⚡ electrical engineering

Adaptive Input Shaper Design for Unknown Second-Order Systems with Real-Time Parameter Estimation

Dieses Paper schlägt ein adaptives Feedforward-Input-Shaping-Framework vor, das eine Online-Parameterschätzung nutzt, um eine präzise Vibrationsunterdrückung in unbekannten Systemen zweiter Ordnung, wie beispielsweise Portalkranen und 3D-Druckern, zu ermöglichen, ohne dass vorheriges Wissen über die Systemdynamik erforderlich ist.

Ursprüngliche Autoren: Nyi Nyi Aung, Bradley Wight, Adrian Stein

Veröffentlicht 2026-01-27

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Nyi Nyi Aung, Bradley Wight, Adrian Stein

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, ein schweres, wackeliges Objekt zu bewegen – wie etwa einen Kran, der eine schwingende Last hebt, oder einen 3D-Druckkopf, der sich über einen Rahmen bewegt. Wenn Sie der Maschine einfach nur sagen, sie solle „schnell bewegen“, wird das Objekt vor und zurück schwingen, das Ziel überschießen und lange brauchen, um zur Ruhe zu kommen. Dies nennt man Vibration.

Um dies zu verhindern, nutzen Ingenieure normalerweise einen Trick namens Input Shaping. Stellen Sie sich das wie eine „Tanzchoreografie“ für die Maschine vor. Anstatt der Maschine nur zu sagen „los geht’s“, unterteilt der Computer die Bewegung in eine Serie von winzigen, perfekt getimten Schritten (einen Stoß, dann eine Pause, dann einen Stoß in die entgegengesetzte Richtung), die das Wackeln eliminieren, noch bevor es überhaupt entsteht.

Das Problem mit der alten Methode
Die Schwierigkeit besteht darin, dass man diese Choreografie perfekt ausführen kann, wenn man genau weiß, wie schwer das Objekt ist und wie wackelig es ist (seine „Eigenfrequenz“). Wenn man diese Zahlen nicht kennt, kann man die Schritte nicht richtig timen, und das Objekt schwingt weiter.

Frühere Methoden versuchten, diese Zahlen zuerst zu erraten, aber sie hatten eine strikte Regel: Man musste die Zahlen erraten, bevor man mit der Bewegung begann. Wenn das Erraten der Zahlen zu lange dauerte oder wenn man mit der Bewegung begann, bevor das Erraten abgeschlossen war, schlug der gesamte Plan fehl. Es war, als würde man versuchen, eine Tanzchoreografie zu lernen, während die Musik bereits spielt; wenn man den ersten Takt verpasst, ist man aus dem Rhythmus.

Die neue Lösung: „Der kurze Test und Los geht’s“
Dieses Paper stellt eine intelligentere, flexiblere Methode vor, um mit Maschinen umzugehen, über die wir nichts wissen (sogenannte „Black-Box“-Systeme). So funktioniert es, unter Verwendung einer einfachen Analogie:

Der winzige Tipp: Anstatt zu versuchen, die Zahlen im Voraus zu erraten, beginnt das System mit einem sehr kleinen, sanften „Tipp“ (einem winzigen Sprung-Input). Es ist wie das Anschlagen einer Glocke, um ihren Klang zu hören.
Zuhören und Lernen: Während die Maschine auf diesen winzigen Tipp reagiert, hört der Computer auf das Geräusch (die Vibration) und findet sofort heraus, wie wackelig das System ist und wie schnell es schwingt.
Der flexible Tanz: Sob sobald der Computer den Rhythmus kennt, berechnet er die perfekte „Tanzchoreografie“ (den Input Shaper), um die Vibration zu stoppen.
- Der große Durchbruch: Im Gegensatz zu den alten Methoden ist es für dieses neue System egal, wie lange die „Zuhörphase“ dauert. Ob man eine Fraktion einer Sekunde oder eine ganze Minute lang zuhört, der Computer kann dennoch die perfekte Tanzchoreografie berechnen, die nach dem Ende des Zuhörens beginnt. Er sagt effektiv: „Okay, ich habe den Rhythmus gelernt. Jetzt lassen Sie uns die Hauptbewegung zum exakt richtigen Zeitpunkt starten, um das Wackeln zu neutralisieren.“

Was sie herausgefunden haben
Die Autoren testeten dies an vielen verschiedenen Arten von „wackeligen“ Systemen, von sehr langsamen bis hin zu extrem schnellen.

Keine Oszillationen mehr: In jedem Test bewegte sich das System zu seinem Ziel und stoppte sofort, ohne vor und zurück zu schwingen.
Robustheit: Es funktionierte selbst dann, wenn die „Zuhörzeit“ länger war als erwartet. Das System geriet nicht durcheinander oder scheiterte; es passte lediglich das Timing der Tanzschritte an.
Geschwindigkeit: Für Systeme, die nicht wackeln (undämpft), fanden sie eine mathematische Abkürzung, um die Lösung sofort zu berechnen. Für Systeme, die wackeln, nutzten sie eine schnelle Computerberechnung, um das Ergebnis zu erhalten.

Zusammenfassend
Dieses Paper präsentiert einen „intelligenten Fahrer“ für Maschinen. Anstatt ein Handbuch zu benötigen, um zu wissen, wie sich die Maschine verhält, gibt der Fahrer der Maschine einen winzigen Anstoß, hört auf ihre Reaktion und findet dann sofort den perfekten Weg, sie zu bewegen, damit sie niemals wackelt. Es hebt die strikten Zeitregeln der Vergangenheit auf und macht es viel einfacher, Maschinen zu steuern, die wir noch nicht vollständig verstehen.

Die Autoren erwähnen ausdrücklich, dass dies nützlich für Portalkräne (Bewegen schwerer Lasten ohne Schwingen) und 3D-Drucker-Header (Präzision beim Bewegen des Druckkopfs ohne Zittern) ist, und sie haben ihren Code zur Verfügung gestellt, damit andere ihn ausprobieren können.

Technische Zusammenfassung: Adaptives Design eines Input Shapers für unbekannte Systeme zweiter Ordnung mit Echtzeit-Parameterschätzung

Problemstellung
Input Shaping ist eine weit verbreitete Feedforward-Regelungstechnik, die darauf abzielt, Restvibrationen in flexiblen oder unterdämpften Systemen durch die Faltung von Referenzbefehlen mit zeitverzögerten Filtern (Time-Delay Filters, TDF) zu unterdrücken. Das herkömmliche Design von Input Shapern stützt sich jedoch stark auf das Vorwissen über Systemparameter, insbesondere die Eigenfrequenz ( $\omega_n$ ) und das Dämpfungsverhältnis ( $\zeta$ ). In „Black-Box“-Szenarien, in denen diese Parameter unbekannt sind, oder in Anwendungen, bei denen die Systemdynamik variiert, versagen Standardmethoden. Während die bisherige Forschung versucht hat, die Echtzeit-Schätzung zu implementieren, bleibt eine signifikante Einschränkung bestehen: Bestehende geschlossene Ansätze (z. B. [22]) erfordern, dass die Zeit der Parameterschätzung ( $\tau$ ) strikt kürzer als die Schaltzeit des Systems ( $T$ ) ist. Wenn die Schätzdauer die Schaltzeit überschreitet, scheitert der Algorithmus daran, eine optimale Vibrationsunterdrückung zu erreichen, was die Flexibilität und Robustheit des Echtzeit-Einsatzes einschränkt.

Methodik
Die Autoren schlagen ein Feedforward-Regelungs-Framework vor, das eine Online-Parameterschätzung mit einem adaptiven Input Shaper Design für unbekannte Systeme zweiter Ordnung integriert. Die Methodik besteht aus zwei primären Phasen:

Online-Parameterschätzung:
Das System startet die Bewegung mit einem kleinen, skalierten Sprunginput ( $K \cdot x^*$ , wobei $K=0,01$ ) für eine benutzerdefinierte Dauer $\tau$ . Während dieser Phase wird die Systemantwort analysiert, um $\omega_n$ und $\zeta$ zu schätzen. Die Schätzlogik (Algorithmus 1) unterscheidet zwischen ungedämpftem, gedämpftem und kritisch gedämpftem Verhalten, indem sie die Steigung der Antwort, das Überschwingen ( $M_p$ ), die Einschwingzeit ( $T_s$ ) und die Peak-Intervalle untersucht.

Für ungedämpfte Systeme wird angenommen, dass $\zeta = 0$ ist, und $\omega_n$ wird aus dem Zeitintervall zwischen den Peaks berechnet.
Für kritisch gedämpfte Systeme wird angenommen, dass $\zeta = 1$ ist, und $\omega_n$ wird aus der Einschwingzeit abgeleitet.
Für unterdämpfte Systeme wird $\zeta$ aus dem Überschwingverhältnis berechnet, und $\omega_n$ wird aus der Peak-Zeit und $\zeta$ abgeleitet.

Adaptives Input Shaper Design:
Im Gegensatz zu bisherigen Methoden, die die Schätzzeit als eine Beschränkung behandeln, integriert das vorgeschlagene Framework die Schätzdauer $\tau$ und den Skalierungsfaktor $K$ explizit in die TDF-Formulierung. Die Übertragungsfunktion ist definiert als:
$G(s) = K + Ae^{-s(\tau+T)} + (1 - A - K)e^{-s(\tau+2T)}$
Diese Formulierung stellt sicher, dass die Schaltzeit $T$ erst nach der Schätzphase angewendet wird, wodurch die Performance des Shapers unabhängig von der gewählten Dauer $\tau$ wird.

Ungedämpfte Systeme: Die Autoren leiten eine geschlossene analytische Lösung für die Impulsamplitude $A$ und die Schaltzeit $T$ unter Verwendung der Weierstrass-Substitution und trigonometrischer Identitäten ab. Dies ermöglicht eine schnelle Berechnung ohne iteratives Lösen.
Gedämpfte Systeme: Aufgrund der Komplexität von Exponential- und Sinustermen wird ein numerischer Ansatz verwendet, um $A$ und $T$ zu lösen, indem der Real- und Imaginärteil der charakteristischen Gleichung Null gesetzt wird.

Zentrale Beiträge

Beliebige Schätzzeit: Der primäre Beitrag ist ein Framework, das die Beschränkung aufhebt, die eine Schätzzeit kürzer als die natürliche Schaltzeit des Systems erfordert. Die Methode funktioniert korrekt, unabhängig davon, ob $\tau < T$ oder $\tau > T$ gilt, was einen flexiblen Einsatz ermöglicht, bei dem die Schätzdauer basierend auf der Systemgeschwindigkeit benutzerdefiniert werden kann.
Geschlossene Lösung für ungedämpfte Systeme: Die Arbeit liefert eine neuartige analytische Ableitung für die optimalen Shaper-Parameter in ungedämpften Fällen, was eine schnelle Echtzeit-Implementierung ohne die Notwendigkeit numerischer Optimierung ermöglicht.
Black-Box-Anwendbarkeit: Der Ansatz eliminiert die Notwendigkeit einer vorherigen Systemidentifikation, wodurch er für Anwendungen geeignet ist, bei denen die Systemdynamik unbekannt oder im Voraus schwer modellierbar ist.
Robustheit gegenüber Parameterschwankungen: Die Methode wurde über einen weiten Bereich von Dämpfungsverhältnissen ( $\zeta \in [0, 1]$ ) und Eigenfrequenzen ( $\omega_n \in [\pi, 3000\pi]$ rad/s) validiert.

Ergebnisse
Simulationsergebnisse demonstrieren die Wirksamkeit des vorgeschlagenen Frameworks:

Vibrationsunterdrückung: In allen getesteten Szenarien (ungedämpft, gedämpft und kritisch gedämpft) folgt der Systemausgang der geformten Referenz mit vernachlässigbarem Überschwingen und ohne Restvibration.
Unabhängigkeit von der Schätzzeit: Im Gegensatz zur Methode in [22], die sich verschlechtert, wenn $\tau > T$ (was zu anhaltenden Oszillationen führt), behält die vorgeschlagene Methode eine hohe Performance unabhängig von der Schätzdauer bei.
Genauigkeit der Parameterschätzung: Der Schätzer (Algorithmus 1) zeigt eine enge Übereinstimmung mit den wahren Parametern in den meisten Fällen. Geringfügige Diskrepanzen wurden in kritisch gedämpften Systemen und bei sehr hochfrequenten Systemen ( $\omega_n = 3000\pi$ ) beobachtet, was auf die Schwierigkeit zurückzuführen ist, Peak-Zeiten und Einschwingzeiten mit festen Zeitschritten zu erfassen. Diese Schätzfehler führten jedoch nicht zu einer signifikanten Verschlechterung der finalen Vibrationsunterdrückung.
Schrittweise Verfolgung: Das System verarbeitet erfolgreich mehrere schrittweise Referenzänderungen (positiv, negativ und Null) und behält nach der initialen Schätzphase eine vibrationsfreie Verfolgung bei.

Bedeutung und Ansprüche
Die Autoren positionieren diese Arbeit als das erste Verfahren, das die Einschränkung der festen Schätzdauer in der Echtzeit-Input-Shaping-Regelung für beliebige Systeme zweiter Ordnung adressiert. Durch die Entkopplung des Shaper-Designs von der Bedingung, dass die Schätzung schneller als die natürliche Schaltzeit des Systems erfolgen muss, ermöglicht das Framework einen adaptiven Einsatz in diversen Bewegungssteuerungsanwendungen, wie z. B. Portalkränen oder 3D-Drucker-Schreibköpfen.

Die Autoren geben bescheiden an, dass die aktuelle Arbeit zwar auf Single-Mode-Systeme zweiter Ordnung fokussiert ist, aber als vorläufiger Schritt dient, um das Framework auf allgemeine Black-Box-Systeme auszuweiten. Sie merken an, dass die Abhängigkeit der Shaper-Parameter von der Systemdynamik auf das Potenzial hindeutet, den Online-Design-Block zukünftig durch ein trainiertes Regressionsmodell zu ersetgestellen, um die Effizienz zu erhöhen, wobei dies als zukünftige Arbeit und nicht als aktuelles Ergebnis angeführt wird. Der Code und die Modelle werden zur Unterstützung der Reproduzierbarkeit öffentlich zugänglich gemacht.

Technische Zusammenfassung: Adaptives Design eines Input Shapers für unbekannte Systeme zweiter Ordnung mit Echtzeit-Parameterschätzung

Mehr davon