给复杂的流动系统装上“自动驾驶”

日常生活中，我们对“控制”这个词并不陌生。比如，设定好空调的温度，房间就会慢慢达到并保持在这个温度；高速公路上开启汽车的“定速巡航”，车辆就能稳定在一个速度行驶，哪怕遇到上下坡（外界干扰）也能自动调节油门。

上述这些系统主要是在“时间”上发生变化。在工业生产和自然界中，很多事物不仅随时间变化，还随“空间”变化。比如在一条长长的化工管道里，流体在不同位置、不同时刻的温度和浓度都是不一样的。科学家们用 “偏微分方程（PDE）”这一数学工具来描述这类复杂的系统。这篇研究正是解决了一类特殊偏微分方程（一阶双曲系统）的“定速巡航”问题。在控制理论中被称为“输出调节问题”（Output Regulation Problem）。

想象自己是一条流体管道的总工程师。你的任务有两个：第一，让管道出口的流体温度（系统输出），精准跟随一个预设的周期性变化曲线（参考信号）；第二，无论外界环境温度怎么干扰管道（外部扰动），都要保证温度控制不受影响。在控制理论中，不断发出“参考信号”和“扰动信号”的源头被称为“外系统”（Exosystem）。

困难在于，一阶双曲系统内部的变量是互相耦合的，就像管道里的压力和温度会互相影响，而且它们像波浪一样在空间中传递。如果在管道的一端（边界）进行操作，如何确保整个长管子里的流体最终在另一端达到精准的理想状态呢？为了解决这个问题，研究人员使用了两套核心工具和方法：

1. 寻找理想状态：Sylvester 方程

要让系统按要求工作，首先得知道系统内部各个位置到底应该保持在什么样的一种“理想状态”。研究人员通过建立和求解一组复杂的数学方程（偏微分 Sylvester 方程），找到了这个理想状态的“地图”。就像是给自动驾驶系统输入了精确的导航路线。

2. 核心控制策略：反步法（Backstepping）

找到了路线，还得有可靠的方向盘。这里用到了偏微分方程控制领域非常经典的方法——反步法。

直接控制一个混乱复杂的系统很难，但可以通过一系列的数学空间变换，把复杂的真实系统映射成一个已知、稳定、听话的“目标系统”。在这个映射过程中，研究人员能计算出需要的“控制增益”。这就好比给原本难以驾驭的烈马，量身定做了一套最合适的缰绳。

3.观测器与误差反馈

最理想的情况下（状态反馈），管道上密密麻麻装满了传感器，能知道每一个点的状态。在现实工程中，传感器很贵，且通常只能安装在边界处。只能测量到“当前输出与目标输出的误差”。

为此，科学家设计了一个“观测器（Observer）”。相当于在电脑里建立了一个管道的“数字孪生”。通过边界测量数据，观测器能够实时推算、估计出管道内部各个位置的真实状态。基于这种估计做出的控制称为“误差反馈控制”。

为了验证这套理论是否有效，研究人员在论文中进行了数值模拟实验。他们设定了“2×2 线性一阶双曲系统”（内部包含两个互相影响的状态变量，比如我们可以具象化为流体的温度和浓度）。外系统发出的指令是一个类似波浪线的正弦周期信号。通过计算机模拟，可以直观地看到系统的变化过程：

在没有加入控制之前，系统状态可能是发散或无序震荡的。但是，一旦加入了作者设计的控制策略，从三维图（图1和图2）中清晰地看到，随着时间的推移（时间轴向前），两个状态变量在整个空间（空间轴从0到1）上，原本杂乱无章的波动被迅速“抚平”，开始按照外系统给定的规律进行有节奏、稳定的周期性波动。

图3展示了安装在边界上的“执行器”（比如调节阀门）是如何工作的。曲线显示，一开始阀门有较大幅度的调整，为了快速纠正系统的偏差；随着系统逐渐步入正轨，控制输入变成了一个平稳的周期性动作，刚好抵消干扰并维持系统的运行。

这张图记录了“实际输出”与“目标输出”之间的跟踪误差。在图4中可以发现，在误差反馈控制下，代表误差的曲线在最初的短暂波动后，迅速且平滑地趋近于“0”，并一直保持在“0”这条水平线上。证明系统不仅追上了目标，而且完美地排除了干扰。

学者介绍：徐晓东，中南大学自动化学院特聘教授、博士生导师，国家级青年人才（海外优青）。主要从事智能制造技术及工业应用研究，研究方向包括人工智能驱动的分布参数系统感知与控制、工业过程状态估计及故障诊断、数据驱动与强化学习先进控制、工业系统智能建模，以及智能车和机器人巡检与路径优化等，聚焦人工智能、机器学习与先进控制技术在流程工业及有色金属智能制造中的应用。

ORCID：0000-0003-4795-9967

DOI：10.1080/00207179.2015.1060363

已收藏 0

点赞 0