如何从“边界”精准操控整个复杂系统

现代工程与科学领域，从流体传输、化学反应到热传导过程，许多物理现象都伴随着空间与时间的共同变化。为了精准描述这些复杂的动态过程，科学家们通常会使用偏微分方程（PDE）。然而，当系统中额外包含空间上的积分效应时，模型就会升级为更加复杂的“偏积分微分方程”（PIDE）。

如何在未知的环境干扰下，让这类复杂的系统乖乖听话，输出我们想要的理想结果？这篇研究研究针对一类具有 Fredholm 积分的一阶双曲偏积分微分方程系统，提出了一套行之有效的“输出调节”方案。

在控制理论中，“输出调节”是一个核心问题。简单来说，它要求系统的特定输出能够精准地追踪一个预设的“参考信号”（就像让自动驾驶汽车精准跟随设定的路线），同时还要能够抵御外界无法测量的“干扰”（比如突然的侧风或路面颠簸）。

对于常微分方程描述的简单系统，输出调节技术已经相对成熟。但是，本研究面对的是分布式的参数系统：整个系统不仅随时间变化，其内部状态还分布在一段空间区域内（例如一条长长的管道）。不仅如此，系统的控制输入只能作用在空间的边界上（边界控制），大大增加了系统达成预定目标的难度。为了“驯服”这类复杂的 PIDE 系统，研究人员在这篇论文中采用了两套循序渐进的控制策略，辅以一项关键的数学工具。

1. 关键转化工具：反步法

面对原本结构复杂的方程，作者应用“反步法”的积分变换技术。就像给系统戴上了一副“特制眼镜”，通过坐标变换，把原本难以分析的复杂系统映射成一个结构简单、易于控制的“目标系统”。在新的简单坐标系下，研究人员可以更直观地求解出控制系统所需的关键参数。

2. 第一步：状态反馈调节器

假设我们拥有“上帝视角”，能够时刻清楚系统内部每一个位置的状态，研究人员设计了“状态反馈调节器”。在该设计中，系统的反馈控制指令是基于所有已知状态计算得出的。研究表明，这种方法能够在有限的时间内（Finite time）使系统的输出精准达到设定目标，并保持闭环系统的稳定性。

3. 第二步：基于观测器的输出反馈调节器

实际工业应用中，传感器往往只能安装在特定位置，不可能测量到系统内部的每一个点。为了解决“信息不全”的问题，研究者引入了“观测器”机制。

• 构建观测器：就像在电脑里建立一个与物理系统同步运行的“虚拟替身”，通过边界上的已知测量数据，反向推算出系统内部的隐藏状态以及外界干扰的数值。

• 解耦降维：观测器的误差系统是一个复杂的常微分-偏微分（ODE-PDE）耦合系统。作者利用坐标变换，将其解耦为一个三角结构，使得原本交织在一起的误差可以被独立、分步地稳定下来。

• 分离原理：最终，将观测器估算出的数据输入到控制器中。研究证明了这种“先估计、后控制”的分离思路是有效的，能够实现指数级的输出调节。

为了验证理论的有效性，研究人员在论文中展示了两个具有代表性的数值模拟案例。

案例一：KdV类方程的有限时间控制

KdV 方程常用于描述流体力学中的波浪运动。在这个案例中，研究者假定系统不受外界干扰，目标是让系统输出追踪一个包含折线和斜坡的复杂参考信号。通过应用状态反馈调节器，系统表现出了优异的响应能力。

如图1所示，在状态反馈控制法则的作用下，系统内部状态在空间和时间上的演化过程，系统迅速被调整至稳定规律的动态中。

如图2所示，虚线代表要追踪的目标轨迹（参考信号），实线代表系统的实际输出。可以看到经历了极短时间的初始调整后，实线与虚线在有限时间内实现了完全重合，证明了控制策略的准确性。

案例二：PDE-ODE 互联系统的指数级抗扰追踪

在这个案例中，研究对象是一个由一阶 PDE 与二阶 ODE 耦合而成的系统，并引入边界和过程中的常数干扰。由于存在未知干扰且无法获得全状态信息，作者采用了基于观测器的输出反馈调节器。设定追踪目标是一条正弦曲线。

如图3所示，展示了该互联系统在输出反馈调节器的作用下，其内部状态随时间及空间演化的三维视图，呈现出平稳的波动形态。

如图4所示，尽管系统受到了恒定干扰的阻碍，但基于观测器的控制策略依然有效。经过大约1个时间单位的初期偏差修正后，系统的实际输出（实线）精准地锁定了正弦参考信号（虚线），实现了稳定且持续的追踪。

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：10.1016/j.automatica.2017.07.036

已收藏 0

点赞 0