前四章实验总结报告

自抗扰技术（ADRC）

---

2跟踪微分器

2.2经典微分器

例1：比较经典微分器和微分近似公式的微分效果

$$\begin{cases} \bar v(k+1)=\bar v(k)-h\frac 1T(\bar v(k)-v(k))\\ y_1(k)=\frac{1}{T}(v(k)-\bar v(k)) \end{cases}$$

$$\begin{cases} x_1(k+1)=x_1(k)+hx_2(k)\\ x_2(k+1)=x_2(k)-h(\frac 1{\tau_1\tau_2}(x_1(k)-v(k))+\frac{\tau_1+\tau_2}{\tau_1\tau_2}x_2(k))\\ y_2(k)=x_2(k) \end{cases}$$
实验结果：



此处$\gamma=0$



此处$\gamma=0.01$
结论：显然可以发现，尽管当没有噪声污染的时候两者的微分估计都很好，但是一旦输出受到噪声污染的时候，微分近似还是估计的很好，经典微分器就不行了。

2.3跟踪微分器的一般形式

例2：考虑线性微分器和非线性微分器对二阶积分器串联型系统的微分效果

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=u,|u|\le r \end{cases}$$
考虑线性跟踪微分器：
$$u(x_1,x_2)=-r^2(x_1(k)-2rx_2(k))$$
当输入信号中不带白色噪声时$v(t)=sin(4t)$

当输入信号中带有白色噪声时$v(t)=sin(4t)+\gamma n(t)，\gamma=0.01$

以原点为终点的快速最优控制综合函数为：
$$u(x_1,x_2)=-rsign(x_1+\frac{x_2|x_2|}{2r})$$
当输入信号中不带有白色噪声时候$v(t)=sin(t)$

当输入信号中带有白色噪声时$v(t)=sin(t)+\gamma n(t)，\gamma=0.01$

结论：显然，无论是微分效果还是噪声抑制效应都是快速最优控制函数好一些。另外，两个跟踪微分器相比有很大区别：1、它们在结构上不同，一个是非线性结构，另一个是线性结构；2、从系统参数效率来看，非线性参数为$r=10$，线性的参数为$r^2=(100)^2=10000$，相差一两个数量级。

例3：由最速系统

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=-sign(x_1)|x_1|^{\alpha}-x_2 ,\qquad 0<\alpha<1\\ \end{cases}$$
派生系统：
$$\begin{cases} \dot x_1=x_2\\ \dot x_2=-r^2 sign(x_1-v(t))|x_1-v(t)|^\alpha -rx_2\\ \end{cases}$$
考虑不同积分步长对滤波效果的差异。
输入被噪声污染的正弦信号：$v(t)=sin(t)+\gamma n(t)$，并取步长$h=0.001$，噪声强度$\gamma$分别取$\gamma=0,\gamma=0.1$。
实验结果：
$h=0.001，\gamma=0，\alpha=0.5，r=10$

$h=0.001，\gamma=0.01，\alpha=0.5，r=10$

$h=0.0001，\gamma=0.01，\alpha=0.5，r=10$

结论：这里可以明显看出由上述最速系统派生的跟踪微分器跟踪效果不错，并且在其它条件不变的情况下，减小积分步长，能够提高滤波效果。

例4：考虑线性系统$y=w(s)=\frac{r^4}{(s+r)^4}$的状态变量实现为：

$$\begin{cases} f=-r(r(r(r(x_1-v)+4x_2)+6x_3)+4x_4)\\ \dot x_1=x_2\\ \dot x_2=x_3\\ \dot x_3=x_4\\ \dot x_4=f \end{cases}$$
之前就有提到过该种形式的微分器当参数$r$适当大时具有很好的高阶微分功能，
实验结果：

结论：如图所示，该类型的微分器确有较好的高阶微分提取效果。

2.4快速跟踪微分器的离散形式

例5：用阶跃响应检验跟踪微分器（TD）的微分效果
系统：

$$\begin{cases} f=-rsign(x_1(k)-v(k)+\frac{x_2(k)|x_2(k)|}{2r})\\ x_1(k+1)=x_1(k)+hx_2(k)\\ x_2(k+1)=x_2(k)+hf \end{cases}$$
参数取$r=0.1$，对它输入阶跃信号$v_0=1$。
积分步长取$h=0.01$时

积分步长取$h=0.001$时

仔细看时可以发现系统进入稳态时有高频振荡。
考虑将符号函数改成线性饱和函数$sat(x,d)$

结论：可以发现，把符号函数简单换成线性饱和函数并不能消除速度信号稳态时的高频振荡。
因为$-rsign(x_1+\frac{x_2|x_2|}{2r})$是连续系统，考虑离散系统的最速控制综合函数$fhan(x_1,x_2,r_h)$：
$$\begin{cases} d=rh^2\\ a_0=hx_2\\ y=x_1+a_0\\ a_1=\sqrt(d(d+8|y|))\\ a_2=a_0+sign(y)(a_1-d)/2\\ a=(a_0+y)fsg(y,d)+a_2(1-fsg(y,d))\\ fhan=-r(\frac ad)fsg(a,d)-rsign(a)(1-fsg(a,d)) \end{cases}$$
取$v=1,r=0.1,h=0.1$


取$v=1,r=0.1,h=0.001$


结论：在放大了的速度曲线中再也没有出现高频振荡，只是在进入稳态的时刻，速度曲线有一点超调。当输入信号被噪声污染了，这种超调现象会加剧对微分信号的噪声放大效应。

例6：考虑将离散系统最速函数$fhan(x_1,x_2,r,h)$中的变量$h$改为与步长$h$独立的新变量$h_0$,而取$h_0$适当大于$h$的参数，考察新的最速函数的微分滤波效果：

$$\begin{cases} fh=fhan(x_1(k)-v(t),x_2(k),r,h_0)\\ x_1(k+1)=x_1(k)+hx_2(k)\\ x_2(k+1)=x_2(k)+hfh \end{cases}$$
现在对这个系统输入被噪声污染的正弦信号$v(t)=sin(t)+\gamma n(t)$,取$r=30,h=0.001,\gamma=0.01$
取$h_0=h$实验结果图：

取$h_0=20h$实验结果图：

2.5最速跟踪微分器的频率特性

例7：利用TD，构造数字带通滤波器

$$v(t)=a_1sin(w_1t)+a_2sin(w_2t)+a_3sin(w_3t)$$
取$a_1=a_2=a_3=1，w_1,w_2,w_3=0.3,10,100$
当输入$r_1=5,r_2=0.01,h=0.1$时

当输入$r_1=200,r_2=115,h=0.02$时

当输入$r1=10000,r2=6000,h=0.001,h1=0.001,h2=0.003$时

结论：选取合适的参数$r_1,r_2$就可以得到合适的带通滤波器。而转折频率$w_0$与跟踪微分器的速度因子$r$之间关系是可以确定的。

2.6跟踪微分器的其它应用

例8：安排过渡过程：
某一热处理温度曲线：

$$\begin{cases} y_1=|t+4|-|t-4|+|t-8|-|t-10|\\ y_2=-2(|t-15|-|t-17|)-|t-18|+|t-20|-4\\ y=y_1+y_2\\ \end{cases}$$

实验结果：

例9：配置系统零点
考虑线性系统：

$$\ddot x+2\zeta w\dot x+w^2x=w^2u,\zeta=1/\sqrt 2,w=1$$
取$h=0.001,r=500$
实验结果：


结论：可以发现利用TD合理配置系统零点的阶跃响应要更好，其传递特性几乎变为1:1了

例10：求函数极值
考虑：

$$y=1+|x|^\alpha\\ x(k+1)=x(k)-\lambda\frac{y_2(k)}{y_1(k)}$$
取$r=1000,\lambda=0.002$
实验结果：

例11：求函数的根
考虑：

$$y=|x-1|^\alpha sign(x-1)$$ 的根
取迭代初值$x(0)=0$，步长取$h=0.01$，TD的速度取$r=1000$，TD的初始条件$x_1(0)=0,x_2(0)=1,y_1(0)=0,y_2(0)=1$修正因子$\lambda=0.01$

例12：频率估计
由于

$$\omega^2\approx\lim_{t\to\infty}\int_0^t(\dot x(\tau))^2/\int_0^t(x(\tau))^2$$
说输入信号为$y=asin(wt)+\gamma n(t)$
$a=1,\gamma=0.1,n(t)$为$[-1,1]$之间的均匀分布的随机噪声。
取步长$h=0.0001$，TD的速度因子$r=2000$，滤波因子$h_0=100h$

例13：相近频率的分离

例14：数字整流：
$u=|y|=a|sin(50\times 20\pi t)|$送入TD
取TD参数$h=0.0001,r=1000,h_0=180h$
取低通滤波器参数$r_1=200,h_1=10h$

例15：数字检波
考虑载波信号$u(t)=sin(500t)$
调制信号取：$y_1(t)=cos(t)+\gamma n(t)$
$y_2(t)=cos(t)+1.5sin(1.5t)+\gamma n(t)$
$y_3(t)=cos(t)+1.5sin(1.5t)+2cos(2t)+\gamma n(t)$

实验结果：

例16：相位超前功能

$$\begin{cases} fh=fhan(v_1-v(t),v_2,r,h_1)\\ v_1=v_1+hv_2\\ v_2=v_2+hfh \end{cases}$$

例17：剔除野值及预报方法
TD本身带有滤波效果，但是每一次的滤波都会造成相位的损失，所以可以结合TD估计得到的加速度来完成相位超前功能。

3 非光滑反馈的功能和功率

3.1非线性状态反馈

例18：对积分器串联型系统

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=f(x_1,x_2,k(x_1,x_2,v))=v\\ \end{cases}$$
施加状态反馈$v=k_1(x_1,x_2)+v_1$
使得闭环系统变成：
$$\begin{cases} \dot x_1=x_2\\ \dot x_2=k_1(x_1,x_2)+v_1 \end{cases}$$

取线性状态反馈为$v=-k_1x_1-k_2x_2$
输入正弦信号$sin(wt),w=1,k_1=100,k_2=3$

实验结果：

取非线性状态反馈$v=-rsign(x_1-v_1+\frac{x_2|x_2|}{2r})$
输入余弦信号$cos(t),取r=20$
实验结果:

结论：我们发现非线性状态反馈的效率远大于线性状态反馈的效率。在这个实验中,线性取$r=100$ 而非线性只要取 $r=20$，差了一个数量级。

3.2线性反馈与非光滑反馈

例19：比较线性反馈和非线性反馈抑制扰动的作用
设二阶受控系统

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=w(x_1,x_2,t)+u\\ y=x_1 \end{cases}$$

取线性状态反馈

$$u=-k(x_1+2\zeta x_2)$$
一般取$k,2k\zeta$之比为$r^2,2r$,这里取$k$分别为$5,10,20$时.$2k\zeta$为$4.4732,6.324,8.944$

实验结果

取非线性状态反馈

$$u=-k(|x_1|^{-\frac 12}x_1+2\zeta x_2)=-k(|x_1|^{\frac 12}sign(x_1)+2\zeta x_2)$$

取$k$分别为$5,10,20$时.$2k\zeta$为$5,10,20$

结论：从图中明显可以看出同样增益$k$的反馈作用之下，线性反馈和非线性反馈抑制扰动效果不同。并且非线性反馈抑制扰动效果更好。

3.3 最速反馈控制的不变性

例20：研究最速反馈控制抑制纯时变扰动和依赖于状态变量的扰动的效果。
考虑两个闭环系统：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=w(x_1,x_2,t)-rsign(x_1+\frac{|x_2|x_2}{2r}) \end{cases}$$

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=w(t)-rsign(x_1+\frac{|x_2|x_2}{2r})\\ \end{cases}$$
这里取$w(t)=sin(t)$和$w(x_1,x_2,t)=x_1+x_2+sin(t)$，参数$r$取5。
实验结果：


结论，系统进入稳态的时候有高频震颤，为了消除这种震颤，把开关函数改为线性饱和函数$sat(s,\delta)$
$$sat(s,\delta)=\begin{cases}sign(s),|s|>\delta\\ \frac s\delta,|\delta|\le \delta\end{cases}$$

实验结果：


结论：可以发现进入稳态后仍然有高频震颤，为了彻底避免这种高频震颤，则考虑最速反馈函数$fhan(x_1,x_2,r,h)$

$$\begin{cases} d=rh_1^2,a_0=h_1x_2,y=x_1+a_0\\ a_1=\sqrt{d(d+8|y|}\\ a_2=a_0+sign(y)(a_1-d)/2\\ s_y=(sign(y+d)-sign(y-d))/2\\ a=(a_0+y-a_2)s_y+a_2\\ s_a=(sign(a+d)-sign(a-d))/2\\ fhan=-r(\frac ad-sig(a))s_a-rsign(a) \end{cases}$$

实验结果：


可以发现，震颤消失了。并且的结论：不管扰动是纯时变的还是依赖于状态变量的，只要参数$r$足够大，都能彻底抑制扰动。

例21：考虑带阻尼因子的最速反馈函数抑制扰动效果。
引入阻尼因子$c$之后，$fhan(x_1,x_2,r,h_1)$变为$fhan(x_1,cx_2,r,h_1)$
考虑二阶对象：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=f(x_1,x_2,t)+u\\ y=x_1 \end{cases}$$

取$f(x_1,x-2,t)=x_1^5+x_2^2+sign(sin(t))$，或者取$f(x_1,x_2,t)=sign(sin(t))$
实验结果：


这个是$f(x_1,x_2,t)=x_1^5+x_2^2+sign(sin(t)),h=0.001$

这个是$f(x_1,x_2,t)=sign(sin(t)),h=0.001$
结论：两种响应均无超调，线性反馈快速性好一些，但是精度差一个数量级，但后者的比例增益比前者高$100\times 100:40=250$倍,而且阻尼增益也高出$300:2=150$,近两个数量级。说明，适当选取非线性反馈的效率远比线性反馈要高的多。

3.8几个有用的非线性函数

1、区间函数：

$$fsg(x,d)=\frac{sign(x+d)-sign(x-d)}{2}$$
2、一般区间函数
$$fsg(x,a,b)=\frac{sign(x-a)-sign(x-d)}{2}$$

考虑$f(x)=sin(2\pi x)$，函数$y=fsg(x,0,1.5)f(x)$

考虑$y=fsg(x,0,1)+2fsg(x,1,2)+3fsg(x,2,3)$

考虑$y=afsg(x,d_1,d_2)+b(1-fsg(x,d_1,d_2))$

考虑

$$fbd_0(x,d)=\frac{sign(x+d)}+sign(x-d){2}$$

考虑$f(x)=sign(x)\sqrt{|x|},y=sign(f)(|f|-\sqrt{d})(1-fsg_0(x,d))$

考虑$f=x|x|,y=sign(f)(|f|-d^2)(1-fsg_0(x,d)))$

最优开关函数
考虑：$fss(x,a,b)=sign(x-a)(1-sign(x-b))/2,a<b$
二阶$y=-fss(t,1,2)$

三阶$y=-fss(t,1,4)fss(x,3,4)$

四阶$y=-fss(t,1,6)fss(t,3,6)fss(t,5,6)$

绝对值函数之差：
$$fst_0(x,d)=\frac{|x+d|-|x-d|}{2d}$$

$$f(x)=sign(x)\sqrt{|x|}\\y=dfst_0(f(x),d)=\frac{|f(x)+d|-|f(x)-d|}{2}$$

考虑$f(x)=|x-5|+|x-10|+|x-15|+|x-20|+|x-25|$

考虑$f(x)=|x-5|-|x-10|+|x-15|-|x-20|+|x-25|$

考虑$f(x)=|x-5|-|x-10|+|x-15|-|x-20|+|x-25|-|x-30|$

考虑$fst(x,a,b)$逼近函数$f(x)=sign|x|^{0.5}$

幂次函数
$fal(x,\alpha,\delta)=\frac{x}{\delta^{1-\alpha}}fsg(x,\delta)+|fdb(x,\delta)||x|^\alpha sign(x)$,$\alpha>1,\alpha<0,0<\alpha<1,\alpha=1$

4 扩张状态观测器

4.1状态观测器

例22：针对二阶有扰动作用的非定常系统设计观测器观测系统状态，未知系统函数

$$\begin{cases} \dot x_1=x_2,\qquad x_1(0)=0\\ \dot x_2=f(x_1,x_2,t)+w(t), \qquad x_2(0)=0\\ y=x_1 \end{cases}$$
$$f(x_1,x_2，t)=-(1+\frac{cos(t)}{2})x_1-(1+sin(\frac{t}{3}))x_2\\ w(t)=sign(sin(\frac{3t}{2}))$$

取状态观测器为:

$$\begin{cases} e=z_1-y\\ \dot z_1=z_2-100e\\ \dot z_2=-200fal(e,0.5,0.01)\\ \end{cases}$$

实验结果：


结论：采样周期取h=0.01,状态估计效果明显，估计值与真实值几乎重合。

同类 例23：针对二阶有扰动作用的非定常系统设计观测器观测系统状态，未知系统函数

$$\begin{cases} \dot x_1=x_2,\qquad x_1(0)=0.3\\ \dot x_2=-x_1-0.25x_2(1.5-x_1^2)+sin(\frac t2), \qquad x_2(0)=0\\ y=x_1 \end{cases}$$

实验结果：


结论：从上面两个例子看出，状态观测器对一定范围的对象来说是完全通用的，即使不能知道系统的真实函数。这是因为状态观测器的设计是与对象中的函数无关，而其估计效率之高是由于采用了合适的非光滑函数。

高阶观测器 例24：针对三阶系统设计观测器观测系统状态，未知系统函数

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=x_3\\ \dot x_3=sign(sin(\frac t2))\\ y=x_1 \end{cases}$$

取状态观测器为:

$$\begin{cases} e=z_1-y\\ \dot z_1=z_2-\beta_{01}g_1(e)\\ \dot z_2=z_3-\beta_{02}g_2(e)\\ \dot z_3=-\beta_{03}g_3(e)\\ \end{cases}$$

实验结果：



结论：这里$h=0.01,\delta=0.05,\beta_{01}=100,\beta_{02}=300,\beta_{03}=1000$，状态观测器估计值与实际值贴合，效果不错。说明只要参数选取得当，这种形式的非线性状态观测器是可以推广到任意阶系统上的。

4.3扩张状态观测器

例25：针对参数已知、输入已知的系统，设置扩张状态观测器，观测系统状态：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=asign(sin(\omega t))+3cos(\frac t2)\\ y=x_1 \end{cases}$$
式子中$a=1,\omega=1$。

取状态观测器为:

$$\begin{cases} e=z_1-y,fe=|e|^(\frac 12)sign(e),fe_1=|e|^(\frac 14)sign(e)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe+3cos(\frac t2)\\ \dot z_3=-\beta_{03}fe_1\\ \end{cases}$$

实验结果：



结论：这里取参数$h=0.01,\delta=h,\beta_{01}=100,\beta_{02}=300,\beta_{03}=1000$，这里可以发现系统的状态$x_1,x_2$与观测器估计值差别不大，但是$x_3$与$z_3$还是有微弱的差别，另外为了避免$z_3$的高频振荡，用$fal(e,\alpha,\delta)$代替。

例26：针对参数与输入未全部已知的系统，设置扩张状态观测器，观测系统状态：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=sign(sin(0.05t))+(1.5+0.5sign(sin(0.03t)))cos(0.02t)\\ y=x_1 \end{cases}$$
这里把函数$b=1.5+0.5sign(sin(0.03t))$估计成常值$b_0=1.5$，并假定信号$cos(0.02t)$已知。

建立状态观测器为:

$$\begin{cases} e=z_1-y,fe=fal(e,0.5,\delta),fe_1=fal(e,0.25,\delta)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe+\frac 32cos(0.02t)\\ \dot z_3=-\beta_{03}fe_1\\ \end{cases}$$
这里被扩张的状态为：
$$x_3(t)=sign(sin(0.05t))+0.5sign(sin(0.03t))cos(0.02t)$$

实验结果：



结论：这里取了$h=0.1,\beta_{01}=10,\beta_{02}=41,\beta_{03}=66$，实际上，对象模型中的控制量放大系数$b$未知时，把$b$的近似估计值$b_0$当作扩张状态观测器的可调参数来进行调整是完全可以的。
需要注意的是：对相对误差$(b-b_0)/b_0$较大时，比如大于0.5，那么$z_3(t)$的估计就会差一点。

高阶扩张状态观测器 例27：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=x_3\\ \dot x_3=sign(sin(\frac t2))\\ y=x_1 \end{cases}$$

建立状态观测器为:

$$\begin{cases} e=z_1-y,fe=fal(e,0.5,\delta),fe_1=fal(e,0.25,\delta),fe_2=fal(e,0.125,\delta)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe\\ \dot z_3=z_4-\beta_{03}fe_1\\ \dot z_4=-\beta_{04}fe_2 \end{cases}$$

实验结果：




结论：这里取参数$h=0.01,\delta=5h,\beta_{01}=100,\beta_{02}=300,\beta_{03}=1000,\beta_{04}=1800$。这里发现前三个参数和之前所用的相同。这种现象被称作扩张状态观测器参数对系统阶的“继承性”。

4.4 其它形式的扩张状态观测器

线性扩张状态观测器 例28：
考虑跟踪三阶对象：

$$\begin{cases} f=\gamma sign(sin(\frac t2))\\ \dot x_1=x_2\\ \dot x_2=x_3\\ \dot x_3=f\\ y=x_1 \end{cases}$$

建立状态观测器为:

$$\begin{cases} e=z_1-y\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}e\\ \dot z_3=z_4-\beta_{03}e\\ \dot z_4=-\beta_{04}e \end{cases}$$

实验结果：

4.5 系统输出被噪声污染时的扩张状态观测器

例29：系统输出受噪声污染时，对系统输出进行滤波并建立扩张状态观测器，观测系统状态。
设被观测对象：

$$\begin{cases} \dot x_1=x_2\\ \dot x_2=f(x_1,x_2,t,w(t))\\ y=x_1+n(t) \end{cases}$$

不作任何处理
建立状态观测器为:

$$\begin{cases} e=z_1-y,fe=fal(e,0.5,\delta),fe_1=fal(e,0.25,\delta)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe\\ \dot z_3=-\beta_{03}fe_1\\ \end{cases}$$

实验结果：

一阶惯性滤波
建立状态观测器为:

$$\begin{cases} y_0=y_0-h\alpha(y_0,y)\\ e=z_1-y_0,fe=fal(e,0.5,\delta),fe_1=fal(e,0.25,\delta)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe\\ \dot z_3=-\beta_{03}fe_1\\ \end{cases}$$

实验结果：

跟踪微分器滤波
建立状态观测器为:

$$\begin{cases} fh=fhan(v_1-y,v_2,r_0,h_1)\\ v_1=v_1+hv_2\\ v_2=v_2+hfh\\ y_0=v_1+k_0hv_2\\ e=z_1-y_0,fe=fal(e,0.5,\delta),fe_1=fal(e,0.25,\delta)\\ \dot z_1=z_2-\beta_{01}e\\ \dot z_2=z_3-\beta_{02}fe\\ \dot z_3=-\beta_{03}fe_1\\ \end{cases}$$

实验结果：



结论：从上可以看出，滤波处理后的效果要明显好于不处理，书中提到跟踪微分器来进行滤波并预报处理得到的效果最好，但是实验中并不明显。当噪声比例变大时，变得明显。

---