Revisiting Certainty Equivalence: The Structural Coupling Between Estimation and Control in Underactuated Nonlinear Systems

技术摘要：重新审视欠驱动非线性系统中的确定性等价性

问题陈述
确定性等价（Certainty Equivalence, CE）原理允许状态估计器与控制器进行独立设计，这是线性控制理论的基石，但在非线性设定下缺乏严格的有效性。在欠驱动非线性系统中，由于系统动力学和输出映射显式地依赖于状态，估计与控制之间的分离机制会发生崩溃。估计误差（$\tilde{x}$）不仅仅作为外生扰动存在；它们会在闭环（closed-loop, CL）系统中诱发内在的结构性耦合。

在剧烈瞬态或高速机动期间，这种耦合表现为高阶交互项和基于创新的扰动（innovation-based disturbances）。传统方法通常假设估计误差保持微小或演化得更快，但当可观测性受限或具有状态依赖性时，这一假设会失效。因此，依赖估计状态（$\hat{x}$）而非真实状态（$x$）的控制器会遭受稳定性裕度下降、跟踪误差增大以及潜在发散的风险，特别是在控制律试图基于不完美信息进行代数抵消非线性项时。

方法论
作者提出了一个统一框架，将估计器-控制器交互视为闭环系统的内在属性，而非未建模的扰动。

1. 结构分析： 系统被表述为“估计跟踪误差坐标”（$\hat{\epsilon} = \hat{x} - x_{ref}$）。通过分析误差动力学，作者证明了状态依赖型非线性会诱发涉及估计误差 $\tilde{x}$ 和观测器增益 $L_{\hat{x}}$ 的耦合项。
2. 稳定性表征： 利用李雅普诺夫理论（Lyapunov theory），本文推导了跟踪误差有界的解析条件。文中引入了一个核心概念——分离指数（Separation Index, $\rho$），定义为标称耗散率（$\lambda$）与估计耦合强度（$\mu$）的比值。
   • 若 $\rho \gg 1$，系统表现为收缩（稳定性）。
   • 若 $\rho \approx 1$，系统达到平衡（有界振荡）。
   • 若 $\rho \ll 1$，系统经历扩张（不稳定性）。
     该分析确立了跟踪误差被限制在一个“不变误差管”（Invariant Error Tube）内，该管由估计误差底线（内边界）和耗散顶峰（外边界）界定。
3. 估计感知（Estimation-Aware, EA）控制： 为了缓解确定性等价性的失效，作者提出了一种**估计感知（EA）**控制范式。该方法将一个可测量的估计不确定性描述符 $\eta(t)$（例如估计误差的范数或协方差矩阵的行列式）显式地纳入反馈律中。
   • EA 策略通过补偿项 $\Delta(\eta)$ 对标准控制律（如增量非线性动态反转，INDI）进行增强。
   • 该项充当算法缓冲器：当估计置信度高时，系统表现为标称状态；当不确定性增加时（例如在高速机动期间），控制器会动态衰减增益或对耦合状态进行跨投影，以防止估计噪声的放大。

主要贡献
本文做出了三个主要贡献：

1. 统一表述： 它形式化了非线性架构中估计与控制之间的内在闭环耦合，推导出了显式将估计精度与可跟踪性联系起来的解析跟踪界限。
2. 经验表征： 作者使用高保真度四旋翼无人机数值模拟进行了严格的验证协议。这为不同动态条件下的闭环稳定性裕度和跟踪带宽扩展提供了可量化的基准。
3. 架构无关性： 提出了一种模块化、与滤波器及控制器无关的框架。该方法适用于平滑的欠驱动非线性系统，并旨在实现完全的可重复性。

结果
所提出的 EA 框架在执行复杂 3D 轨迹且速度高达 57.6 km/h (16 m/s) 的四旋翼任务中进行了评估。

• 跟踪性能： 与基于 CE 的基准控制器相比，EA 控制律显著降低了跟踪误差。在测试的最高速度（16 m/s）下，EA 控制器实现了 39.66% 的跟踪带宽提升，并将跟踪误差降低了高达 40.1%。
• 稳定性裕度： 频域分析显示，EA 控制律在高速度下将稳定性裕度（特别是增益裕度）提高了达 55.10%，并将相位裕度提高了 32.99%。
• 瞬态行为： EA 控制器展示了更优越的瞬态阻尼，将闭环极点推向左半平面更深处（$\sigma \approx -2.8$ 对比基准的 $-2.4$），从而抑制了高速下常见的跨耦合引起的振荡模式。
• 鲁棒性： 在基准控制器趋于饱和与发散的情况下，EA 框架成功维持了稳定性和控制能力，有效地解耦了高速机动期间由估计引起的反馈回路。

意义与主张
本文主张，确定性等价性的失效不仅是由于未建模动力学或噪声，而是基于估计的非线性控制中一种内在且基本的属性。通过从渐近收敛目标转向误差管内的前向不变性（forward invariance），所提出的 EA 框架提供了一种数学上严谨的替代方案。

作者断言，即使在未知环境中面临传感器和遥测中断时，该方法也能实现状态连续性，支持敏捷任务。该框架对于现代自主系统具有重要意义，因为这些系统必须在严苛的传感器约束和高动态压力下运行。结果表明，虽然在低速时性能增益较小，但 EA 架构为应对随着飞行速度增加而出现的结构性跨耦合和可观测性退化提供了必要的韧性，确保了在传统基于分离原理的设计失效时仍能实现鲁棒运行。