面向瞬态性能增强的自适应优化控制系统设计及分析

Most of available adaptive control methods have been proposed revealing that the transient performance can be improved by using high-gain learning in the adaptive laws to yield fast adaptations. Although high-gain learning is able to rapidly suppress system uncertainties in transient time, it may trigger high-frequency instability and thus renders improving the transient performance of adaptive controls a challenging problem. This project is dedicated to exploit the inherent mechanisms that each component of adaptive systems affects the overall control performance, and to investigate several novel adaptive control methodologies with improved transient response. The prospective work include: 1) Novel model reference adaptive control (MRAC) architecture with improved transient performance. This will be achieved by modifying the reference model (command governor) and the adaptive laws in terms of the obtained parameter estimation error; 2) Adaptive prescribed performance control (APPC). By introducing appropriate tracking error transformations, we will investigate adaptive controls with both guaranteed prescribed transient and steady-state performance; 3) Adaptive control design with optimal error modifications. Novel robust adaptive approaches will be proposed to retain the tracking control and parameter estimation simultaneously with newly constructed optimal performance index; 4) Online optimal control designs based on adaptive techniques. We will adopt adaptive techniques to online solve the optimal control problems, and present unified adaptive optimal control schemes with fast adaptations. The transient response, robustness and stability margins of the proposed closed-loop systems will also be addressed....The objective of this project is to propose new adaptive control methods by using the embedded parameter error information, to exploit the interdisciplinary features, and to address some open problems in the literature (e.g. unsatisfactory transient performance; quantitatively evaluating the parameter estimation convergence). Thus, it is paving a way for further theoretical developments of adaptive control, and also for bridging the gap between adaptive control and optimal control.

针对自适应控制系统瞬态收敛性能难定量分析，以及自适应律中大学习速率虽能加快收敛但会引发高频动态不稳定等问题，探索自适应系统各组成模块影响其性能的机理，多角度研究面向瞬态性能增强的自适应控制基础理论。主要研究：1）增强型模型参考自适应控制。从修正参考模型的角度，引入参数估计误差建立强鲁棒、快收敛的自适应系统；2）预设收敛性能自适应控制。从控制器设计角度出发，通过误差转换研究预设稳态和瞬态性能的控制系统；3）基于最优误差修正的自适应控制。从自适应律设计角度出发，引入最优控制思想研究同时保证跟踪控制和参数估计收敛的自适应方法；4）在线求解自适应最优控制。从控制器和自适应律设计出发，研究最优控制在线求解，提出快速自适应优化控制方法。研究目标为：建立基于参数误差学习机制的瞬态性能增强型自适应控制理论，探索自适应和最优控制交叉融合，解决现有自适应系统瞬态性能差、参数收敛难等问题，推进相关研究进展。

本项目针对自适应控制系统瞬态收敛性能难以定量分析，且自适应律中大学习速率虽能加快收敛但会引发高频动态不稳定的问题，探索了自适应系统各组成模块影响其性能的机理，多角度研究了面向瞬态性能增强的自适应控制基础理论。主要研究内容及研究成果为：1）针对模型参考自适应控制系统，分别从参考模型修正的角度、自适应律设计的角度和控制器设计的角度出发，探究了影响自适应系统性能三个要素之间的关系并探究了高增益与稳定性之间矛盾根源，实现了模型参考自适应系统瞬态性能增强；2）研究了预设性能控制器设计策略和分析方法，提出了新的稳态误差函数以及对应的误差转化机制。同时，研究了不依赖于传统神经网络等函数逼近器的控制器设计策略和分析方法，提出了针对非线性系统可预设性能、且无函数逼近器的控制器设计新机制和分析方法。同时，提出了一类新的未知动态观测器，补偿系统未知动态；3）研究了基于最优思想的自适应控制系统设计，进一步挖掘了系统隐含的误差信息对于估计和控制性能的影响，构建了对应的最优性能指标，提出了针对时变参数的估计策略，并将该方法用于自适应控制设计，实现了参数估计和控制同时收敛；4）研究了自适应最优控制理论，提出了将自适应技术用于求解受约束的最优控制问题方法，提出了新的‘辨识器-执行器’的自适应动态规划结构，放松了对系统模型的要求，避免了执行网络的使用。将该类思想用于求解鲁棒控制、博弈以及海浪能转换装置的最优控制求解中；5）将所得到的理论研究成果在汽车主动振动控制、汽车发动机建模、机器人、三自由度直升机和伺服系统等进行了应用研究和实验验证。实验测试为后续可能的应用打下了坚实的基础。.该项目研究成果系统性地建立了面向瞬态性能增强的自适应控制系统设计和分析方法，通过修改参考模型、保证参数收敛、快速补偿学习误差、实现最优控制与自适应融合等多个角度改善了自适应系统瞬态性能，并解决了时变参数估计、持续激励条件在线判别等难题。本项目已有结果以及后续研究成果可作为自适应控制领域成果的有效补充，将会促进自适应控制和最优控制理论的发展。