分辨率图像(59KB)下载:下载全尺寸图像
图1. 由接触点 P0=[x,y]∈R2 和朝向 θ∈S1 参数化的垂直滚动圆盘。

可接受运动受圆盘不能朝垂直于圆盘方向移动的条件的限制。可能的方向则是向量场
(1) X?=?θ, X?=cosθ ?x + sinθ ?y
的组合,其中符号 ? 表示偏导数。此处,X? 对应于原地转动,X? 对应于向前滚动运动。因此,在 R3 中局部带有坐标 [x, y, θ] 的情况下,我们寻找几乎处处切于由 X? 和 X? 生成的二维分布的曲线。我们计算
X?=[X?,X?]=-sinθ ?x + cosθ ?y
。
由于 [X?,X?]=X? 和 [X?,X?]=-X? 是仅有的非零李括号,这些向量场构成李代数 so(2,R)⊕R2。特别地,X? 不包含在 X?, X? 的张成空间中,(局部)控制问题是可控的,并且这样的曲线存在 [18][定理2.4]。事实上,它可以被视为李群上的控制问题 [21]。

引入左不变子黎曼度量,通过声明向量场 X? 和 X? 正交归一,我们将(局部)最优控制问题表述如下。我们寻找曲线 c(t) 和控制函数 u?(t), u?(t) 使得
(2) ?=u?[0 0 1] + u?[cosθ sinθ 0]
边界条件为 c(0)=0 和 c(T)=C(对于给定点 C∈R3),并且我们最小化曲线的能量 ?∫??(u?2+u?2)dt,而非其长度。这是李群上的左不变(最优)控制问题,因此我们利用相应哈密顿量的不变性,在适当坐标中写出系统。遵循例如 Agrachev 等人 [1][第7.6节] 或 Hrdina 等人 [3],我们得到控制量和曲线是如下常微分方程组的解:
ü?=-u?u? ?=u?cosθ
ü?=u?u? ?=u?sinθ
ü?=-u?u? θ?=u?
该系统不易求解;解的表述只能用椭圆函数的语言描述 [1][第13.8节]。此外,原始系统给出李群上的系统(此处圆盘的 SE(2))是特殊情况。对于一般的平面机构,人们只得到一个棘手且没有自然群结构的系统,没有明显的对称约化等。

出于实用目的,我们切换到该系统的幂零近似 [18]。对于圆盘,简单地将函数 sin(θ) 和 cos(θ) 替换为一阶 Maclaurin 多项式。这恰好导致应用中所用的替换 sin(θ)~θ 和 cos(θ)~1 [22]。在我们的情况下,所得的向量场恰好对应于 Bella?che 算法下的幂零近似 [18], [23];细节也解释于 [3][命题3.1]。

因此,让我们专注于由该近似确定的控制问题 [24]。局部在 R3 中带有坐标 [x, y, θ] 的情况下,我们寻找几乎处处切于由
(3) n?=?θ, n?=?x + θ?y
生成的二维分布的曲线。李括号 n?=[n?,n?] 是唯一的非平凡括号,其形式为 n?=?y,即不包含在分布中。同样,根据 [18][定理2.4],问题是可控的,这样的曲线存在。让我们强调,我们恰好得到三维的 Heisenberg 李代数 [25], [26], [27]。

为了找到这样曲线的一个合理族,我们通过考虑由子黎曼度量给出的子黎曼距离来引入(局部)最优控制问题
(4) r:=dx2 + dθ2
该度量 r 对应于向量场 n? 和 n? 的正交归一性。我们寻找曲线 c(t) 和控制函数 u?(t), u?(t) 使得
?=u?[0 0 1] + u?[1 θ 0]
边界条件为 c(0)=0 和 c(T)=C(对于给定点 C∈R3),其中我们最小化曲线的能量 ?∫??(u?2+u?2)dt。

我们使用的方法基于原始系统的幂零近似。我们使用 Bella?che 算法构造李代数的幂零近似,因此我们总是得到李群上的左不变控制问题。对应哈密顿量常微分方程组有统一的写法 [1][命题7.65]。基础系统形式为 ?(t)=∑?u?(t)n?(c(t)),其中向量场 n? 生成(作为向量空间)控制分布;因此系统仅描述曲线 c 的可接受性。现在让我们固定由 n? 生成的幂零李代数的一组基和其对偶基的坐标 u?。我们考虑哈密顿量 H=?∑?u?2(对于与 n? 对应的 u?)。相位系统形式为 u??={H,u?}(对于李-泊松括号),这反映了李群上的李括号。由于我们讨论的是正规哈密顿量,函数 u? 恰好是正规系统的控制量,因此记号是有意义的。

对于圆盘的情况,常微分方程组如下,另见 [3][第2.2节] 以获细节
ü?=-u?u? ?=u?
ü?=u?u? ?=u?θ
ü?=0 θ?=u?
该系统可以直接求解,我们采用(部分)初始条件 c(t)=[x(t),y(t), θ(t)]=[0,0,0]。为了只考虑可区分的路径,我们限制在弧长参数化的曲线上,即满足 u?2+u?2=1 的曲线 [1][第7.7节]。如果 u?(t)≠0,则我们记 u?(t)=Y≠0,并计算
(5) u?(t)=sin(Yt+X), u?(t)=-cos(Yt+X), u?(t)=Y
(对于参数 X, Y),然后
(6) x(t)=1/Y(sin(X)-sin(X+Yt))
y(t)=1/(4Y2)(sin(2Yt+2X)+2Yt-2sin(Yt+2X)-2sin(Yt)+sin(2X))
θ(t)=1/Y(cos(X)-cos(X+Yt))
u?=0 情况的解恰好是上述解在 Y→0 时的极限。为了解答曲线示例,让我们在此给出曲线示例以及在平面 xθ 和 xy 上的投影,见如图2;此处 X=π/2, Y=1(蓝色),X=π/6, Y=3/2(绿色),X=5π/4, Y=-2(红色)。

下载:下载高分辨率图像(256KB)下载:下载全尺寸图像
图2. 解答曲线 (6) 的示例及其在平面 xθ 和 xy 上的投影,参数为 X=π/2, Y=1(蓝色),X=π/6, Y=3/2(绿色),X=5π/4, Y=-2(红色)。

解为投影到平面 xθ 中圆的螺旋线,并在 y 方向上增长,可以猜测这样的曲线在完成整个圆之后不再最优。注意根据一般理论,曲线 (6) 在达到时间 t_cut=2π/Y(此时到达点 [0, π/Y2, 0])之前是最优的 [1][第8.10节] 和 [28]。此外,我们看到在投影到平面 xy 中,总是存在一个尖点,甚至在曲线失去最优性之前。将模型曲线视为平面机构的轨迹,这些是我们在应用中通常想要避免的点类型 [29]。因此,我们只想跟随轨迹到这样的点为止,并且不想要越过该点。

2.

# 约束条件与尖点

下面,我们将曲线 (6) 上尖点的定义形式化如下。

**定义 1** 若曲线上某点 $c(t)$ 处两个一阶导数 $\dot{x}(t)$ 和 $\dot{y}(t)$ 均消失,且至少一个二阶导数 $\ddot{x}(t)$ 或 $\ddot{y}(t)$ 非零,则称该点为尖点。

尽管我们主要关注正方向(即 $t > 0$)上的第一个这样的点,但我们仍可描述曲线 (6) 的所有尖点。

**引理 2** 曲线 (6) 的尖点出现在时刻
$$(7)\quad t_Z = \frac{1}{2Y}\left((2Z+1)\pi - 2X\right),\quad Z \in \mathbb{Z},$$
对应的点 $c(t_Z) = [x(t_Z), y(t_Z), \theta(t_Z)]$ 取如下形式:
$$(8)\quad x(t_Z) = \frac{1}{Y}(\sin X - (-1)^Z)$$
$$y(t_Z) = \frac{1}{4Y^2}\left((2Z+1)\pi - 2X - 2\cos(\pi Z + X) - 2\cos(-\pi Z + X) + \sin 2X\right)$$
$$\theta(t_Z) = \frac{1}{Y}\cos X.$$

**证明** 条件 $\dot{x}(t) = 0$ 和 $\dot{y}(t) = 0$ 给出关于单变量 $t$ 的方程组:
$$-\cos(Yt + X) = 0$$
$$-\frac{1}{2Y}(\cos(Yt + 2X) - \cos(2Yt + 2X) + \cos Yt - 1) = 0$$

第一个方程的根为
$$Yt + X = \frac{\pi}{2} + Z\pi, \quad Z \in \mathbb{Z},$$
即
$$t = \frac{1}{2Y}(\pi - 2X + 2Z\pi), \quad Z \in \mathbb{Z},$$
这正是时刻 (7)。容易验证(利用一些三角恒等式),在 $t = t_Z$ 处第二个方程自动成立。在这些时刻,$\ddot{x}(t_Z) = Y\sin(\frac{\pi}{2} + Z\pi) = (-1)^Z Y$ 恒不为零,因为 $Y \neq 0$。因此,对应的点 $c(t_Z) = [x(t_Z), y(t_Z), \theta(t_Z)]$ 是尖点,将 $t_Z$ 直接代入 (6) 即可得到坐标 (8)。

我们关注曲线上正方向的第一个尖点。然而,给出第一个正方向尖点的 $Z$ 值取决于 $X, Y$。所有曲线由 $X \bmod 2\pi$ 和 $Y \neq 0$ 参数化;因此参数空间构成一个圆柱面,不含零截面。处理第一个尖点的最简单方式是用若干集合覆盖圆柱面,在每个集合中 $Z$ 取相同的值。我们选择以下四个集合进行覆盖,并得到对应的参数 $Z$ 和第一个尖点:

(i) $Y < 0$,$\frac{\pi}{2} < X \leq \frac{3\pi}{2}$ $\Longrightarrow$ $Z = 0$,$t_{\text{cus}} = \frac{\pi - 2X}{2Y}$

(ii) $Y < 0$,$\frac{3\pi}{2} < X \leq \frac{5\pi}{2}$ $\Longrightarrow$ $Z = 1$,$t_{\text{cus}} = \frac{3\pi - 2X}{2Y}$

(iii) $Y > 0$,$\frac{\pi}{2} \leq X < \frac{3\pi}{2}$ $\Longrightarrow$ $Z = 1$,$t_{\text{cus}} = \frac{3\pi - 2X}{2Y}$

(iv) $Y > 0$,$\frac{3\pi}{2} \leq X < \frac{5\pi}{2}$ $\Longrightarrow$ $Z = 2$,$t_{\text{cus}} = \frac{5\pi - 2X}{2Y}$

需要强调的是,$X$ 取值范围中的(严格)不等号对于正确描述第一个尖点是至关重要的。

我们首先将范围限制在族 (i) 中的曲线。考虑一个映射,将(由 $X, Y$ 给出的)曲线映射到该曲线上正方向的第一个尖点。仅限制在 $x, y$ 坐标上,我们得到映射
$$(9)\quad F: [X, Y] \mapsto \left[\frac{1}{Y}(-1 + \sin X),\ \frac{1}{4Y^2}(\pi - 2X - 4\cos X + \sin 2X)\right]$$
定义在区域 $Y < 0$,$\frac{\pi}{2} < X \leq \frac{3\pi}{2}$ 上。一个自然的问题是此映射的值域。特别是,我们将证明其值域覆盖第一象限 $x > 0$,$y > 0$。

**命题 3** 对任意 $x > 0$,$y > 0$,存在且仅存在一对 $[X, Y]$,满足 $\frac{\pi}{2} < X \leq \frac{3\pi}{2}$,$Y < 0$,使得 $F(X, Y) = [x, y]$。对于每这样的 $[x, y]$,存在唯一一条 (i) 型的曲线 (6),使得其在正方向的第一个尖点的前两个坐标为 $[x, y]$。

该曲线由 $X \in (\frac{\pi}{2}, \frac{3\pi}{2}]$ 确定,它是方程的唯一解:
$$(10)\quad \frac{x^2(\pi - 2X - 4\cos X + \sin 2X)}{4(\sin X - 1)^2} = y$$
以及 $Y = \frac{\sin X - 1}{x}$。

**证明** 设 $x > 0$,$y > 0$ 为任意值,我们证明存在一对 $[X, Y]$。从 (9) 的第一个分量及条件 $F(X, Y) = [x, y]$ 中解出:
$$Y = \frac{\sin X - 1}{x}$$
注意到由于 $x > 0$ 且 $\sin X < 1$(在 $(\frac{\pi}{2}, \frac{3\pi}{2}]$ 上),故 $Y$ 为负值。将 $Y$ 代入 $F$ 的第二个分量,恰好得到 (10)。然后我们定义函数 $G$ 如下:
$$(11)\quad G(X) := \frac{\pi - 2X - 4\cos X + \sin 2X}{(\sin X - 1)^2} = \frac{4y}{x^2}$$

函数 $G$ 将其定义域 $(\frac{\pi}{2}, \frac{3\pi}{2}]$ 连续地映射到包含 $[-\frac{\pi}{2}, +\infty)$ 的区间上。事实上,容易看出 $G(\frac{3\pi}{2}) = -\frac{\pi}{2}$,并且(利用洛必达法则三次):
$$\lim_{X \to \frac{\pi}{2}^+} G(X) = \lim_{X \to \frac{\pi}{2}^+} \frac{\pi - 2X - 4\cos X + \sin 2X}{(\sin X - 1)^2} = \frac{0}{0}$$
$$= \lim_{X \to \frac{\pi}{2}^+} \frac{-2 + 4\sin X + 2\cos 2X}{2(\sin X - 1)\cos X} = \frac{0}{0}$$
$$= \lim_{X \to \frac{\pi}{2}^+} \frac{4\cos X - 4\sin 2X}{2\cos^2 X - 2(\sin X - 1)\sin X} = \frac{0}{0}$$
$$= \lim_{X \to \frac{\pi}{2}^+} \frac{-4\sin X - 8\cos 2X}{2\cos X(1 - 4\sin X)} = \frac{4}{0^+} = +\infty.$$

此外,$G$ 的图像表明该函数在所讨论的域上是递减的,见图 3。

![图 3. 函数 $G$ 在区间 $(\frac{\pi}{2}, \frac{3\pi}{2}]$ 上的图像](高清晰度图片,39KB)

为证明这一单调性,注意到 (12) 式中 $G'(X)$ 的公分母——以简化形式表示的函数
$$G_n(X) = 8(1 - \sin X) + (4X - 2\pi)\cos X$$
为正。这可由 $G_n(\frac{\pi}{2}) = G_n'(\frac{\pi}{2}) = 0$ 以及 $G_n$ 在 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上为凸函数这一观察得出;由导数
$$G_n'(X) = -4\cos X - (4X - 2\pi)\sin X$$
$$G_n''(X) = -(4X - 2\pi)\cos X$$
可以很容易看出,后者在 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上显然为正。

(12) 式的公分母 $(\sin X - 1)^3$ 在 $(\frac{\pi}{2}, \frac{3\pi}{2}]$ 上显然为负,因此
$$G'(X) < 0 \quad \text{在} \ (\frac{\pi}{2}, \frac{3\pi}{2}] \ \text{上。}$$

因此,函数 $G$ 的值域为 $[-\frac{\pi}{2}, +\infty)$,方程 (11) 在 $X \in (\frac{\pi}{2}, \frac{3\pi}{2}]$ 上恰有一个根,从而也有唯一的 $Y < 0$ 使得 $F[X, Y] = [x, y]$。

为更清晰地说明证明,我们在图 4(a) 中展示了族 (i) 中固定 $x$(取 $x = 1$)时投影到 $xy$ 平面上的曲线族。还可以从证明中看出,事实上对任意 $x > 0$,$y$ 的下边界由曲线 $-\frac{\pi}{2} = \frac{4y}{x^2}$ 给出,即
$$y = -\frac{1}{8\pi x^2}.$$

在图 4(b) 中,我们给出了 (i) 族中 $Y = -1.2$、$Y = -1$ 和 $Y = -0.8$ 时三条曲线族到其尖点的示例,并附有抛物线。可以看出抛物线确实与边界曲线在尖点处相交。我们还强调,通过选择合适的坐标系,我们总可以将目标点置于固定的象限中。因此,以第一象限作为模型象限来研究是足够的。然而,如有兴趣,可以使用类似的方法证明其余三种情形恰好覆盖剩余三个象限(略有重叠)。在图 4(c) 中,我们给出了固定 $x = \pm 1$ 时曲线族投影到 $xy$ 平面上的示例;其中 (i) 为蓝色,(iii) 为红色(均为 $x = 1$),(ii) 为棕色,(iv) 为绿色(均为 $x = -1$)。注意我们永远无法到达 $y$ 轴,即 $x = 0$ 的点。

![图 4. 命题 3 中曲线性质的图示](高清晰度图片,919KB)

无论如何,由于第三个坐标 $\theta$ 由 $X$ 和 $Y$ 唯一确定,我们永远无法获得一个卦限中的所有点。固定 $X$ 和 $Y$(即固定一条曲线及其尖点)可以唯一确定 $\mathbb{R}^3$ 中的一个点。固定第一象限中的一个点也可以唯一给出对应的 $X$ 和 $Y$。

尽管由 (11) 得到的方程较为复杂,我们至少可以数值求解 $X$。我们使用 CAS Maple 及其 `fsolve` 命令进行数值求解。Maple 使用混合 Brent 方法,该方法结合了二分法、割线法和反二次插值法,并在每次迭代时自动选择最安全且最快的步骤。注意,命令 `printlevel := m` 可以给出所用方法的更多细节。得到 $X$ 后,我们直接将 $X$ 代入 $Y$ 的公式中求得 $Y$。

**例 4** 考虑点 $[x, y] = [1, 2]$。则求解 $\frac{\sin X - 1}{Y} = 1$ 得 $Y = \sin X - 1$,代入 (11) 得方程
$$\frac{\pi - 2X - 4\cos X + \sin 2X}{(\sin X - 1)^2} = 8.$$
求得 $X = 1.897580252$,然后 $Y = -0.0529204042$。这唯一确定了一条曲线 $c(t) = [x(t), y(t), \theta(t)]$,其中
$$x(t) = -18.89630314\sin(0.0529204042t - 1.897580252) - 17.89630314$$
$$y(t) = -89.26756808\sin(0.1058408084t - 3.795160504) - 9.448151570t + 178.5351362\sin(0.0529204042t - 3.795160504) + 178.5351362\sin(0.0529204042t) - 54.27672167$$
$$\theta(t) = 18.89630314\cos(0.0529204042t - 1.897580252) + 6.065690914$$
其正方向的第一个尖点为 $[1, 2, 6.065690914]$,出现在时刻 $t_{\text{cus}} = 6.17500811$。在图 5 中,我们给出了解曲线 $c(t)$ 及其在 $xy$ 平面上的投影。

![图 5. 例 4 中的解曲线 $c(t)$,$t \in (0, t_{\text{cus}} + 2)$,$xy$ 平面上的尖点为 $[1, 2]$;坐标 $\theta$ 由目标点确定](高清晰度图片,169KB)

## 3. 对称性的作用

下面,我们展示如何利用控制分布的对称性来找到更大的可容许曲线族。特别地,对称性使我们能够控制第三个坐标 $\theta$。

**定义 5** 记 $D$ 为控制分布。控制分布的一个无穷小对称性是一个向量场 $\xi$,使得 $\mathcal{L}_\xi(D) \subset D$,其中 $\mathcal{L}$ 表示李导数 [19][第 1.2.9 节]。则 $\xi$ 的流是 $D$ 的一个单参数对称族。

注意分布的对称性一般构成一个无穷维代数,因此系统地处理它们可能很困难。然而,我们可以通过在分布 $D$ 上选择某种几何结构来减少对称性的数量 [3], [5], [6]。

第一个想法是使用控制系统的对称性,即保持控制分布和子黎曼度量不变的配置空间变换,从而也保持距离不变 [5]。然而,这些对称性随后也保持曲线族 (6) 不变,因此不会给出任何新结果。事实上,直接计算表明,对称性是向量场流的复合,只有 $t_0$ 保持曲线的起点 $c(t) = [0, 0, 0]$。求解相应的常微分方程,我们得到保持原点的一个单参数对称族:
$$x \mapsto \theta\sin s + x\cos s$$
$$y \mapsto \frac{1}{4}(\theta^2 - x^2)\sin 2s + \frac{1}{2}\theta x\cos 2s - \frac{1}{2}\theta x + y$$
$$\theta \mapsto \theta\cos s - x\sin s$$
它将 $X, Y$ 给出的曲线 (6) 映射到形状相同、由 $X + s, Y$ 给出的曲线。所有对称性的描述见 [3][第 5.1 节]。

因此,我们需要更弱的对称性。总之,我们无法改变控制分布,但可以通过考虑更大的控制度量族来改变曲线的最优性。将度量 $r$(来自 (4))仅考虑其在正函数的倍数意义下,我们额外得到一个单参数伸缩族:
$$f_4: x \mapsto e^s x,\quad y \mapsto e^{2s} y,\quad \theta \mapsto e^s \theta$$
作为向量场 $\ldots$ 的流。其对方度的作用形式为 $f_4^*(r) \to e^{2s} r$。特别地,该对称性将 (i) 型曲线 (6) 的尖点
$$(13)\quad c(t_{\text{cus}}) = \left[\frac{-1 + \sin X}{Y},\ \frac{\pi - 2X - 4\cos X + \sin 2X}{4Y^2},\ \frac{\cos X}{Y}\right]$$
映射到点
$$(14)\quad f_4(c(t_{\text{cus}})) = \left[\frac{(-1 + \sin X)e^s}{Y},\ \frac{(\pi - 2X - 4\cos X + \sin 2X)e^{2s}}{4Y^2},\ \frac{\cos X \cdot e^s}{Y}\right].$$

这意味着,尽管该对称性对整条曲线的作用是平凡的且保持原点不变,但因子 $e^s$ 仅在尖点处对 $Y$ 进行了重标度。

我们需要更多的对称性,我们选择那些保持控制分布被 $n_1$ 和 $n_2$ 张成的空间分解的对称性。注意 $n_1$ 和 $n_2$ 分别代表角速度和平面速度,选择($n_1$ 和 $n_2$ 的)倍数则决定了两种速度的单位选择。可以讨论 [3][第 5.4 节] 得知对称性可以表示为向量场 $t_1, t_2, t_3, t_4$ 的流,直接计算表明 $t_5$ 的流给出优美的变换;求解相应的常微分方程得到一个单参数对称族:
$$f_5: x \mapsto e^s x,\quad y \mapsto y,\quad \theta \mapsto e^{-s} \theta.$$
该对称性将尖点 (13) 映射为
$$f_5(c(t_{\text{cus}})) = \left[\frac{(-1 + \sin X)e^s}{Y},\ \frac{\pi - 2X - 4\cos X + \sin 2X}{4Y^2},\ \frac{\cos X}{e^s Y}\right].$$
其对方度的作用形式为 $f_5^*(r) = f_5^*(dx^2 + d\theta^2) = e^{2s}dx^2 + e^{-2s}d\theta^2$,因此它仅以不同的正函数对每个分量进行重标度。

两个对称性 $f_4$ 和 $f_5$ 的复合形式为
$$(15)\quad x \mapsto e^{s_1 + s_2}x,\quad y \mapsto e^{2s_1}y,\quad \theta \mapsto e^{s_1 - s_2}\theta$$
其中 $s_1$ 是 $f_4$ 的参数,$s_2$ 是 $f_5$ 的参数。我们主要关注 $s_1 = s_2 := s$ 时的对称族;这正是那个不影响 $\theta$ 的组合。因此,接下来我们考虑对称性
$$(16)\quad g: x \mapsto e^s x,\quad y \mapsto e^s y,\quad \theta \mapsto \theta.$$

**定理 6** 考虑来自 (6) 族中 (i) 型的曲线族以及 (16) 中的对称性 $g$。对每个满足 $x, y, \theta > 0$ 且 $\frac{y}{x\theta} < \frac{1}{3}$ 的点,存在一条从 $[0, 0, 0]$ 到 $[x, y, \theta]$ 的曲线,属于该曲线族在 $g$ 下的轨道,且其在正方向的第一个尖点恰为点 $[x, y, \theta]$。

该曲线由 $(X, Y, s)$ 确定,其中 $X \in (\frac{\pi}{2}, \frac{3\pi}{2})$ 是方程的唯一解:
$$\frac{x\theta(\pi - 2X - 4\cos X + 2\sin X\cos X)}{4\cos X(-1 + \sin X)} = y$$
以及 $Y = \frac{\cos X}{\theta}$,$e^s = \frac{x\cos X}{\theta(-1 + \sin X)}$。

**证明** 记 $S = e^s$。将对称性 $g$ 作用于点 (13) 并与给定点 $[x, y, \theta]$ 比较,得到方程组:
$$x = \frac{S(-1 + \sin X)}{Y}$$
$$y = \frac{S(\pi - 2X - 4\cos X + \sin 2X)}{4Y^2}$$
$$\theta = \frac{\cos X}{Y}$$

从最后一个方程,我们直接计算得到 $Y = \frac{\cos X}{\theta}$。需要强调的是,$\theta > 0$ 且 $\cos X < 0$(在 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上),因此 $Y < 0$ 与条件 (i) 一致。将 $Y$ 代入其余方程得
$$x = \frac{(-1 + \sin X)S}{\theta\cos X}$$
$$y = \frac{(\pi - 2X - 4\cos X + \sin 2X)S}{\theta^2 \cdot 4\cos^2 X}$$

再次从第一个方程,我们直接得到 $S = \frac{x\cos X}{\theta(-1 + \sin X)}$。此处 $x > 0$,且在 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上 $\cos X < 0$ 且 $-1 + \sin X < 0$,因此 $S > 0$ 正确定义。最后,代入 $y$ 的表达式得
$$(17)\quad y = \frac{(\pi - 2X - 4\cos X + \sin 2X)x}{\theta \cdot 4\cos X(-1 + \sin X)}$$

为完成证明,我们需要证明方程 (17) 在区间 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上对 $x, y, \theta > 0$,$\frac{y}{x\theta} < \frac{1}{3}$ 有唯一解 $X$。记
$$(18)\quad \frac{y}{x\theta} = \frac{\pi - 2X - 4\cos X + \sin 2X}{4\cos X(-1 + \sin X)} =: f(X) > 0$$

我们计算极限 $\lim_{X \to \frac{\pi}{2}^+} f$ 和 $\lim_{X \to \frac{3\pi}{2}^-} f$。由于 $f(\frac{\pi}{2}^+) = \frac{0}{0}$,洛必达法则给出
$$\lim_{X \to \frac{\pi}{2}^+} \frac{-4\sin X}{(-1 + \sin X)\cdot 8\cos^2 X + \sin X - 1} = \frac{0}{0}$$
$$= \lim_{X \to \frac{\pi}{2}^+} \frac{-4\cos X(2\sin X - 1) - 4\cos X}{(-1 + 4\sin X)} = \lim_{X \to \frac{\pi}{2}^+} \frac{2\sin X - 1}{-1 + 4\sin X} = \frac{1}{3}.$$

在右端点,我们有 $\lim_{X \to \frac{3\pi}{2}^-} f(X) = \frac{-2\pi}{0^+} = -\infty$。

方程 (18)(从而也是 (17))的解的存在性则源于函数 $f$ 在区间 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上连续且 $\frac{y}{x\theta} < \frac{1}{3}$。

为证明该解的唯一性(图 6(a) 中绘制的函数 $f$ 表明其具有递减特征),我们将 $f$ 的导数写为如下形式(参见命题 3 的证明):
$$f'(X) = \frac{n(X)}{d(X)}$$
其中
$$n(X) = (2\sin X + 1)\sin 2X + 2\cos X(\cos 2X - 3) - (4\cos X + 4X - 2\pi)\sin X - 2X + \pi$$
$$d(X) = (\sin X - 1)\cos^2 X$$

显然 $n(\frac{\pi}{2}) = 0$,且 $d(X) < 0$ 对 $X \in (\frac{\pi}{2}, \frac{3\pi}{2})$ 成立。此外,
$$n'(X) = 2\cos X(\pi - 2X - 2\cos X) > 0 \quad \text{对} \ X \in (\frac{\pi}{2}, \frac{3\pi}{2})$$
因为 $\cos X < 0$ 且
$$(\pi - 2X - 2\cos X)\big|_{X = \frac{\pi}{2}} = 0$$
$$(\pi - 2X - 2\cos X)' = -2 + 2\sin X < 0$$
这意味着 $\pi - 2X - 2\cos X < 0$ 在该区间上成立。因此 $f'(X) < 0$ 对 $X \in (\frac{\pi}{2}, \frac{3\pi}{2})$ 成立,证明完毕。

![图 6. 定理 6 中条件的图示](高清晰度图片,215KB)

在图 6 中,我们给出了函数 $f$ 在 $(\frac{\pi}{2}, \frac{3\pi}{2})$ 上的图像以及函数 $\frac{y}{x\theta} = \frac{1}{3}$ 的图像;这些图示说明了定理 6 中阐述的条件。

同样,我们使用数值方法求解 $X$;使用 CAS Maple 及其 `fsolve` 命令,方法如前一节所述。得到 $X$ 后,我们直接将 $X$ 代入公式求得 $S$ 和 $Y$。

**例 7** 考虑点 $[x, y, \theta] = [1, 2, 8]$。则 $\frac{y}{x\theta} = \frac{1}{4} < \frac{1}{3}$,因此方程 $f(X) = \frac{1}{4}$ 有解,求得 $X = 2.949522557$。按照定理 6,我们得到 $Y = -0.1227013969$,$S = 0.1516500833$。综合起来,我们找到曲线 $c(t) = [x(t), y(t), \theta(t)]$,其中
$$x(t) = 1.235927929\sin(-0.1227013969t + 2.949522557) - 0.2359279292$$
$$y(t) = 2.518161897\sin(-0.2454027938t + 5.899045114) - 0.6179639649t - 5.036323795\sin(-0.1227013969t + 5.899045114) - 5.036323795\sin(-0.1227013969t) - 0.9437117172$$
$$\theta(t) = 8.149866467\cos(-0.1227013969t + 2.949522557) + 8.000000000$$
其第一个尖点为 $[1, 2, 8]$,出现在时刻 $t_{\text{cus}} = 11.23643467$。

在图 7(a) 和 (b) 中,我们给出了解曲线及其在 $xy$ 平面上的投影图像。在图 7(c) 中,我们给出了示例 7 与示例 4 的曲线对比。下载:下载高分辨率图像(225KB)。下载:下载全尺寸图像。图 7. 示例 7 在 $t \in (0, t_{cus} + 2)$ 范围内的解曲线,其在 $xy$ 平面上的尖点为 $[1,2,8]$,并与示例 4 的解曲线进行比较。

**注 8** 请注意,我们无法通过对两个对称性 $f_4$ 和 $f_5$ 采用不同的复合方式得到"更好的估计"。将对称性 (15) 应用于尖点时刻 $(i)$ 型曲线 (6),我们得到点
$$[(-1+\sin(X)) S_1 S_2 Y,\; \tfrac{1}{4}(\pi - 2X - 4\cos(X) + \sin(2X)) S_1^2 Y^2,\; \cos(X) S_1 S_2 Y]$$
其中 $S_1 = e^{s_1}$,$S_2 = e^{s_2}$。可以像定理 6 中那样进行类似计算以得到 $Y$、$X$、$S_2$,从而得到一个依赖于 $S_1$ 的解。然而,在得到的曲线中,$S_1$ 总是以 $t$ 的倍数的形式出现,因此我们只是得到了结果曲线的一个不同的参数化 $S_1 t$。此外,所得到的时间是正确的,因为 $S_1$ 仅在尖点处以恰当的倍数对 $Y$ 进行重新标定(如 (14) 所述)。

对称性 $g$ 对子黎曼度量 $r = dx^2 + d\theta^2$ 的作用为
$$g^*(r) = g^*(dx^2 + d\theta^2) = e^{2s} dx^2 + d\theta^2.$$
因此,$g$ 轨道中的曲线对于幂零控制问题的子黎曼度量而言并非最优,但它是新度量 (19) 下的最优曲线,并且我们仍然可以针对 (4) 处理最优性。此外,$g$ 对分布 $\mathfrak{n}_1$ 和 $\mathfrak{n}_2$ 的生成元(见 (3))的作用为
$$g^*(\mathfrak{n}_1) = \mathfrak{n}_1,\quad g^*(\mathfrak{n}_2) = e^{s} \mathfrak{n}_2.$$
那么,我们可以将上述数据视为一个新的控制系统,详情见文献 [3];或者简单地通过对称性的作用来调整原系统的控制函数。因此,我们处理控制问题 $\dot{c}(t) = u_1 \mathfrak{n}_1 + u_2 \mathfrak{n}_2$,但我们考虑控制函数
$$u_1(t) = \sin(Yt + X),\quad u_2(t) = -e^s \cos(Yt + X).$$
请注意,从幂零近似中导出的控制函数是周期性的,其形式为
$$u_{1}^{\text{nil}}(t) = \sin(Yt + X),\quad u_{2}^{\text{nil}}(t) = -\cos(Yt + X),$$
参见 (5)。因此,底层的控制机制可以视为由水平向量场 $\mathfrak{n}_1$ 和 $\mathfrak{n}_2$ 度量的周期性转向过程 [11]。虽然我们的方法并非基于经典意义上的振幅控制,但附加对称性 $g$ 的作用引入了第二个控制通道的振幅调制,即 $u_2(t) = e^s u_{2}^{\text{nil}}(t)$。的确,在应用对称性之后,控制函数变为 (21),其中参数 $S = e^s$ 对水平生成元 $\mathfrak{n}_2$ 进行重新标定,而保持 $\mathfrak{n}_1$ 不变。因此,该对称性可以被解释为对周期性控制输入的几何振幅缩放。从子黎曼几何的角度来看,这对应于对度量的各向异性修正,而非引入额外的控制方向。由对称性诱导的周期性激励与振幅调制的组合扩大了可容许轨迹的集合,并为将系统转向预定目标点提供了额外的灵活性。

### 4. 应用与示例

我们将前几节的观察结果应用于设计一种基于幂零近似的控制算法。其思路是借助对称性,利用幂零模型的控制函数来控制原始问题 [14]。需要提醒的是,原始控制问题所确定的微分方程通常很难解析求解。因此,我们将其替换为其幂零近似,后者是一个容易求解的幂零控制问题,但显然其所得到的轨迹并不是原系统的可容许曲线。然而,由于构造方式,两个系统在选定目标点附近的控制行为非常相似。这使我们可以利用从幂零系统导出的控制函数,在选定点的足够小的邻域内以足够高的精度控制原始系统。此外,借助对称性,我们可以使用更广泛范围的控制函数,从而得到更广泛的曲线集合。我们的目标是以足够的精度到达目标点。我们限制轨迹集合,使得目标点对应于幂零近似中的第一个尖点。

我们按如下方式进行。相应的代码在第 6 节给出;此处我们强调其特殊部分。

- 对于选定的目标点 $[x, y, \theta]$,满足 $x, y, \theta > 0$,$y < x\theta < \frac{1}{3}$,我们求解定理 6 中的方程以找到(唯一确定的)$X$、$Y$、$S$。然后,利用 (21),我们找到函数 $u_1$ 和 $u_2$,即近似系统调整后的控制函数。注意 $0 < S = e^s$(清单 6)。

下载:下载高分辨率图像(194KB)。下载:下载全尺寸图像。图 8. 针对目标点 $T_\Theta = [4, 0.5, \Theta]$($\Theta = 1,2,3,4$)数值计算得到的解曲线;红色曲线为幂零系统的解曲线,蓝色曲线为原始系统的解曲线。我们选择离散化步长 $\frac{1}{100}t_{cus}$。

下载:下载高分辨率图像(136KB)。下载:下载全尺寸图像。图 9. 针对 $T_\Theta = [4, 0.5, \Theta]$($\Theta = 1,2,3,4$)的数值解在 $xy$ 平面上的投影;红色曲线为幂零系统的解曲线,蓝色曲线为原始系统的解曲线。我们选择离散化步长 $\frac{1}{100}t_{cus}$。

下载:下载高分辨率图像(152KB)。下载:下载全尺寸图像。图 10. 三个不同目标点 $T_S$、$T_Q$ 和 $T_R$ 的解曲线,它们的 $x$ 和 $y$ 不同,但 $\theta = 1$ 相同。

下载:下载高分辨率图像(198KB)。下载:下载全尺寸图像。图 11. 针对目标点 $T = [4, 0.5, 4]$,计算 $k$ 步的解曲线,$k = 2,3,4,5$;红色曲线为幂零系统的解曲线,蓝色曲线为原始系统的解曲线。每个迭代步的离散化步长为 $\frac{1}{100}t_{cus}$。

下载:下载高分辨率图像(137KB)。下载:下载全尺寸图像。图 12. 图 11 中数值解在 $xy$ 平面上的投影,对应给定的步数 $k$。

下载:下载高分辨率图像(80KB)。下载:下载全尺寸图像。图 13. 针对 $T = [4, 0.5, 4]$ 且 $k = 3$ 的数值计算解曲线;幂零系统的解为红色,基于迭代的解为蓝色,加法法的解为绿色。

下载:下载高分辨率图像(182KB)。下载:下载全尺寸图像。图 14. 针对目标点 $T = [4, 0.5, 4]$ 进行 10 步数值计算得到的解曲线;红色曲线为幂零系统的解曲线,蓝色曲线为原始系统的解曲线。每个迭代步的离散化步长为 $\frac{1}{100}t_{cus}$。

下载:下载高分辨率图像(67KB)。下载:下载全尺寸图像。图 15. 针对目标点 $T = [4, 0.5, 4]$ 得到的端点 $E_k$($k = 1, \cdots, 10$);红色为目标点 $T$,蓝色点表示随 $k$ 增加而逐渐趋近于 $T$ 的端点 $E_k$。

下载:下载高分辨率图像(223KB)。下载:下载全尺寸图像。图 16. 针对目标点 $T = [4, 0.5, 40]$ 且不同 $k$ 值的解曲线初始段。

下载:下载高分辨率图像(212KB)。下载:下载全尺寸图像。图 17. 针对两个目标点 $T$ 和 $S$ 的解曲线初始段(第一个迭代步),它们的 $x$ 和 $y$ 坐标成倍增大,但 $\theta$ 相同(原始系统和幂零系统的解曲线分别以蓝色和红色表示)。总步数为 $k = 10$。

下载:下载高分辨率图像(182KB)。下载:下载全尺寸图像。图 18. 针对目标点 $[40, 0.5, 0.1]$ 的解。

下载:下载高分辨率图像(57KB)。下载:下载全尺寸图像。图 19. 广义 2 连杆机器蠕虫的示意图,其中 $p_0 = [x, y]$。

下载:下载高分辨率图像(306KB)。下载:下载全尺寸图像。图 20. 几乎复结构 (24) 的三个无穷小对称性作用于测地线(蓝色)的流。

下载:下载高分辨率图像(317KB)。下载:下载全尺寸图像。图 21. 2 连杆机器蠕虫模型的参数演化,详见文献 [6]。

下载:下载高分辨率图像(86KB)。下载:下载全尺寸图像。清单 1. 包的初始化。

下载:下载高分辨率图像(63KB)。下载:下载全尺寸图像。清单 2. 幂零近似。

下载:下载高分辨率图像(71KB)。下载:下载全尺寸图像。清单 3. 原始分布。

下载:下载高分辨率图像(203KB)。下载:下载全尺寸图像。清单 4. 幂零系统及其解。

下载:下载高分辨率图像(51KB)。下载:下载全尺寸图像。清单 5. 尖点。

下载:下载高分辨率图像(337KB)。下载:下载全尺寸图像。清单 6. 参数的计算。

- 我们将这些函数 $u_1$ 和 $u_2$ 用作原始控制问题 (2) 的控制函数,即我们在区间 $t \in \langle 0, \frac{\pi - 2X}{2Y} \rangle$ 上求解方程 $\dot{c}(t) = u_1 X_1 + u_2 X_2$(清单 9)。

下载:下载高分辨率图像(164KB)。下载:下载全尺寸图像。清单 7. 尖点时刻和控制的计算。

下载:下载高分辨率图像(293KB)。下载:下载全尺寸图像。清单 8. 关于幂零近似的轨迹。

下载:下载高分辨率图像(294KB)。下载:下载全尺寸图像。清单 9. 关于原始系统的轨迹。

我们用几个示例来演示这一方法。由于幂零近似的构造(我们在原点处分别用 $\theta$ 和 $1$ 近似 $\sin(\theta)$ 和 $\cos(\theta)$),$\theta$ 坐标会对解的精度产生最大影响。因此,我们展示针对目标点 $T_\Theta = [4, 0.5, \Theta]$($\Theta = 1,2,3,4$)的计算。按照算法对原始系统进行显式计算,我们得到如表 1 所示的端点 $E_\Theta$。

**表 1.** 对于目标点 $T_\Theta = [4, 0.5, \Theta]$($\Theta = 1,2,3,4$),原始控制系统 (2) 数值解的端点 $E_\Theta = [x, y, \theta]$。

| $\Theta$ | $x$ | $y$ | $\theta$ |
|---|---|---|---|
| 1 | 3.843833759 | 0.4873368210 | 1.012938377 |
| 2 | 3.572875596 | 0.3926219517 | 2.032550721 |
| 3 | 3.202079416 | 0.1589238458 | 3.052072722 |
| 4 | 2.820976228 | $-0.1949726328$ | 4.071575218 |

在图 8 中,我们给出了解的图像,其中红色虚线表示幂零系统的解,蓝色虚线表示原始系统的解。

对于图 8 中的所有图像,我们还在图 9 中给出了它们在 $xy$ 平面上的投影。

我们也来展示目标点 $T = [x, y, \theta]$ 的 $x$ 和 $y$ 分量变化对整体误差的影响。请牢记我们必须保持关系 $y < x\theta < \frac{1}{3}$,因此,例如对于非常小的 $\theta$ 和较大的 $x$,$y$ 的选择自由度并不大。我们考虑将模型点 $T_1 = [4, 0.5, 1]$ 的 $x$ 坐标加倍,然后将 $y$ 坐标加倍,即考虑点 $T_S = [8, 0.5, 1]$ 和 $T_Q = [4, 1, 1]$。对于目标点 $T_S$,计算在端点 $E_S = [7.729912074, 0.5002113825, 1.016275361]$ 处结束;对于目标点 $T_Q$,我们得到 $E_Q = [3.748236485, 0.9525746420, 1.005666345]$。我们也可以将 $x$ 提高一个数量级。选择目标点 $T_R = [40, 0.5, 1]$ 会导致端点 $E_R = [38.69269438, 0.5952431363, 1.018851387]$。所得到的曲线见图 10。

我们可以看到,该近似可能相对不够精确,尤其是对于较大的 $\theta$ 值。另一方面,在所有情况下,近似在原点附近一个合理小的段上都是精确的,因此该段上的误差较小。这引导我们想到将计算分解为多个步骤的想法。这将允许我们控制数值,从而可能降低整体误差。

接下来,我们总是用 $T$ 表示建议的目标点,用 $E$ 表示原始控制系统实际得到的端点(可能带上下标)。总体思路是将计算分为 $k$ 步,$k \geq 1$,这意味着在原点到目标点 $T$ 的线段上固定一组关键点 $T_j$,$j = 1, \cdots, k$。我们在这里选择关键点彼此等距,并记 $T_j^k = \frac{j}{k} T$。这里上标 $k$ 表示所选的步数,下标 $j$ 表示序列中的第 $j$ 个关键点。

在第一步中($j = 1$),我们以原点为起点,针对第一个关键点 $T_1^k$ 给出的目标点,(数值地)找到原始系统的解曲线,计算得到(足够精确的)端点 $E_1^k$。在第二步中($j = 2$),我们以点 $E_1^k$ 为起点,针对第二个关键点 $T_2^k$ 给出的目标点,找到解曲线,并得到端点 $E_2^k$。我们通过在同一个平移下将点 $E_1^k$ 平移到原点,找出以原点为起点、以 $T_2^k$ 的像为目标点的曲线,然后将所得到的曲线平移回点 $E_1^k$ 来实现该计算。我们继续通过后续的关键点迭代进行 $k$ 步,直到目标点 $T = T_k^k$。

我们再次通过一个示例来展示这个想法。我们考虑目标点 $T = [4, 0.5, 4]$,其中直接一步计算($k = 1$)给出相当糟糕的结果,见图 8(d)。对于 $k = 2,3,4,5$,我们在从原点到目标点 $T$ 的线段上固定 $k$ 个等距点。$k$ 步的显式计算得到的端点为 $E_k := E_k^k$,见表 2。

**表 2.** 对于 $k$ 步以及目标点 $T = [4, 0.5, 4]$,得到的端点 $E_k = [x, y, \theta]$,$k = 2,3,4,5$。

| $k$ | $x$ | $y$ | $\theta$ |
|---|---|---|---|
| 2 | 3.767481018 | 0.4408479347 | 4.031275462 |
| 3 | 3.920587590 | 0.4898549960 | 4.019116880 |
| 4 | 3.960257486 | 0.4969204689 | 4.012784851 |
| 5 | 3.975245761 | 0.4984537213 | 4.008894421 |

在图 11 中,我们给出了解的图像,其中红色虚线表示幂零系统的解,蓝色虚线表示原始系统的解。

对于图 11 中的所有曲线,我们还在图 12 中给出了它们在 $xy$ 平面上的投影。这两幅图都显示整体计算的精度有所提高。

我们来更详细地展示 $k = 5$ 的情况;我们省略写其上标。

关键点取自 Tj = Tj = j[45, 110, 45],其中 j = 1, 2, 3, 4, 5。在第一步中,我们从原点出发,沿方向 T1 找到轨迹;我们结束于点 E1。在下一步中,我们从点 E1 出发,沿方向 T2 找到轨迹;我们结束于点 E2。我们迭代进行 5 步,并在表 3 中给出目标 Tj(j = 1, 2, 3, 4, 5)对应的端点 Ej 以及 Ej 与 Tj 之间相应的误差。

表 3. 端点 Ej,j = 1, 2, 3, 4, 5(第一列)以及相对于关键点 Tj = j[45, 110, 45],j = 1, 2, 3, 4, 5 的相应误差(第二列),目标点为 T = [4, 0.5, 4],k = 5 步。

j | 端点 Ej | 误差 ej
1 | [0.775533, 0.0984004, 0.808967] | [?0.02446725, ?0.001599587, 0.008966784]
2 | [1.575245, 0.1984499, 1.608887] | [?0.02475482, ?0.001550148, 0.008886949]
3 | [2.375245, 0.2984534, 2.408894] | [?0.02475496, ?0.001546564, 0.008894318]
4 | [3.175246, 0.3984536, 3.208894] | [?0.02475427, ?0.001546379, 0.008894416]
5 | [3.975246, 0.4984537, 4.008894] | [?0.02475424, ?0.001546279, 0.008894421]

目标点为 T = [4, 0.5, 4] 的示例说明了为什么一般地将路径分为若干步是可行的。如果我们将原点到第一个端点 E1 的曲线找到得足够精确,即足够接近关键点 T1,那么从 E1 出发沿第二个关键点 T2 的方向,对第二条曲线的假设与对第一条曲线的假设相似。实际上,我们通过将点 E1 平移到原点,从原点沿 T1 减去误差的方向找到曲线,然后将曲线平移回 E1 来实现这一计算。如果误差足够小,我们在下一步中解决一个与上一步类似的问题。这适用于所有步骤,并确保误差保持在一贯水平上。因此,总误差与第一步中的误差处于同一数量级。此外,精度取决于分段长度,因此划分为更多段可以提高精度,因为第一段更短。

**注 9** 让我们讨论一种情形:在第一次迭代之后,我们在对应的端点处简单地重复相同的轨迹,重复所选的步数 k。这导致误差线性增加。我们在图 13 中对此进行了演示,目标点为 T = [4, 0.5, 4],k = 3,其中红线表示幂零系统的解,蓝线显示基于迭代法的解,绿线显示此处提出的加法方法的解。

为实现尽可能高的精度,我们可以讨论最多可能的关键点数。我们有目标点 T = [x, y, θ],我们应将从原点到 T 的线段划分为尽可能小的片段。因此,我们有第一个关键点 T1 = [x/k, y/k, θ/k],根据定理 6,我们寻找最大的可能 k 值,使得

(22) (y/k)(θ/k) / (x/k) = ykθ/x < 1/3

让我们注意,一方面,这给出了最多可能的关键点和最高精度。另一方面,计算此时接近边界双曲面 yxθ = 1/3,因此可能在某一步中不再满足该条件。

让我们回到模型目标点 T = [4, 0.5, 4]。我们计算 0.5k/16 < 1/3,因此 0.5k < 16/3 = 5.3?。当 k = 10 时,我们达到最多可能的步数。然后我们找到端点 E10 = [3.991269827, 0.4989683898, 4.000601946]。

我们在图 14(a) 中给出 k = 10 时解的图形,其中红色虚线表示幂零系统的解,蓝色虚线表示原始系统的解,在图 14(b) 中给出它们到 xy 平面的投影。

对于给定的目标点 T = [4, 0.5, 4] 进行 k 步计算,我们可以在图 15 中可视化端点 Ek(k = 1, ?, 10)的位置。这里,目标点 T 为红色,蓝色点表示端点 Ek。步数 k 越大,端点 Ek 越接近目标点 T。

为了演示分段长度在迭代中的作用及其对精度的影响,让我们将 θ 增大一个数量级;因此,考虑目标点 T = [4, 0.5, 40]。条件 yxθ/x < 1/3 必须继续满足,增大 θ 的值导致最多可能的关键点数即迭代次数 k 相应增加。公式 (22) 给出 k = 106 的最大可能值。在图 16(a)–(c) 中,我们展示了该目标点在 k = 10、k = 20 和 k = 30 时,解轨迹的前一步、前两步和前三步。图 16(d) 展示了 k = 10 和 k = 30 对应的解曲线相应初始段的比较。

另一个观察是,条件 (22) 关于 x, y 是齐次的,即如果我们同时将 x 和 y 乘以某个比例,最大可能的关键点数不变。让我们比较模型目标点 T = [4, 0.5, 4] 和目标点 S = [40, 5, 4] 的计算,即我们将 x 和 y 乘以 10 而 θ 保持不变。对于两者,最大迭代次数相同,根据 (22) 均等于 k = 10。这里,图 17(a) 显示了相应于目标点 T = [4, 0.5, 4] 的轨迹的第一段,图 17(b) 显示了相应于 S = [40, 5, 4] 的轨迹的第一段。

最后,让我们注意到,我们用 θ 和 1 近似 sin θ 和 cos θ 意味着我们用直线近似单位圆,参见 [3](注 3.2 和图 2)。然后,当 θ 足够小时(这通常指 |θ| < π/10,参见例如 [22]),原始系统和近似系统的行为应该几乎相同。让我们展示点 [40, 0.5, 0.1] 的计算精度。我们在表 4 中给出了一级步长中幂零系统和原始系统的端点 E = [x, y, θ]。

表 4. 目标点 [40, 0.5, 0.1] 的幂零系统/原始系统的端点。

系统 | x | y | θ
幂零 | 39.724887210 | 0.5120780153 | 0.1012938377
原始 | 39.711619020 | 0.5118183600 | 0.1012938377

我们在图 18(a) 中给出解的图形,其中红色虚线表示幂零系统的解,蓝色虚线表示原始系统的解,在图 18(b) 中给出到 xy 平面的投影。

**5. 结论**

在本文中,我们提出了一种控制非完整机构的通用方法。我们用其幂零近似来替代原始系统。然后,从幂零近似中推导出的控制律用于控制原始系统。我们不考虑某些代价下的最优曲线;我们使用一类更宽的关于所选择的对称性作用不变的许可曲线类。为了解的唯一性,我们添加额外约束。最后,我们通过迭代次数来管理我们方法的精度。

为明确演示我们的思想,我们继续讨论竖直滚动圆盘的控制问题及其近似,使用 CAS 软件 Maple,如 [3] 中所引入的。我们找到拉格朗日接触结构的对称性并固定其中之一来设计圆盘的控制。这是过滤结构对称性的典型例子,关于过滤结构对称性的更多细节可以在 [30] 中找到。然而,人们可以选择任意的附加几何结构(例如 CR 结构),并固定该结构的任意对称性来找到适合控制的一族曲线。作为对圆盘的额外约束,我们假设目标点是第一个尖点。注意,对于不同的非完整机构,可能需要不同的额外约束。

其中一些思想在 [6] 中对另一种非完整机构——所谓的 2 连杆机器人蠕虫进行了讨论。2 连杆机器人蠕虫由两个通过旋转关节连接的棱柱连杆组成。每个连杆配备一对与之前情况物理性质相同的轮子。2 连杆机器人蠕虫的配置空间为

(x, y, ?1, ?1, ?2, ?2) ∈ E(2) × ?+ × S1 × ?+

参见图 19。

在这种情况下,幂零近似是两个海森伯格代数的直积。作为幂零近似,我们考虑 ?? 及其局部坐标 (xi, i = 1, ?, 6) 和模型向量场

(23) n1 = ?/?x1 ? x2/2 ?/?x5,
n2 = ?/?x2 + x1/2 ?/?x5,
n3 = ?/?x3 ? x4/2 ?/?x6,
n4 = ?/?x4 + x3/2 ?/?x6

我们有两个非平凡的李括号

n12 = [n1, n2] = ?/?x5,
n34 = [n3, n4] = ?/?x6

因此,我们确实得到两个海森伯格代数的和。我们可以从 (23) 中看到 D = ?n1, n2, n3, n4? 作为一个控制分布,并考虑一个几乎复结构 J: D → D,形式为

(24) J(n1) = ?n3, J(n2) = ?n4, J(n3) = n1, J(n4) = n2

我们利用额外定义的几乎复结构的对称性来从一个海森伯格代数的最优曲线构建许可曲线;参见 [6, 第 4 节] 获取显式公式。具体而言,我们取海森伯格子代数的测地线,并施加保持几乎复结构而非子黎曼几何的自同构;这个过程产生了一类新的曲线。在图 20 中,我们可以看到这些曲线在对应海森伯格子代数的配置空间上的投影。

图 21(a) 显示所有参数趋向于目标值。在图 21(b) 中,我们看到 (x, y) 和 (?1, ?2) 对在平面中的演化。红星表示每次迭代应用控制后机器人的构型。记住,每次迭代的终端红星点作为下一次迭代的初始条件,在其中我们确定向原始系统终端点的下一个控制。蓝色点表示解轨迹的离散化节点。

为实现,我们使用与 [3] 相同的 CAS 软件 Maple 和 Ian Anderson 的 DifferentialGeometry 包 [31]。该包适合从几何视角处理控制问题。然而,其他软件,包括数值计算系统,也可用于实现该算法。只需记住,流必须通过数值方法确定。

**6. Maple 代码**

在本章中,我们展示该算法的 Maple 代码。我们使用 Maple 2025 版本。代码的在线版本可在 GitHub 上获取:https://github.com/jaroslavhrdina/DiscControl。人们还可以在那里找到论文 [3] 的代码,本文基于该论文。两个代码均为竖直滚动圆盘及其近似的情况编写的;然而,它们可以一起直接修改用于其他非完整机构的控制。

在清单 1 中,我们声明计算所需的包。所有包均可在 Maple 的标准发行版中获取。

在清单 2、图 3、清单 3、清单 4 中,我们声明计算所需的初始数据。在清单 2 中,我们声明幂零近似的向量场。在清单 3 中,我们声明原始控制问题的向量场。在清单 4 中,我们声明幂零问题的解。详细信息参见 [3] 对应的 Maple 代码。

在清单 5 中,我们声明模型曲线的尖点,如第 2 节所述。

在清单 6 中,我们将定理 6 的计算算法化。过程的输入是目标点 v = [x, y, θ],输出是三元组 [X = X0, Y = Y0, S = S0],其中 [X0, Y0, S0] 是定理 6 的解。在清单 7 中,我们给出计算幂零模型曲线的过程(即通过对称性扩展的曲线)、其尖点时间和相应的控制函数。过程的输入 A 的形式为 A = [X = X0, Y = Y0, S = S0]。在清单 8 中,我们展示从初始点 Vstart 到目标点 v 计算幂零场轨迹的主要过程。进一步的输入参数是离散化步数 step 和迭代索引 k,指定迭代过程中的当前迭代。全局变量覆盖轨迹每一步的坐标。该过程的输出是端点的坐标向量。该过程对于实际控制算法不是必需的;然而,它使我们能够度量计算原始轨迹的精度(在下一个清单中)。在清单 9 中,我们给出从初始点 Vstart 沿目标点 v 方向计算原始场轨迹的过程。该过程与清单 8 类似。在清单 10 和 11 中,我们运行针对特定目标点和给定迭代次数的计算。在清单 10 中,我们固定目标点 w 和迭代次数 iter(我们选择 w = [4, 12, 4],iter = 3;这些值是可变的)。

计算机代数系统 Maple 要求声明空向量作为中间结果的存储;这一操作在列表 10 的剩余部分中完成。在列表 11 中,我们通过迭代过程计算从原点沿目标点方向的轨迹。幂零近似的最终轨迹结果点的坐标存储在数据集 Xnil、Ynil 和 Znil 中。我们将区间划分为 100 步,可以根据所需的离散化密度更改该数值。在列表 12 中,我们针对原始分布模仿了列表 11。
下载:下载高分辨率图像 (200KB) 下载:下载全尺寸图像 列表 10。数据集初始化。下载:下载高分辨率图像 (144KB) 下载:下载全尺寸图像 列表 11。关于幂零近似的迭代。下载:下载高分辨率图像 (150KB) 下载:下载全尺寸图像 列表 12。关于原始系统的迭代。
Jaroslav Hrdina|Lenka Zalabová|Jan Eisner 布尔诺理工大学机械工程学院数学研究所,Technická 2896/2, Brno, 616 69, 捷克共和国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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