🔢 mathematics

Active Disturbance Rejection for Boundary Control Systems

本文提出了一种自抗扰控制（ADRC）策略，用于在存在未知输入扰动和未建模非线性的情况下，使抽象边界控制系统以及特定的偏微分方程（如波动方程和热传导方程）保持稳定。

原作者： Jukka-Pekka Humaloja, Lassi Paunonen

发布于 2026-07-22

📖 1 分钟阅读🧠 深度阅读

原作者： Jukka-Pekka Humaloja, Lassi Paunonen

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，你正试图驾驶一艘巨大的、隐形的船，穿行在波涛汹涌的大海中。这艘船就是你的机器、你的机器人，甚至是一座在风中摇摆的桥梁。在工程领域，这被称为“控制理论”。目标很简单：保持船只平稳并按既定航线行驶。但问题在于：海洋充满了惊喜。会有你没预料到的突发巨浪（扰动），而且船的引擎可能会有某种蓝图从未提及的古怪、难以预测的习惯（非线性）。如果你仅凭一份关于船只“应该”如何表现的地图来驾驶，你就会撞毁。你需要一位能够感知风向、预判波浪并瞬间修正舵角的舵手。这就是“边界控制”的挑战——你试图通过只触碰系统的边缘来控制一个庞大的系统，就像握着一根长长的、有弹性的杆子，并试图仅通过握住手柄来阻止它晃动。

几十年来，工程师们一直使用一种被称为“主动扰动抑制控制”（ADRC）的巧妙技巧。把它想象成一个超级智能的自动驾驶仪，它不仅仅是遵循地图；它的脑海中运行着一个船只的“幽灵”版本。这个幽灵观察着真实的船，如果真实的船被浪潮推挤，幽灵也会感受到那股推力。通过对比两者，自动驾驶仪可以精确猜出浪潮撞击的力量有多大，并以相等的力进行反向推挤以抵消它。这就像一副降噪耳机，它能听到喷气发动机的轰鸣，并瞬间播放出完全相反的声音来使其静音。但直到现在，要让这种方法在像金属棒中的热量扩散或海滩上的浪潮这样巨大的复杂系统上奏效，在数学上仍然非常困难，尤其是当系统具有隐藏的、奇怪的行为时。

Jukka-Pekka Humaloja 和 Lassi Paunonen 的这篇论文将这种“降噪”的思想转化为一个严密的数学引擎，使其适用于一类全新的庞大系统。作者解决了一个特定的问题：如果你试图控制的系统是一个“抽象边界控制系统”会怎样？这是一种高级说法，指的是由偏微分方程（PDEs）描述的系统——即用于处理热量、声音和光线的数学——其中你只能在边缘处进行控制。论文证明，你可以设计出一个控制器，它不仅能使这些系统稳定下来，还能估计并抵消“总扰动”。这个总扰动是未知外部力量（如突如其来的阵风）和未知内部特性（如受热后变得粘滞的电机）的结合体。

作者展示了通过使用一种包含三个主要部分的特定结构——一个用于隔离控制信号的“分离器”、一个用于猜测扰动的“逆转器”以及一个用于追踪状态的“观测器”——你可以让系统迅速趋于零（停止运动或停止升温）。他们证明，即使系统具有随规模增长的非线性（奇特行为），只要这种增长不是过快，该方法依然有效。论文并不仅仅说“它可能奏效”，而是提供了一个数学证明，证明该系统具有唯一解，且误差会呈指数级缩小。他们通过将新理论应用于两个经典案例来证明这一点：振动的弦（波动方程）和加热棒（热传导方程）。对于波动方程，他们展示了控制器如何停止震动。对于热传导方程，他们展示了如何让加热棒冷却下来，尽管热流的反转数学过程极其困难且通常是不稳定的。论文证实，热传导的“平滑”特性实际上有助于控制器工作，将数学上的弱点转化为了优势。

简而言之，这篇论文为工程师们提供了一个全新的、在数学上坚实的工具包，用以构建能够应对未知的鲁棒控制器。它证明了，只要你使用正确的“幽灵”系统来预测麻烦并予以反击，即使你并不完全了解外界正在冲击你，或者系统是如何表现异常的，你依然可以驯服这些庞大的、由边缘控制的系统。研究结果被证明是指数稳定的，这意味着系统不仅仅是最终会停止，而是会快速停止并保持稳定，即使面对持续且未知的扰动也是如此。

技术摘要：边界控制系统的主动扰动抑制技术

问题陈述
本文研究了受未知输入扰动和未建模非线性影响的无限维线性系统及偏微分方程（PDE）的稳定性问题。具体而言，作者考虑了如下形式的抽象边界控制系统：
$\dot{x}(t) = Ax(t), \quad x(0) = x_0$
$Bx(t) = u(t) + d(t) + \phi_s(x(t)) + \phi_o(y(t))$
$y(t) = Cx(t)$
其中 $x$ 是状态， $u$ 是控制输入， $y$ 是输出。该系统受到未知扰动信号 $d(t)$ 以及状态相关非线性 $\phi_s$ 和输出相关非线性 $\phi_o$ 的干扰。目标是设计一个控制器来估计并消除“总扰动” $d_{tot} = d + \phi_s(x) + \phi_o(y)$ ，使状态 $x$ 在 $t \to \infty$ 时趋于零，同时确保外部良定性（well-posedness）。

方法论
作者在抽象边界控制系统的框架内采用了**主动扰动拒绝控制（ADRC）**方法。其核心方法论包括：

总扰动估计： 控制器利用一个“逆”系统来估计总扰动。通过将定义输入的边界条件重新解释为测量值，并将输出边界迹（traces）作为新的边界条件，作者构建了一个估计器。如果逆系统具有定义明确且稳定的动力学特性，则估计误差将收敛至零。
控制器结构： 所提出的控制器由三个主要部分组成：
- 分离器（Separator）： 一个预稳定模块，在进行反转之前从原始系统动力学中移除控制输入 $u$ 。
- 反转器（Inverter）： 一个动态系统，通过反转输入-输出关系来估计未知部分的输入（ $d_{tot}$ ）。
- Luenberger型观测器： 一个针对原始系统的线性观测器，利用扰动估计值 $\hat{d}$ 来近似未知输入，并渐近地抵消其影响。
数学框架： 分析依赖于希尔伯特空间中良定边界节点和线性系统的理论。作者为包含原系统及其控制器（控制器本身是一个带有内部环路的系统）的闭环系统定义了经典解和广义解。他们利用传递函数、半群理论和算子解析度估计（resolvent estimates）来建立稳定性和良定性。

主要贡献与结果
本文提出了两个主要定理，为边界控制系统中的 ADRC 奠定了理论基础：

定理 3.2（标准良定性）： 在关于逆系统良定性的特定假设下（具体为逆边界节点具有良定的输出映射），作者证明了：
- 非线性闭环系统经典解和广义解的存在性与唯一性。
- 扰动估计误差（ $\hat{d} - d_{tot}$ ）指数级收敛至零。
- 在底层半群是指数稳定的前提下，闭环状态和输出呈指数稳定。
- 闭环系统的外部增量良定性。
定理 3.6（抛物型系统的放宽条件）： 考虑到某些 PDE 系统（尤其是热方程）的逆过程通常是病态的（ill-posed），作者提供了一个修正结果。他们用涉及特定传递函数乘积一致有界性的条件，取代了对逆系统严格的良定性要求。这使得 ADRC 设计可以应用于逆动力学在标准意义下并非良定的抛物型 PDE，从而利用抛物型模型的平滑效应。

PDE 应用
作者通过为以下系统设计控制器，展示了其抽象结果的适用性：

一维波方程： 一个具有共置（collocated）边界输入和输出的系统。控制器成功地抑制了边界扰动并补偿了未建模的非线性，实现了能量的指数衰减。
一维热方程： 一个其逆过程具有典型病态特征的系统。作者应用定理 3.6 证明，尽管存在逆动力学病态问题，控制器仍能稳定系统并抑制扰动，这得益于抛物型的平滑特性。

意义与主张
本文声称在以下几个方面推进了 PDE 中 ADRC 的技术水平：

指数收敛： 不同于许多仅显示渐近收敛的现有文献，本研究确立了扰动估计和受控状态的指数级快速收敛性。
处理非线性： 该控制器能够处理边界非线性（ $\phi_o \neq 0$ ），而早期的研究通常假设线性输出或忽略了与输出相关的非线性。
外部良定性： 作者确立了非线性闭环系统的外部增量良定性，这一性质在以往的设计中并不总是得到保证。
抽象框架： 方法论是针对抽象边界控制系统开发的，提供了一个统一的框架，避免了寻找正则线性系统或系统节点表示法的复杂性。
更弱的条件： 该控制器在比开环系统更弱的条件下确保了闭环解的存在性，具体而言，不需要 $\phi_s$ 满足全局 Lipschitz 性，也不需要对 $\phi_o$ 的 Lipschitz 常数进行限制，也不需要满足钝性（passivity）或单调性假设。

作者指出，虽然无限维系统理论已被用于特定 PDE 模型的 ADRC，但该方法此前从未在抽象无限维系统的背景下被采用过。这些结果通过提供严谨的结构分析和一套适用于高效控制器调优的条件，强化了现有的结论。

技术摘要：边界控制系统的主动扰动抑制技术

类似论文