一、鲁棒控制概述：什么是模型不确定性？鲁棒控制的核心思想与H∞控制简介

1.1 从一次惨痛教训说起

我记得刚入行那会儿，接手过一个飞行器姿态控制项目。

仿真跑得漂漂亮亮，各种指标都达标。结果一上真机，抖得跟筛子似的。

我当时就懵了。明明模型建得很精细，参数也标定过，怎么就不行了？

后来老工程师点醒我：你建的模型，跟真实系统之间，永远隔着一道鸿沟。

这道鸿沟，就是模型不确定性。

1.2 什么是模型不确定性？

说白了，模型不确定性就是「你算的」和「实际发生的」之间的差距。

你想想看，我们做控制设计时，总要建个数学模型。但这个模型，永远只是真实系统的近似。

为什么会这样？因为真实世界是连续的、非线性的、时变的。而我们用的模型，往往是线性的、定常的、低阶的。

这个矛盾，永远存在。

1.3 传统控制为什么不够用？

经典PID控制，说白了就是「看误差调输出」。它不关心模型准不准，只关心反馈信号对不对。

但问题来了——当模型偏差大到一定程度，PID的增益怎么调都调不好。

我曾经调一个柔性机械臂的PID，位置环增益从10试到100，要么响应太慢，要么震荡发散。折腾了两周，最后发现是忽略了结构谐振模态。

这就是传统控制的局限：它假设模型足够准，或者偏差足够小。

那怎么办？

我们需要一种控制方法，在设计阶段就把「模型可能不准」这个事实考虑进去。

这就是鲁棒控制。

1.4 鲁棒控制的核心思想

鲁棒控制的核心思想，用一句话概括就是：

它不追求「在精确模型下性能最优」，而是追求「在模型不确定范围内，性能都能接受」。

具体怎么做？

• 把不确定性建模出来：不是忽略它，而是用数学形式描述它。比如「参数在±10%范围内变化」，「高频未建模动态的增益上限是多少」。
• 设计控制器时考虑最坏情况：保证在最恶劣的不确定性组合下，系统依然稳定。
• 牺牲一点标称性能，换取鲁棒性：说白了，就是「别太贪心，留点余量」。

嗯，这里要注意：鲁棒控制不是万能的。它不能保证「任何不确定性下都稳定」，只能保证「你定义的那类不确定性下稳定」。

所以，不确定性建模的准确性，直接决定了鲁棒控制的成败。

1.5 H∞控制：鲁棒控制的主力军

H∞控制，是鲁棒控制家族里最成熟、应用最广的方法之一。

它的名字有点吓人，但核心思想其实很直观：

说白了，就是让系统对扰动「最不敏感」。

为什么叫H∞？

• H 代表 Hardy 空间，是数学里研究传递函数的一种函数空间。
• ∞ 代表无穷范数，也就是「最大值」。
• H∞范数，就是传递函数在所有频率上的最大增益。

你想想看，如果一个系统的H∞范数很小，那就意味着：不管扰动是什么频率，系统对它的放大作用都很小。

这不就是我们想要的「鲁棒性」吗？

1.6 一个简单的H∞控制例子

假设你有一个单输入单输出系统，传递函数为：

G(s) = 1 / (s + 1)

但实际参数有不确定性：时间常数可能在0.8到1.2之间变化。

用H∞方法，你可以设计一个控制器K(s)，使得：

• 闭环系统稳定
• 从扰动d到输出y的增益，在所有频率上都小于某个阈值γ

H∞控制器的求解，通常通过求解两个Riccati方程，或者用LMI（线性矩阵不等式）方法。

代码示例（MATLAB）：

% 定义标称模型
G = tf(1, [1 1]);

% 定义不确定性权重
W1 = tf(0.2, [1 0]);  % 低频扰动抑制权重
W2 = tf(0.1, [1 0.01]); % 高频未建模动态权重

% 增广系统
systemnames = 'G W1 W2';
inputvar = '[d; u]';
outputvar = '[W1; W2; d + G*u]';
input_to_G = '[u]';
input_to_W1 = '[d + G*u]';
input_to_W2 = '[u]';
P = sysic;

% H∞控制器综合
[K, CL, gamma] = hinfsyn(P, 1, 1);

这段代码里，W1和W2就是用来描述不确定性的权重函数。它们告诉控制器：「低频扰动要压得狠一点，高频不确定性要留点余量」。

1.7 本章知识体系

下面这张图，帮你理清本章的核心逻辑：

1.8 避坑指南

1.9 小结

这一章，我们聊了：

• 模型不确定性是什么，它从哪里来
• 为什么传统控制搞不定它
• 鲁棒控制的核心思想——为最坏情况做设计
• H∞控制的基本概念——最小化扰动到输出的最大增益

说白了，鲁棒控制就是让你在设计阶段就「认怂」——承认模型不准，然后想办法让系统在这种不准的情况下还能好好工作。

这不是示弱，这是工程智慧。

---