⚡ electrical engineering

Observer Design for a Class of Systems Described by Differential-Algebraic Equations and Parameter Identification of an Unmeasured Disturbance

本文针对受非匹配扰动影响的线性描述符系统，提出了一种新颖的观测器设计与参数辨识方法，利用结构假设和一种新的参数化技术来重构状态向量并估计未知扰动参数，并通过数值仿真进行了验证。

原作者： Olga Oskina, Alexey Bobtsov

发布于 2026-07-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Olga Oskina, Alexey Bobtsov

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，你正在试图解决一个巨大的、复杂的拼图，其中有些碎片在移动，有些被卡住了，还有一个淘气的幽灵在不断地摇晃桌子。这篇论文是关于构建一个超级聪明的侦探（称为“观测器”），这个侦探能够即便在幽灵将其藏起来的情况下，也能准确判断出每个拼图碎片的精确位置，并识别出究竟是哪种幽灵在捣乱。

拼图：移动与固定碎片的混合体
大多数你在学校学到的系统都像是在路上行驶的汽车：一切随时间平滑变化。但本论文处理的是一类特殊的系统，称为“描述符系统”（或微分代数方程）。你可以把这些系统看作拥有两类变量：

动态碎片： 这些就像汽车的速度；它们随时间而变化和移动。
代数碎片： 这些就像一条规则，规定：“如果汽车位于 5 英里处，燃油表必须显示 20%。”它们不会自行移动；它们被锁定在与移动碎片之间的某种关系中。

作者研究的是一个“幽灵”（未知扰动）正在干扰拼图的系统。目标是构建一个侦探，既能猜出移动碎片的轨迹，又能弄清幽灵在做什么，甚至能识别出幽灵的秘密身份卡（未知的参数）。

侦探的策略：清理杂乱
论文指出，你不能只用标准的侦探工具来处理这些混合系统；这些工具会被“固定”的代数规则搞糊涂。作者提出了一套特定的规则，使这项工作成为可能：

“无幽灵”输出： 他们假设幽灵不会以一种无法追踪的方式直接接触最终报告（输出信号）。如果幽灵可以神奇地改变报告，而不通过系统规则留下任何痕迹，那么侦探就会陷入困境。论文明确要求，幽灵的影响在数学上必须是可以被分离出来的。
破解锁定： 他们表明，如果“固定”的规则是可解的（这是一个特定的数学条件，称为“秩”），那么你可以重写整个拼图。你可以将固定的碎片用移动的碎片和幽灵来表示。这把混乱的混合拼图转化为了一个更干净的标准移动拼图。

魔术技巧：将幽灵转化为直线
这是论文中最具创意的一步。通常，如果幽灵的行为依赖于复杂的、非线性的未知数字，那么寻找这些数字将是一场噩梦。作者提出了一个使用“时滞”的聪明技巧。

想象一下幽灵正在大声喊话。如果你记录下这段话，等一秒钟，再记录一次，再等一秒钟，再记录一次，再等一秒钟，第三次记录，你就得到了三个不同版本的同一声喊叫。作者利用这些延迟的版本来创建一个“混合”程序。

他们将重建的幽灵信号与其延迟副本进行混合。
通过一种被称为 DREM 方法的代数魔法，他们将复杂的、弯曲的关系转化为一条直线（线性回归）。
突然间，幽灵隐藏的未知数字变得易于识别，就像在图表上寻找一条直线一样简单。

模拟实验：它奏效了吗？
作者并没有仅仅停留在理论层面，他们构建了一个计算机模型来测试它。他们创建了一个包含 3 个变量（两个移动的，一个固定的）的虚拟系统，其中的幽灵发出了两种指数信号（类似于 $e$ 的幂）的混合声。

设置： 他们将幽灵的秘密数字设为 -0.1 和 -0.3。
测试： 他们运行了一个模拟，让他们的侦探尝试猜测移动部分和幽灵的身份。
结果： 模拟显示，侦探成功猜出了移动部分，并且误差（猜测值与真实值之间的差异）缩小到了几乎为零。幽灵的秘密数字也被正确识别，但仅是在一段“等待期”之后。

为什么需要等待期？
论文特别指出，你不能立即开始猜测幽灵的 ID。侦探需要时间来稳定下来，而且用于猜测信号“速度”的滤波器（因为你无法直接测量速度）需要时间来停止波动。作者计算了一个特定的时间 $T_{id}$ ，它是观测器稳定时间、滤波器稳定时间以及用于混合技巧的最长延迟时间之和。只有在经过这段时间后，你才能信任 ID 的猜测。

核心结论
这篇论文提出了一种为特定复杂系统构建侦探的方法。他们通过（计算机模拟）证明了，如果遵循他们的结构化规则——特别是确保幽灵不会绕过系统的代数锁——你可以：

重建系统的隐藏移动部分。
重建幽灵的信号。
将幽灵复杂的、未知的个性转化为一个可以计算出的简单的数字列表。

作者总结道，一旦你知道了幽灵的 ID，理论上你可以构建一个控制器来抵消它，但目前，他们仅展示了识别部分在计算机模拟中的有效性。该方法是处理那些“规则与运动同样重要”的系统的有力新工具。

技术摘要：具有未测扰动的描述符系统的观测器设计与参数辨识

问题陈述
本文研究了受未知非匹配扰动影响的一类线性时不变描述符系统（也称为微分代数方程）中的状态估计与参数辨识问题。在许多实际应用中——从电路到化学过程——系统受控于动态微分方程和静态代数约束。一个显著的困难在于，当仅有部分状态变量可测，且系统受到外部扰动的影响，而这些扰动既不可直接测量，也不通过与控制输入相同的通道进入系统（即非匹配扰动）时，如何进行处理。主要目标是构建一个观测器，用以估计状态向量的动态部分，并随后重建扰动信号，从而辨识其未知的常数参数。

方法论
所提出的解决方案基于特定的结构假设，遵循一个结构化的多阶段方法：

系统简化： 作者假设奇异矩阵 $E$ 具有特定的分块结构，使得系统可以分解为动态部分 ( $x_a$ ) 和代数部分 ( $x_b$ )。在代数子系统对于 $x_b$ 是可解的假设下，作者推导出了 $x_b$ 关于 $x_a$ 、已知输入 $u$ 和扰动 $\delta$ 的显式表达式。将此表达式代回动态方程，得到一个关于 $x_a$ 的降阶常微分方程 (ODE)。
扰动消除与观测器设计： 引入了一个关键的结构假设：简化后的输出方程不应具有直接的扰动馈送通道（即 $C_2 A_{22}^{-1} B_{22} = 0$ ）。这使得输出方程仅依赖于 $x_a$ 和 $u$ 。通过对输出进行微分，并利用扰动通道在状态方程中非零的条件（即 $C_3 B_{2a} \neq 0$ ），可以将扰动 $\delta(t)$ 显式地表示为状态、输入及输出导数的函数。
通过将该表达式代回状态方程，消除了扰动项，从而得到一个无扰动的 $x_a$ 微分方程。随后，针对该简化系统构建了一个未知输入观测器。为了避免直接微分噪声信号带来的实际困难，观测器通过坐标变换进行了重新表述，从而消除了对输出导数的直接需求，并利用稳定的阶一滤波器来估计输出和输入信号所需的导数。
扰动重建与参数辨识： 一旦获得状态估计值 $\hat{x}_a$ ，即可重建扰动信号 $\hat{\delta}$ 。本文重点研究一类扰动，这类扰动关于未知常数参数是非线性的，但可以通过已知的随时间变化的函数和时间延迟进行参数化。
为了辨识这些参数，作者提出了一种新颖的参数化方法。通过在重建的扰动信号中引入多个时间延迟，构建了一个扩展回归系统。通过一种“混合”程序（利用回归矩阵的伴随矩阵和行列式），他们将原始关于参数的非线性依赖关系转化为关于新常数参数组合的线性回归方程。这些组合随后使用标准的自适应算法（如梯度法或递推最小二乘法）进行估计。最后，通过代数运算从这些估计值中恢复出原始未知参数。

主要贡献

描述符系统的观测器设计： 本文提供了一种为含有非匹配扰动的线性描述符系统设计观测器的系统化方法，避免了在将描述符系统简化为标准 ODE 时常见的信息丢失问题。
扰动解耦的结构条件： 作者确定了在何种特定结构条件下（假设 4 和 5），扰动可以从状态估计动力学中通过代数方式消除，从而能够构建标准观测器来估计系统的动态部分。
非线性到线性的参数化： 一个重要的贡献是处理扰动信号关于未知参数呈非线性关系的方案。通过利用时间延迟和动态回归器扩展与混合 (DREM) 概念，作者成功地将非线性辨识问题转化为线性回归问题，从而便于使用鲁棒的标准估计技术。
实现策略： 本工作详细说明了实际应用中的实现问题，包括使用滤波器来近似导数，以及计算用于确保观测器和滤波器暂态过程已衰减后再开始参数估计的特定“起始时间” ( $T_{id}$ )。

结果
通过一个涉及三阶描述符系统的学术示例进行的数值模拟，验证了所提程序的有效性。模拟结果表明：

状态估计： 动态状态向量 $x_a$ 的估计误差收敛至零。
扰动重建： 重建的扰动信号 $\hat{\delta}$ 能够精确跟踪实际扰动。
参数辨识： 在初始暂态期后，扰动的未知参数 ( $\theta_1, \theta_2$ ) 收敛至其真实值，验证了所提出的线性化与辨识方案。

意义与主张
本文声称，所提出的方法论为观测和辨识描述符系统中的扰动提供了一个理论完备且具有实际应用价值的框架。作者强调，该方法允许重建扰动信号并辨识其参数，这是后续任务（如扰动补偿以及基于内模原理设计稳定控制器）的前提条件。这项工作强调，通过仔细分析系统的代数结构，可以克服标准观测器设计（依赖于向常微分方程的约简）的局限性，从而保留完整的系统信息并提高估计精度。文章最后谦逊地指出，数值模拟证实了在引入的假设下，估计误差（对于状态而言）收敛至零，或者（对于扰动和参数而言）收敛至零的邻域。

类似论文