2. 不确定性的数学描述：参数不确定性、未建模动态、结构化与非结构化不确定性
好，咱们接着聊。上一章我们建立了鲁棒控制的基本概念，说白了就是「系统有误差，但控制器要扛得住」。那问题来了——这个「误差」到底长什么样？怎么用数学语言把它描述清楚？
我个人习惯，在开始设计控制器之前，先花点时间把不确定性「画」出来。你想想看，连敌人长什么样都不知道，怎么打仗？
这一章，我们就来拆解不确定性的几种典型形态。我会结合自己踩过的坑，把参数不确定性、未建模动态、结构化与非结构化不确定性这几个概念讲透。
2.1 参数不确定性：最直观的「数值漂移」
先说说最简单的。参数不确定性，说白了就是模型里的系数不准。
比如一个直流电机，你建模时用的电阻是 2Ω，但实际温度一上来，电阻可能变成 2.2Ω。或者一个弹簧，标称刚度是 100 N/m，用久了可能变成 95 N/m。这些都属于参数不确定性。
数学上怎么描述？通常写成这样：
实际参数 = 标称值 + 偏差
比如：R = R₀ + ΔR，其中 |ΔR| ≤ δ或者用相对形式：
R = R₀ · (1 + δ_R)，其中 |δ_R| ≤ 0.1这里 δ_R 就是不确定性的「大小」，一般用百分比表示。比如 ±10% 的电阻变化。
关键点：参数不确定性只改变模型中的系数，不改变模型的结构。你的传递函数还是那个阶次，只是零极点位置在漂移。
我在项目中遇到过一件事。有一次调试一个液压伺服系统，模型里有个阻尼系数，手册上写的是 0.7。结果实际系统装好后，低频响应完全对不上。后来一查，阻尼系数实际在 0.4 到 1.2 之间变化。嗯，这就是典型的参数不确定性——你以为是常数，其实它在动。
2.2 未建模动态：你忽略的那些「高频细节」
参数不确定性还算老实，至少模型结构没变。但未建模动态就有点「阴险」了——它直接给你加了个你模型里没有的东西。
举个例子。你设计一个电机位置控制器，用的模型是二阶系统：
G(s) = K / (s² + 2ζωₙs + ωₙ²)但实际电机轴上有个柔性联轴器，它会在高频引入一个谐振峰。你的模型里根本没这个谐振，这就是未建模动态。
数学上，未建模动态通常用乘性不确定性或加性不确定性来描述：
乘性不确定性：G_actual(s) = G_nominal(s) · (1 + Δ_m(s))
加性不确定性：G_actual(s) = G_nominal(s) + Δ_a(s)其中 Δ_m(s) 或 Δ_a(s) 是一个稳定的、有界的传递函数，代表你「漏掉」的那部分动态。
我的经验：未建模动态通常在高频区域「冒出来」。所以设计控制器时，我习惯在 10 倍穿越频率以上留出足够的幅值裕度。说白了，就是给那些看不见的高频模式留点余地。
我曾经吃过一次亏。设计一个飞行器姿态控制器，模型只考虑了刚体模态。结果试飞时，机翼的弯曲模态被激励了，高频振荡差点把舵机烧了。从那以后，我每次都会问自己一句：「我模型里漏了什么？」
2.3 结构化 vs 非结构化不确定性
这两个概念，其实是上面两种不确定性的「组织方式」。
结构化不确定性
结构化不确定性，指的是你知道不确定性「长在哪个参数上」，只是不知道具体数值。
比如一个 RLC 电路，你知道不确定的是电阻 R 和电容 C，但电感 L 是精确的。这种「我知道哪里不准」的情况，就是结构化不确定性。
数学上，结构化不确定性通常用参数区间或参数摄动块来表示：
R ∈ [R_min, R_max]
C ∈ [C_min, C_max]或者用 LFT（线性分式变换）把不确定性「抽出来」：
G(s) = F_u( M(s), Δ )
其中 Δ = diag(δ₁, δ₂, ..., δₙ)这里的 Δ 是一个对角矩阵，每个 δᵢ 对应一个不确定参数。这种结构化的形式，在 μ 综合中非常有用。
非结构化不确定性
非结构化不确定性，说白了就是「我不知道具体哪里不准，但我知道整体误差有多大」。
比如你用一个低阶模型近似一个高阶系统，误差是分散在整个频率范围内的。你没法说「第 3 个极点不准」，只能说「整个传递函数有 ±3dB 的误差」。
非结构化不确定性通常用范数有界的形式：
‖Δ(s)‖∞ ≤ γ或者用频率加权的形式：
‖W(s) · Δ(s)‖∞ ≤ 1这里的 W(s) 是一个权重函数，用来描述不确定性在不同频率下的「大小」。
注意：非结构化不确定性虽然「模糊」，但处理起来反而更成熟。H∞ 控制理论就是专门对付这种不确定性的。我个人建议，如果对系统内部结构不太清楚，直接用非结构化模型更安全。
2.4 知识体系总览
说了这么多，我画了一张图，帮你把这几类不确定性的关系理清楚：
从这张图可以看得很清楚：参数不确定性通常对应结构化描述，未建模动态通常对应非结构化描述。但两者也有交叉——比如参数不确定性也可以用非结构化的范数界来近似，只是会保守一些。
2.5 实际工程中的选择策略
说了这么多理论，到底怎么选？我根据自己的经验，给几个实用建议：
| 场景 | 推荐的不确定性模型 | 理由 |
|---|---|---|
| 你知道哪些参数不准，且范围可测 | 结构化参数不确定性 | 精度高，不保守，适合 μ 综合 |
| 你只知道模型整体有误差，但来源不明 | 非结构化乘性不确定性 | 鲁棒性好，H∞ 控制的标准框架 |
| 高频动态被忽略，低频模型较准 | 频率加权非结构化不确定性 | 可以精确描述不同频段的误差大小 |
| 既有参数漂移，又有高频未建模动态 | 混合不确定性（结构化+非结构化） | 最接近实际，但分析复杂度高 |
避坑指南：我曾经在一个项目中，为了「精确」用了纯结构化模型，结果忽略了高频柔性模态，控制器在实际系统上振荡。后来换成混合不确定性模型，虽然保守了一点，但系统稳稳当当。我的建议是——如果对系统了解不够深，先用非结构化模型保底。
2.6 小结
这一章我们聊了不确定性的几种数学描述方式。说白了，参数不确定性是「数值不准」，未建模动态是「结构漏了」。结构化不确定性适合你知道「哪里不准」的情况，非结构化不确定性适合你只知道「整体误差多大」的情况。
嗯，这些概念是鲁棒控制的基石。下一章我们会把这些不确定性「塞进」控制系统的分析框架里，看看它们到底怎么影响稳定性。
公众号:蓝海资料掘金营，微信deep3321