⚡ electrical engineering

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

本文提出了一种自适应前馈输入整形框架，该框架利用在线参数估计，能够在无需预先获知系统动力学的情况下，实现对未知二阶系统（如龙门吊和3D打印机）的精确振动抑制。

原作者： Nyi Nyi Aung, Bradley Wight, Adrian Stein

发布于 2026-01-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Nyi Nyi Aung, Bradley Wight, Adrian Stein

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图移动一个沉重且摇晃的物体——比如正在吊起摆动负载的起重机，或者在框架上移动的 3D 打印机喷头。如果你只是告诉机器“快速移动”，物体就会前后摆动、冲过目标点，并且需要很长时间才能稳定下来。这被称为振动。

为了阻止这种情况，工程师通常会使用一种被称为**输入整形（Input Shaping）**的技巧。你可以把它想象成为机器编排的一段“舞蹈动作”。它不是简单地发出“出发”的指令，而是将运动分解为一系列经过完美定时处理的微小步骤（一次推力，然后停顿，再进行一次反向推力），从而在振动发生之前就将其抵消掉。

旧方法的缺陷
要完美地编排这段舞蹈，你需要准确知道物体的重量以及它的摇晃程度（即其“固有频率”）。如果你不知道这些数值，你就无法对齐步骤的时机，物体就会持续摆动。

以往的方法试图先去猜测这些数值，但它们有一个严格的规则：你必须在开始移动之前就猜出这些数字。 如果你的猜测耗时太长，或者你在猜测完成前就开始了移动，整个计划就会失败。这就像是在音乐已经开始播放时才试图学习一段舞蹈动作；如果你错过了第一个节拍，就会节奏失调。

新方案：“快速测试并执行”
这篇论文介绍了一种更聪明、更灵活的方法，用于处理我们一无所知的机器（被称为“黑盒”系统）。其工作原理如下，使用了一个简单的类比：

轻微敲击： 系统并不尝试预先猜测数值，而是从一个非常微小、轻柔的“敲击”（一个微小的阶跃输入）开始。这就像敲击一下铃铛来听它的回响。
倾听与学习： 当机器对这个微小敲击做出反应时，计算机通过“聆听”这种声音（振动），能够瞬间计算出系统的摇晃程度以及它摆动的速度。
灵活的舞蹈： 一旦计算机掌握了节奏，它就会计算出完美的“舞蹈动作”（输入整形器）来停止振动。
- 重大突破： 与旧方法不同，这个新系统并不关心“聆听”阶段需要多长时间。无论你是聆听一瞬间还是整整一分钟，计算机仍然可以在聆听结束后，计算出在精确的时刻开始主运动，以抵消振动。它实际上是在说：“好了，我已经掌握了节奏。现在，让我们在恰好的时刻开始主要动作，以抵消掉摇晃。”

研究发现
作者在许多不同类型的“摇晃”系统上进行了测试，从非常缓慢的系统到极其快速的系统。

不再有振荡： 在每一次测试中，系统都移动到了目标位置并立即停止，没有出现前后摆动的情况。
鲁棒性（稳健性）： 即使“聆听”时间比预期长，该系统依然有效。系统不会产生混乱或失败，它只会调整舞蹈步骤的时机。
速度： 对于不产生摇晃（无阻尼）的系统，他们发现了一个可以瞬间计算出解的数学捷径。对于会产生摇晃的系统，他们则使用了快速的计算机计算来获取答案。

总结
这篇论文为机器提供了一个“智能驾驶员”。它不需要通过说明书来了解机器的行为，而是给机器一个微小的推动，聆听它的反应，然后瞬间计算出移动它的完美方式，使其永不摇晃。它打破了过去严格的计时规则，使得控制那些我们尚未完全理解的机器变得更加容易。

作者特别提到，这对于龙门起重机（移动重物而不摆动）和 3D 打印机喷头（精确移动喷头而不抖动）非常有用，并且他们已经开放了代码供他人尝试。

技术摘要：针对未知二阶系统的自适应输入整形设计与实时参数估计

问题陈述
输入整形是一种广泛使用的前馈控制技术，旨在通过将参考指令与时延滤波器（TDF）进行卷积，来抑制柔性或欠阻尼系统的残余振动。然而，传统的输入整形设计高度依赖于对系统参数（特别是自然频率 $\omega_n$ 和阻尼比 $\zeta$ ）的先验知识。在“黑盒”场景下（即参数未知时），或者在系统动力学发生变化的实际应用中，标准方法会失效。尽管之前的研究尝试过实时估计，但仍存在一个显著的局限性：现有的闭式解方法（例如 [22]）要求参数估计时间 ( $\tau$ ) 必须严格短于系统的切换时间 ( $T$ )。如果估计持续时间超过了切换时间，算法将无法实现最优的振动抑制，从而限制了实时部署的灵活性和鲁棒性。

方法论
作者提出了一种将在线参数估计与针对未知二阶系统的自适应输入整形设计相结合的前馈控制框架。该方法由两个主要阶段组成：

在线参数估计：
系统通过一个微小的、缩放后的阶跃输入（ $K \cdot x^*$ ，其中 $K=0.01$ ）启动运动，持续时间为用户定义的 $\tau$ 。在此阶段，通过分析系统响应来估计 $\omega_n$ 和 $\zeta$ 。估计逻辑（算法 1）通过检查响应斜率、超调量 ( $M_p$ )、调节时间 ( $T_s$ ) 和峰值间隔，来区分无阻尼、阻尼和临界阻尼行为。
- 对于无阻尼系统，假设 $\zeta = 0$ ，并根据峰值之间的时间间隔计算 $\omega_n$ 。
- 对于临界阻尼系统，假设 $\zeta = 1$ ，并从调节时间中推导 $\omega_n$ 。
- 对于欠阻尼系统，从超调比计算 $\zeta$ ，并从峰值时间及 $\zeta$ 推导 $\omega_n$ 。
自适应输入整形设计：
不同于将估计时间视为约束条件的以往方法，所提出的框架将估计持续时间 $\tau$ 和缩放因子 $K$ 显式地纳入 TDF 的公式中。其传递函数定义为：
$G(s) = K + Ae^{-s(\tau+T)} + (1 - A - K)e^{-s(\tau+2T)}$
该公式确保了切换时间 $T$ 仅在估计阶段之后才生效，使得整形器的性能与所选的 $\tau$ 无关。
- 无阻尼系统： 作者利用魏尔斯特拉斯代换（Weierstrass substitution）和三角恒等式，推导出了脉冲幅值 $A$ 和切换时间 $T$ 的闭式解析解。这实现了快速计算，无需迭代求解。
- 阻尼系统： 由于指数项和正弦项的复杂性，采用数值方法通过令特征方程的实部和虚部为零来求解 $A$ 和 $T$ 。

核心贡献

任意估计时间： 主要贡献在于提出了一个移除“要求估计时间必须短于系统切换时间”这一约束的框架。该方法无论在 $\tau < T$ 还是 $\tau > T$ 的情况下均能正常工作，从而实现了灵活的部署，使用户可以根据系统速度自定义估计时长。
无阻尼系统的闭式解： 本文提供了无阻尼情况下最优整形器参数的新颖解析推导，促进了快速、实时的实现，无需进行数值优化。
黑盒适用性： 该方法消除了对先验系统辨识的需求，使其适用于系统动力学未知或难以预先建模的应用场景。
对参数扫描的鲁棒性： 该方法在广泛的阻尼比范围（ $\zeta \in [0, 1]$ ）和自然频率范围（ $\omega_n \in [\pi, 3000\pi]$ rad/s）内得到了验证。

结果
仿真结果证明了所提框架的有效性：

振动抑制： 在所有测试场景（无阻尼、阻尼和临界阻尼）中，系统输出能够追踪整形后的参考指令，几乎没有超调且无残余振动。
估计时间无关性： 与 [22] 中当 $\tau > T$ 时性能下降（导致持续振荡）的方法不同，所提方法无论估计持续时间如何，都能保持高性能。
参数估计准确度： 估计器（算法 1）在大多数情况下与真实参数高度一致。在临界阻尼系统和极高频系统（ $\omega_n = 3000\pi$ ）中观察到轻微偏差，这归因于使用固定时间步长捕捉峰值时间和调节时间的难度。然而，这些估计误差并未显著降低最终的振动抑制性能。
阶跃跟踪： 系统成功处理了多次阶跃式参考变化（正向、负向和零向），并在初始估计阶段后保持了无振动的跟踪。

意义与声明
作者将这项工作定位为第一个解决实时输入整形中针对任意二阶系统存在固定时长估计限制的方法。通过将整形器设计与“估计必须快于系统自然切换”这一约束解耦，该框架能够在多样化的运动控制应用（如龙门吊和 3D 打印机喷头）中实现自适应部署。

论文谦虚地指出，虽然目前的工作侧重于单模态二阶系统，但它为将该框架扩展到通用黑盒系统奠定了初步基础。作者提到，由于整形器参数对系统动力学的依赖性，未来有可能使用训练好的回归模型来替代在线设计模块以提高效率，但这被列为未来的研究方向而非当前的研究结果。代码和模型已公开提供，以支持可重复性。

技术摘要：针对未知二阶系统的自适应输入整形设计与实时参数估计

类似论文