
上QQ阅读APP看书,第一时间看更新
2.3 反馈线性化方法的原理
2.3.1 原理
在此,将对前一小节所述方法进行概述。考虑如下所示的非线性系统:

式中,输入和输出变量的数量都等于m。反馈线性化方法的理念就是利用一个形如u=r(x,v)的控制器去转化系统,其中v为m维的新输入变量。这种转化需要满足系统的状态易于获取的条件,如果不满足,则需在非线性的情形下建立一个观测器,这是非常困难的。在假设状态变量易于获取之后,向量y将不再是一个真正的输出,而是期望变量的向量。
为了实现该转化,需要将每个yi的连续阶导数表示为关于状态变量和输入变量的方程。一旦输入变量出现在微分表达式中,便停止求导,如此便可得到如下形式的方程:

式中,ki表示为了使式中出现输入变量需对yi进行求导的次数(为更好地理解,可参照前一节所给示例)。前提条件是矩阵A(x)是可逆的,则该转化式为:

式中,v为新输入变量(见图2.2),如此形成了一个m入m出的线性系统SL,如下述微分方程所示:


图2.2 非线性系统转化后变为线性可解耦的,因此易于控制
该系统是线性的且是完全解耦的(即每个输入vi仅对应一个输出yi)。因此,利用标准的线性方法很容易实现控制。在此,所要控制的系统由解耦的积分链组成;并将用到m个PID控制器,其原理已在2.1节给出。需注意的是,为了使用该类控制器,必须得到输出变量的导数。假设系统的所有状态变量xi都较易获得,那么利用状态方程可以很容易获得这些导数关于xi的表达式。
注释 如果机器人的输入多于必要输入,即dim u>dim y,则将其称为冗余机器人。在这种情况下,矩阵A(x)是矩形的。为了应用式(2.8)所示变换,可使用广义逆矩阵。如果A满秩(即等于dim y),则该广义逆矩阵为:

因此可得:

这种情况与正方形机器人(即非冗余机器人)的情况相同。