在线客服:
yabo亚博 yabo亚博
全国服务热线:010-42385467
您的位置:首页 > 新闻中心 >

鲁棒性是什么意思?鲁棒控制的基础知识

浏览 124次 来源:【jake推荐】 作者:-=Jake=-    时间:2021-02-17 08:06:06
[摘要] 鲁棒性是什么意思?根据对性能的不同定义,可分为稳定鲁棒性和性能鲁棒性。鲁棒性理论致力于研究多变量系统具有稳定鲁棒性和品质鲁棒性的各种条件。根据对性能的不同定义,可分为稳定鲁棒性和性能鲁棒性。鲁棒控制是一个着重控制算法可靠性研究的控制器设计方法。鲁棒性是在异常和危险情况下系统生存的关键。根据对性能的不同定义,可分为稳定鲁棒性和性能鲁棒性。鲁棒性可解释性仍是局限以上就是关于鲁棒性是什么意思?

坚固性是什么意思?

健壮是健壮的音译,意味着健壮。这是异常和危险情况下系统生存的关键。例如,计算机软件的健壮性在于计算机软件是否会崩溃或在出现输入错误,磁盘故障,网络过载或故意攻击的情况下崩溃。所谓“鲁棒性”是指控制系统在某些(结构,大小)参数摄动下保持其他性能的特征。

根据性能的不同定义,它可以分为稳定性鲁棒性和性能鲁棒性。以闭环系统的鲁棒性为目标而设计的固定控制器称为鲁棒控制器。

鲁棒性是什么意思?鲁棒控制基础知识

鲁棒性概述

跟踪性和背景

稳健性/抗变革性(英语:robustness)最初是统计学中的一个技术术语。表征不敏感控制系统的特征或参数的扰动在1970年代初期的控制理论研究中变得很普遍。鉴于“健壮性”一词在汉语中的含义不易理解,因此将“健壮性”翻译为“易变形”。在翻译中,“抗变形性”和“鲁棒性”经常互换使用[1-2]。

在实际问题中,系统特性或参数的扰动通常是不可避免的。产生扰动的主要原因有两个。一个是由于测量的不准确,特性或参数的实际值将偏离其设计值(标称值),另一个是系统运行期间环境因素的影响。这会导致特性或参数缓慢漂移。因此,鲁棒性已经成为控制理论中的重要研究课题,也是所有类型控制系统设计中必须考虑的基本问题。鲁棒性研究主要限于线性稳态控制系统,涉及的领域包括稳定性,无静态误差,自适应控制等。

稳健性原则

控制系统的鲁棒性问题和相对稳定性(在频域中表征控制系统稳定性裕度的性能指标)和不变性原理(控制和消除控制系统中的干扰的理论) (自动控制理论))密切相关,内部模型原理的建立(将外部作用信号的动态模型植入控制器以形成高精度反馈控制系统的设计原理)发挥了重要作用在鲁棒性研究中。效果。

当系统中存在诸如模型扰动或随机干扰等不确定因素时,可以维持其令人满意的功能质量的控制理论和方法称为鲁棒控制。早期鲁棒控制主要研究单环系统的频率特性的某些特性,或者基于小扰动分析的敏感性。现代鲁棒控制集中在控制系统的非微扰作用下的分析和设计的理论和方法。

控制系统的鲁棒性是指控制系统在某些类型的干扰(包括其自身模型的干扰)下保持一定性能指标的能力,即,抗干扰能力强。对于实际的工程系统,最关心的问题是控制系统的模型参数发生重大变化或结构发生变化时是否可以保持渐近稳定性。这称为稳定性和鲁棒性。此外,还需要在模型的干扰下将系统的质量指标保持在一定的允许范围内,这称为质量鲁棒性。鲁棒性理论致力于研究多变量系统的稳定鲁棒性和质量鲁棒性的各种条件。它的进一步开发和应用将是控制系统能否在实践中成功应用的关键。

在数字水印技术中,健壮性是指在常规信号处理操作之后检测水印的能力;图像的常规操作包括空间滤波,有损压缩,打印和复印,几何变形等;

什么是鲁棒控制

稳健性(鲁棒性)是系统的鲁棒性。这是异常和危险情况下系统生存的关键。例如,计算机软件的健壮性在于计算机软件是否会崩溃或在出现输入错误yb体育下载 ,磁盘故障,网络过载或故意攻击的情况下崩溃。所谓“鲁棒性”是指控制系统在某些(结构,尺寸)参数摄动下保持一定性能的特性。根据性能的不同定义,可以将其分为稳定性鲁棒性和性能鲁棒性。以闭环系统的鲁棒性为目标而设计的固定控制器称为鲁棒控制器[3]。

鲁棒控制是一种控制器设计方法,着重于控制算法的可靠性。鲁棒性通常定义为控制系统必须满足的最低要求,以确保实际环境中的安全性要求。一旦设计好控制器,就无法更改其参数,并且可以保证控制性能[3]。

鲁棒控制方法通常假设过程的动态特性及其时域或频域变化范围的信息。一些算法不需要准确的过程模型,但需要一些脱机标识。通用鲁棒控制系统的设计基于最坏的情况,因此通用系统无法在最佳状态下工作[3]。

鲁棒的控制方法适用于以稳定性和可靠性为主要目标,而过程的动态特性是已知的并且可以估计不确定因素范围的应用。飞机和太空飞行器的控制就是这种系统的例子。在过程控制应用中,某些控制系统也可以采用鲁棒的控制方法来设计,特别是对于那些更关键并且具有[1)个不确定因素; [2)个对象且稳定性裕度较小[3]的控制系统]。

但是,鲁棒控制系统的设计必须由高级专家完成。一旦设计成功,就不需要太多的人工干预。另一方面,如果要升级或进行重大调整,则必须重新设计系统[3]。

通常,大多数系统分析方法和控制器设计都是基于数学模型建立的,并且各种方法已经变得成熟和完善。但是,系统中始终存在一种或另一种不确定性。在对系统进行建模时,有时仅考虑工作点附近的情况,从而导致数学模型的人为简化。另一方面,执行部件和控制部件之间存在制造公差,并且系统运行过程还存在老化,磨损,环境和运行状况的恶化以及其他现象,使得大多数系统在结构或参数方面存在不确定性。这样,具有精确数学模型的系统或设计好的控制器的分析结果往往不符合工程要求。

近年来,人们对不确定系统的鲁棒控制进行了研究,并获得了一系列研究成果。 Hoo鲁棒控制理论和μ分析理论是当前控制工程领域最活跃的研究领域之一,多年来一直受到控制研究人员的青睐。作者系统地研究了线性不确定系统,时滞系统,区间系统和离散时间系统的鲁棒稳定性,并提出了系统鲁棒稳定性的分析和设计方法[3]。

渐近稳定

一种具有渐近稳定性作为性能指标的鲁棒性。如果控制系统在其特性或参数的标称值上是渐近稳定的,并且对于标称值附近的每种情况也是渐近稳定的,那么该系统在结构上是渐近稳定的。除了满足一般控制系统设计的要求外,具有渐近稳定结构的控制系统还必须满足其他附加条件。这些条件称为结构渐近稳定条件,可以用代数或几何语言表示,但它们都具有更复杂的形式。结构渐近稳定的一种常用度量是稳定裕度,包括增益裕度和相角裕度,它们分别表示在渐近稳定的前提下控制系统的频率响应所留下的增益和相角。预订。控制系统的稳定性裕度越大,其特性或参数的允许扰动范围越大,因此其鲁棒性越好。已经证明,线性二次(LQ)最优控制系统具有非常好的鲁棒性,其相角裕度至少为60°,增益裕度为1/2至∞。已成为软件性能指标之一。

无静态差异

准确跟踪外部参考输入信号并完全消除干扰的影响是一种稳定的稳态性能指标。如果控制系统在其特性或参数的标称值上渐近稳定并且不能实现静态误差控制(也称为输出调节),即系统输出到参考输入的稳态跟踪误差等于零)和标称值在附近的每种情况下,它也是渐近稳定的并且可以在没有静态误差的情况下进行控制,因此可以说控制系统的结构没有静态误差。使系统实现无静态误差的结构的控制器通常称为鲁棒调节器。使用公式N1(D)f(t)= 0 N2(D)z0(t)= 0

表示添加到受控系统和参考输入z0(t)的扰动f(t)的动力学模型,其中是微分算子鲁棒性好,并且N1(D)和N2(D)是D的多项式。 k1(s)和k2(s)(s是复变量)表示N1(D)和N2(D)的最小多项式,并使用k(s)表示k1(s)和k2的最小公倍数(s)次。然后有一个鲁棒的调节器,可以使受控系统T(s)z = U(s)u + M(s)f

y = z

(请参阅多变量频域方法)结构没有静态误差的充要条件是控制向量u的尺寸大于输出向量y的尺寸,同时所有代数方程的根k(s)= 0(i = 1,2,...,p)矩阵U(si)是满秩的。对于结构没有静态差异的受控系统,动态补偿器P(s)ξ= z0-z

u = R(s)ξ

(ξ是补偿器的状态向量)。形成鲁棒调节器的必要和充分条件是矩阵P(s)的每个元素都可以被k(s)整除,并且由该系统和动态补偿器组成的闭环控制系统在渐近稳定。结构体。当使用其他形式的数学描述时,鲁棒调节器和结构性非静态控制系统的这些条件的表达也不同。鲁棒稳压器由两部分组成,一部分称为稳定补偿器,另一部分称为伺服补偿器。稳定补偿器的作用是使控制系统实现结构的渐近稳定性。伺服补偿器包含参考输入和干扰信号的通用动态模型,因此可以实现参考输入和干扰的无静态控制。对于参考输入和具有阶跃变化的干扰信号,它们的通用动态模型是积分器;对于具有斜率线性变化的参考输入信号和具有阶跃变化的干扰信号,常见的动力学模型是积分器的两个串联。

具有状态观察器的系统的鲁棒性一般来说,将状态观察器引入控制系统会使它的鲁棒性变差,因此应尽可能避免。对于必须使用状态观察器的控制系统,当受控系统是最小相位系统时,可以合理设计观察器以保持控制系统的鲁棒性。原理是将观察者的极点设计为与被观察系统的零点正好相反,而观察者的其他极点应在满足假想轴的前提下尽可能远离假想轴。抗干扰要求。

鲁棒控制理论的完整版本

对鲁棒控制问题的最早研究可以追溯到布莱克(Blake)在1927年为带有扰动的精密系统提供大增益反馈的设计思想。

由于当时Ufa知道反馈增益与控制系统稳定性之间的关系,因此基于这种设计思想的控制系统通常是动态且不稳定的。直到Nyquist在1932年基于Nyquist曲线提出频域稳定性标准后,反馈增益与控制系统的动态稳定性之间的关系才变得清晰。此外,Bird在1945年讨论了单输入单输出反馈控制系统的鲁棒性,提出使用幅度和相位稳定裕度来获得系统可以承受的不确定性范围,并引入了差分灵敏度函数来测量参数扰动系统性能欠佳。

在1960年代初,Cruz和Perkins将单输入单输出系统的灵敏度分析扩展到多输入多输出系统,并引入了一个灵敏度比较矩阵来测量闭环和开环的性能。系统。

这些关于鲁棒控制的早期研究主要限于系统不确定性为小参数扰动的情况,属于灵敏度分析范畴,与工程应用相距甚远。

实际上亚博lol ,不能将实际系统中的参数视为常数或只有很小的扰动。系统工作条件和环境的变化,简化的建模建模,近似的降价以及非线性系统的线性化都可以描述为对相应参数的扰动。有时,受控对象可能具有几种不同的工作状态。当使用相同的控制器来控制此类对象时,由于工作状态不同而导致的相应参数的差异也可以视为系统参数的扰动。

显然,在这种情况下,系统参数的扰动不仅很小,而且可能在较大范围内变化,这超出了基于差分灵敏度分析方法可以解决的问题的范围,从而导致具有非最小边界摄动不确定性的现代鲁棒控制理论问题。

自1960年代以来,通过将实际工程问题和数学理论相结合,鲁棒控制理论取得了长足的发展,并逐步形成了三个有代表性的研究领域,即系统传递函数(矩阵)频域法,多项式的研究。研究系统特征多项式族的代数方法和研究系统状态方程矩阵族的时域(状态空间)方法。

基于输入和输出传递函数的频域方法是最早开发的控制方法。对于单输入单输出系统,博德图或奈奎斯特图可以设计出既具有良好动态性能又具有一定稳定性裕度的控制系统。它是鲁棒控制频域方法的基础。 Zam在1963年提出的小增益原理是用于分析非结构不确定系统在频域中的鲁棒稳定性的基本工具。 1970年代,将单输入单输出系统的Nyquist稳定性准则扩展到多输入多输出系统,并发展了多变量系统的逆Nyquist阵列设计方法。

鲁棒控制的多项式代数方法是研究系统特征多项式族的鲁棒性。它是时不变不确定系统鲁棒控制问题的频域方法的一个分支,属于参数鲁棒控制问题。

经典的单输入单输出特征多项式稳定性分析方法是著名的Ruth和Huerwitz稳定性准则。只需对系统的特征多项式系数执行一些简单的运算即可判断系统的稳定性。它也可以用来分析一些带有界参数的简单摄动多项式的鲁棒稳定性。具有参数摄动的不确定系统的鲁棒性分析的更有效结果是Kharitonov定理,该定理给出了判别区间多项式族(结构有界实参数摄动多项式)的鲁棒稳定性的顶点判据。根据数据,其基本思想是找到多项式族的子集,以便可以通过子集中的多项式的稳定性来保证族中所有多项式的稳定性。 Lyapunov方法已在时域中广泛用于鲁棒分析。一般的想法是为不确定的(扰动的)状态空间对象选择合适的Lyapunov函数,然后根据范数(即鲁棒性)的概念获得鲁棒稳定性极限。对于鲁棒镇定问题,主要有两种方法:鲁棒分析法和鲁棒综合法。在鲁棒分析方法中亚博lol ,将不确定系统视为具有不确定扰动的标称系统,并采用经典线性系统的设计方法。通过分析标称系统,构造反馈控制律来稳定标称系统,然后证明其具有所有可能的不确定闭环系统的鲁棒稳定性。在鲁棒综合方法中,首先需要确定给定不确定系统的稳定性,然后设计适当的鲁棒稳定控制律。

坚固性是异常和危险条件下系统生存的关键。例如,计算机软件的健壮性在于计算机软件是否会崩溃或在出现输入错误,磁盘故障,网络过载或故意攻击的情况下崩溃。所谓“鲁棒性”是指控制系统在一定的(结构,尺寸)参数扰动下保持一定性能的特性。

根据性能的不同定义,它可以分为稳定性鲁棒性和性能鲁棒性。以闭环系统的鲁棒性为目标而设计的固定控制器称为鲁棒控制器。

什么是“鲁棒性”?

根据工匠的理解,即您的程序是否考虑了所有因素(包括异常因素),并对可能的异常因素采取了规避和补救措施。例如:

1、我们想要增加一个变量,并且每次达到某个阈值时都会将其清除。因此,当您判断阈值时,您判断的是“等于”还是“大于或等于”? (正确答案:判断为“大于或等于”)

2、我们需要根据一个变量或分散表来查找表,假设该变量的正常范围是= 0〜7。那么,您是否考虑过如果该值大于7,程序应该怎么做? (答案:首先屏蔽(删除)无效值,然后检查表格或散布)

3、我们希望某个IO端口输出“高电平”以驱动外部电路(例如,继电器)。那么,您只输出一次“ 1”并认为结束了吗? (答案:打开输出缓冲区,定期刷新输出端口)

4、假定接收到“ 0X00”时执行动作A,接收到“ 0X01”时执行动作B,则串行端口接收数据。那么,您是否考虑过如果收到其他数据该怎么办? (答案:请参阅第二个示例)

像这样的例子太多了,每个细节都有陷阱。如果在程序设计中考虑了它,则可以绕开它。否则,很难说程序运行期间会发生什么。

因此,一个好的程序应该定义如下:“在正常情况下,您可以获得正常结果;在异常情况下,您可以获得意外结果。”

代替:“在正常情况下,您可以获得正常结果;在异常情况下,您可以获得意外结果。”

一些工匠的同事(新手)倾向于与工匠自杀。强调:``我的程序不是BUG,它是由异常输入引起的。''云云实际上,这些细节上的疏忽不能被称为BUG。我们只能称其为“健壮”差!

进一步看待整个系统,不仅软件需要考虑“鲁棒性”,而且硬件也需要考虑。

例如:假设系统的工作电压为5V,那么当电压低于5V时会发生什么?你考虑过了吗?好的,您说您有一个复位电路,当电压下降时它将复位。然后,工匠再次询问:当电压下降很快时,您可以进行重置,但是如果电压下降缓慢,您的重置电路是否仍然可以工作?或者,当电压波动时会发生什么?

在整个设计过程中,有许多这样的细节。对于那些有准备的人来说,只要他们事先预计并采取回避措施,这不是问题。对于那些没有准备好的人,调试将是艰巨的任务。因为在前进的道路上有太多的“坑”,所以我无法确定要跌到哪里。

人工智能与鲁棒性之间有什么关系?

近年来,人工智能受到了广泛的关注,这主要是由于深度学习的兴起,极大地推动了机器人控制,计算机视觉,语音识别,自然语言处理等领域的发展,使得许多传统的AI任务取得了突破性进展。

人工智能在汽车领域的热门应用是无人驾驶的。诸如Google,Tesla和Baidu之类的公司都已部署并投资了无人驾驶。 2017年初,Drive.ai宣布了在复杂道路条件和环境下在Drive.ai的Mountain View总部进行的一部分无人驾驶测试镜头。视频显示,该公司的无人驾驶技术可以轻松应对雨天昼夜的极其复杂的现实。道路状况。这也意味着具有实际和普遍意义的无人驾驶距离我们又近了一步。特斯拉和沃尔沃等高端品牌甚至配置了无人驾驶功能。无人驾驶是人工智能技术的典型综合应用。它需要处理复杂的目标识别,环境感知和建模,计划和控制,综合决策等问题,并且对于智能系统而言,它是可靠,不确定和安全的。提出更高的要求。

稳健性和可解释性仍然是局限性

鲁棒性:以深度学习为代表的当前人工智能技术通常会遇到鲁棒性问题。首先,这些技术通常依赖于大量高质量的训练数据和计算资源来充分学习模型的参数。但是,当训练数据量有限时,深度神经网络的性能通常会受到很大限制。一些大规模的深度神经网络也容易过度拟合,使得对新数据的测试性能远低于先前的测试数据性能。其次,在特定数据集上测试具有良好性能的深度神经网络很容易被添加了少量随机噪声的“对抗性”样本所愚弄,并且该系统容易产生高置信度的错误判断。另一方面,当系统最初被建模时,由于数据的充分利用,可以获得相对理想的效果。但是,在线数据内容使用一段时间后,将导致系统性能的偏差。系统离线。因此,可伸缩性也是人工智能系统实际应用中的关键问题之一。该模型的可伸缩性和增量学习的问题绝对不可低估。如何应对上述挑战,开发健壮,可扩展的智能学习系统,必将成为下一代人工智能系统的重要研究课题。在方法论方面,有必要从健壮的人类认知机制中系统地学习,不仅是神经系统的特征,还包括认知系统(包括知识表示,更新,推理等)的学习,以开发出生物学上更合理的方法。人工智能系统。

可解释性:当前基于深度学习的人工智能系统通常都具有不足的可解释性。大多数系统被视为“黑匣子”(即输入系统输出,系统的处理过程对用户完全不可见)处理。中间分析和决策过程对于用户是不可见的,并且缺乏交互性和可操作性。尤其是对于大型深度学习系统ag真人 ,由于网络中存在大量复杂的非线性变换和大规模的神经元连接,少量的随机干扰将导致最终结果发生剧烈变化,其行为和性能都得到了极大的提高。难以理解和合理解释。因此,可解释性已经成为下一代人工智能系统的重要特征和研究课题。一方面,具有强大可解释性的模型使用户可以更好地理解机器决策过程,从而确定相应结果的可信度并增加人们对该系统的信任度;另一方面,它是可以解释的。性模型可以为用户提供一种可行的交互方式,允许人类经验介入数据驱动的建模和决策过程,从而可以跟踪,指导和纠正决策过程,从而改善系统性能和性能。

Alpha Go的成功使世界认识到人工智能的成功面,并开创了人工智能的新时代。但是,具有强大的学习能力,知识应用能力和不确定性处理能力的人工智能系统的要求仍然存在一定距离。当前的人工智能技术的健壮性鲁棒性好,可解释性和互操作性已在实际应用中逐渐被提上议事日程。

鲁棒性是什么意思?鲁棒控制基础知识

以上所说的健壮性是什么意思?在介绍鲁棒控制的基本知识之后,新一代人工智能技术将继续在鲁棒性,可解释性和交互性等关键问题上取得更多突破。人类将逐步走向强大的人工智能的理想时代。

注意:文章中的所有图片均已在Internet上重新打印,侵权行为将被删除!

老王
本文标签:人工智能,鲁棒性,鲁棒控制

推荐阅读

最新评论