⚡ electrical engineering

Tracking Through Decoupling Singularities: A Singularity-Robust Homotopy-Continuation Extension of Feedback Linearization

本文提出了一种针对平方非线性系统的奇异性鲁棒轨迹跟踪控制器，该控制器通过将问题重构为实时弧长同伦延续，克服了解耦奇异性，从而实现了在传统反馈线性化失效的点处仍能保持有界控制和连续跟踪。

原作者： Alex Borisevich

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Alex Borisevich

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，你正在驾驶一辆高科技机器人车，需要完美地沿着蜿蜒的道路行驶。通常情况下，汽车的计算机使用一个超级智能的地图（称为反馈线性化）来精确计算轮子需要转动多少度以保持在路径上。这就像有一个 GPS 在告诉你：“现在向左转 30 度”，而汽车完美地执行了指令。

但有时，道路会遇到一个奇怪的点——一个奇异点（singularity）。也许是一个急转弯，地图要求：“为了跟随这条线，你需要让轮子转动得无限快！”或者“道路在瞬间消失了！”在现实世界中，你的车不能让轮子转动得无限快，否则它会损坏、熄火或冲出道路。几十年来，当机器人遇到这些点时，它们要么崩溃，要么停止，或者不得不切换到一种完全不同的、笨拙的备用方案。

这篇论文介绍了一种在不发生碰撞、不切换方案、也不让轮子失控的情况下，穿过这些“不可能”区域的新方法。作者将其称为奇异点鲁棒同伦延续扩展（Singularity-Robust Homotopy-Continuation Extension）。这个名字很绕口，让我们用一个故事来拆解它。

问题所在：无限转动

把机器人的地图想象成一个数学方程。当机器人遇到奇异点时，方程会尝试除以零。在数学中，这是一场灾难。在机器人身上，这意味着转向轮子的指令变成了一个如此巨大的数字，大到几乎是无穷大。论文表明，如果你在这些点附近仍使用旧的“完美地图”法，控制信号就会爆炸。

解决方案：“绕路”技巧

作者的大胆想法是不再试图直接求解那个不可能的方程。相反，他们在问题中增加了一个秘密的额外维度。

想象你正试图穿过一面墙。你无法穿过它，也无法轻松绕过它。但如果你可以暂时进入一个不存在这面墙的平行宇宙，走过墙曾经存在的位置，然后再回到我们的世界呢？

这就是该方法所做的。它获取机器人的当前位置和目标目的地，并增加了一个“同伦方向”（我们称之为魔力绕路向量）。

增广地图： 计算机不再仅仅观察道路，而是构建了一个包含这个魔力绕路的更大、更立体的 3D 地图。
最小范数解： 当机器人遇到“无限转动”的点时，计算机不再强行进行那个不可能的转动。相反，它会询问：“在保持轨道的同时，我们能做出的最合理、最小的动作是什么？”它使用一种叫做Moore–Penrose 解的数学工具（可以将其理解为解决破碎谜题时“最礼貌”的方式）来寻找一条保持有界的路径。
结果： 机器人以有界（安全、有限）的控制信号滑过奇异点。它不会趋于无穷大；它只是进行了一个微小的、平滑的绕行，并在之后立即回到道路上。

两种穿越方式：反射 vs. 分支穿越

这里非常精彩。当机器人遇到道路的“折叠”（即路径自身折回的点，类似于 U 型转弯）时，该方法必须做出选择。论文证明了处理这种情况恰好有两种方式，而选择取决于你如何设置“绕路”方向：

反射（弹跳）： 如果前方道路被阻断（例如死胡同），机器人会撞向奇异点，沿着边缘滑动片刻，然后沿着原路弹回。这就像球撞到墙壁后滚回原处。论文表明这是一种稳定的、安全的行为，机器人会停留在解的同一个“分支”上。
穿越（翻转）： 如果道路在另一侧继续延伸（例如跨越峡谷的桥梁），机器人可以选择翻转到另一侧。它会穿越奇异点并继续在一条完全不同的路径上行驶。论文表明这是可能的，但需要非常特定的设置。如果你在不该穿越时尝试穿越，机器人可能会在瞬间“解锁”并失去对路径的掌控。

作者通过模拟证明了其有效性。他们在以下设备上进行了测试：

2 自由度机器人手臂（一个有两个关节的简单机器人）。当机械臂伸展到最大触及范围（一个奇异点）时，旧方法要求关节以 2200 万弧度/秒 的速度旋转（这是不可能的）。新方法则将速度控制在 3 弧度/秒 以内，并根据设置平滑地弹回或穿越。
功率转换器（一种改变电压的设备）。这种设备有两种“不可能”的点：一种是模式切换（升降压）时，另一种是达到共振时。新控制器处理了这两种情况，保持了控制信号的有界性，而旧方法要求的信号比新方法大 100,000 倍。

这并不意味着什么（规则）

了解这篇论文没有声称什么非常重要。

它并不能修复损坏的机器人： 如果机器人的内部动力学是不稳定的（比如一辆引擎坏了、开起来会起火的汽车），这种方法救不了它。论文明确指出，该方法要求系统是“最小相位”（内部稳定）的才能奏效。
它并没有创造新的超能力： 它不会让机器人变得更强或更快。它只是防止机器人在数学变得诡异时崩溃。
它不是解决所有问题的万能药： 论文证明这适用于“方阵”系统（控制数量等于输出数量）以及具有特定“相对阶”（控制影响输出所需的步骤数）的系统。它并未声称能解决宇宙中所有类型的机器人问题。

他们的信心有多大？

作者对数学逻辑非常有信心。他们通过定理证明了：

控制信号永远不会趋于无穷大（它是保持有界的）。
机器人会以极小的误差追踪路径（误差与 $1/k$ 成正比，其中 $k$ 是你设置的增益）。
穿越奇异点后，机器人会“重新锁定”到路径上并再次实现完美追踪。

他们还通过计算机模拟了这些结果。在模拟中，新方法完全符合数学预测。旧方法表现得极其糟糕（要求无穷大或巨大的控制信号），而新方法则保持冷静且有界。

总结

这篇论文就像是为机器人发明了一种新的转向系统，这种系统知道如何处理数学上的“死胡同”。当地图失效时，机器人不再崩溃，而是进行一次经过计算的小型绕行，滑过那个不可能的点，然后重新回到道路上。这是一种鲁棒且安全的方法，即使在数学指示应该停止时，也能让机器人持续运动。作者指出，虽然这不能解决所有问题，但它解决了困扰工程师已久的某一类非常具体的、棘手的崩溃问题。

技术摘要：通过同伦延拓实现穿越解耦奇异性的跟踪

1. 问题陈述

输入-输出反馈线性化是针对具有明确相对阶非线性系统的标准跟踪控制技术。然而，该方法在解耦奇异性（decoupling singularities）处失效，即解耦矩阵 $\Lambda(x)$ 失去秩（即 $\det \Lambda(x) = 0$ ）的轨迹集合。在这些点上，相对阶丢失，线性化控制律 $u = \Lambda^{-1}(v - a)$ 会变得无界，且通常无法通过简单的切换策略或近似方法实现轨迹跟踪。

现有方法（如阻尼最小二乘法，DLS）通过牺牲奇异性附近的跟踪精度来换取控制量的有界性，但在常规区域会引入误差，且缺乏一个严谨的标准来判断特定的奇异性是否可以被穿越。其他方法依赖于预设轨迹或针对特定机械系统（如二型并联机构）的动态互易条件，但并未为任意方阵控制仿射系统提供一个通用的统一框架。

本文旨在解决的问题是：在保持控制量有界的条件下，跟踪经过孤立解耦奇异性的参考轨迹，且无需进行分类讨论或在不同的控制律之间进行切换。

2. 方法论

所提方法将轨迹跟踪问题重新构建为一个实时弧长同伦延拓（real-time arc-length homotopy continuation）问题。该控制器不再直接对解耦矩阵 $\Lambda(x)$ 求逆，而是将跟踪问题嵌入到一个单参数方程族中，同时求解状态速度和同伦参数。

核心机制

增广雅可比矩阵： 该方法使用增广矩阵 $A = [\Lambda(x) \mid b]$ 取代奇异的解耦矩阵 $\Lambda(x)$ ，其中 $b$ 是一个同伦方向向量，定义为 $b(t) = h(x_0) - y^*(t)$ （锚点状态与参考值之间的差异）。
最小范数解： 控制输入 $u$ 和同伦参数的变化率 $\dot{\mu}$ 被计算为如下线性系统的最小范数（Moore–Penrose）解：
$A \begin{bmatrix} u \\ \dot{\mu} \end{bmatrix} = -B$
其中 $B$ 代表漂移项和参考跟踪误差项。
横截条件（Transversality Condition）： 该方法依赖于一个横截条件： $w^T b \neq 0$ ，其中 $w$ 是 $\Lambda(x)$ 左零空间的向量。该条件确保同伦方向 $b$ 在不可控模态方向上具有非零分量，从而使得即使在 $\Lambda(x)$ 降秩一个时，增广矩阵 $A$ 仍能保持满行秩。
取向与行为： 控制器包含一个标量增益 $k$ $k$ 和一个锁定误差 $e = t - \mu$ $e = t - μ$ 。在奇异性（特别是惠特尼折叠，Whitney fold）处的行为由 $A$ $A$ 的核向量 $\hat{n}$ $\overset{n}{^}$ 的取向决定：
- 反射（Reflection, $\rho \geq 0$ ）： 控制器保持同伦参数的单调性。在折叠处，状态沿着奇异集“滑动”并反射回进入的分支。这是默认的稳定行为。
- 穿越（Crossing/Continuity）： 控制器保持解曲线的连续切向。这允许状态穿越奇异性到达另一分支，尽管这可能会导致较大的瞬态响应以及参数锁定功能的暂时丢失。

扩展

动力学系统： 对于动态控制仿射系统，该方法可以直接应用于解耦矩阵 $\Lambda(x) = Dh(x)g(x)$ 。如果系统是最小相位的（内部零动态是稳定的），则可以保证全状态的有界性。
任意相对阶： 对于相对阶 $r > 1$ 的系统，该方法使用滤波误差缩减。定义一个滤波后的跟踪误差 $\sigma$ ，使系统表现得像是相对阶为一，从而可以应用相同的增广策略。

3. 主要贡献

本文做出了五个主要的理论与实践贡献：

核结构引理： 对增广过程何时修复秩亏损进行了严格表征。证明了如果满足横截条件，增广矩阵 $A$ 将保持满秩，但“反馈能力”（对应于同伦参数的核向量分量）恰好在奇异点处坍缩为零。
有界穿越定理： 证明了在横截条件下，控制器产生的控制输入是有界的，穿越期间跟踪误差保持有界（其瞬态偏差与在奇异点附近停留的时间成比例），并且系统在穿越后会指数级地重新锁定到参考值。
反射与穿越的二分法： 解决了在一般折叠处的行为问题。论文证明了核取向的选择决定了系统是发生反射（滑动并返回）还是穿越（通过另一分支）。研究表明，反射情况表现为 Filippov 滑模，而穿越则对应于遍历折叠覆盖的 $Z/2$ 单值性（monodromy）。
向高相对阶的推广： 通过滤波误差缩减将该方法推广到任意相对阶，并证明了这些系统的有界性和重新锁定特性同样成立。
与反馈线性化的相容性： 证明了在远离奇异性时，该控制器与精确的输入-输出反馈线性化在 $O(1/k)$ 误差范围内是恒等的，从而确保在常规工作区域不会产生精度损失。

4. 仿真结果与验证

通过对四个不同系统的数值仿真验证了该理论：

标量三次系统： 一个具有三次输出映射的单自由度系统。控制器成功跟踪了一个扫过两个解耦奇异性的参考轨迹，在朴素的反转法导致控制量发散（达 $10^4$ 数量级）时，该控制器保持了控制量的有界。
二自由度平面机械臂： 控制器跟踪一条迫使机械臂达到完全伸展（运动学奇异点）的圆形轨迹。
- 在反射取向下，机械臂到达奇异点，沿边界滑动并返回，关节速度保持有界（ $<3$ rad/s），而朴素的速率需求会导致约 $10^7$ rad/s 的速度。
- 在穿越取向下，机械臂成功翻转了其肘部构型（ $q_2$ 从正变为负），展示了改变工作模式的能力，尽管伴随较大的瞬态过程。
动态相对阶一及二类植物（Plants）： 在动态系统上的仿真确认，该方法在处理控制奇异性的同时，能保持内部状态有界（基于最小相位假设）。控制器能以有界努力通过奇异点，而反馈线性化则会发散。
双主动桥（DAB）串联谐振变换器： 一个电力电子的应用，其中稳态特性被视为输出映射。控制器处理了两种不同的奇异性：
- 升降压折叠（Buck/Boost Fold）： 一个横截穿越，调制参数通过模态转换。
- 谐振奇异性： 在谐振频率处的反射，此时功率增益达到最大。控制器在谐振峰处自然发生反射，从而保持了零电压开关（ZVS）特性，避免了朴素反转法所需的无界频率指令。

5. 意义与主张

本文声称提供了一种具有奇异性鲁棒性的反馈线性化扩展方案。其意义在于：

统一框架： 它提供了一个适用于常规跟踪和穿越奇异性跟踪的单一公式，消除了对切换逻辑或分类讨论的需求。
无精度损失的有界性： 不同于阻尼最小二乘法（通过牺牲精度换取有界性），该方法在常规区域是精确的（至 $O(1/k)$ ），仅在奇异点处引入有界的瞬态过程。
几何洞察： 它阐明了穿越奇异性所需的几何条件（横截性），并明确了维持参数锁定与改变解分支之间的权衡。
实际适用性： 该方法在多种系统（从简单的运动学模型到复杂的电力电子变换器）上得到了验证，表明它可以根据物理约束和取向选择，处理“穿越”或“反射”场景。

作者谦虚地指出，该方法并未扩大系统在结构属性上的可调节类（它仍然要求具有明确的相对阶和最小相位零动态）。相反，它扩大了给定系统的可操作包络范围，使其能够穿越那些原本会导致控制发散的轨迹。论文结论认为，虽然该方法不能在不存在控制能力的地方凭空创造控制能力，但它为可移除的奇异性提供了一种优雅且有界的失效模式。