第2章不确定性建模

第2章：不确定性建模——参数不确定性、未建模动态、有界不确定性

各位工程师朋友，咱们接着聊。上一章我讲了为什么要关注模型不确定性，这一章咱们就深入进去，看看不确定性到底长什么样，怎么把它“抓”出来建模。

说实话，我刚入行那会儿，总觉得建模就是搞一套漂亮的微分方程。直到有一次，我设计的一个飞行器控制器，仿真跑得飞起，一上实物就抖得像筛糠。后来一查，原来是忽略了执行机构的弹性模态——这就是典型的未建模动态。从那以后，我对不确定性建模再也不敢马虎了。

参数不确定性，说白了就是模型结构我知道，但里面的系数拿不准。比如一个弹簧-质量-阻尼系统，方程是：

m·ẍ + c·ẋ + k·x = F

质量m、阻尼c、刚度k，这些参数可能因为温度、老化、制造公差而变化。你想想看，同一个批次的电阻，阻值能差出5%。

怎么建模？ 我习惯用两种方式：

在鲁棒控制里，我们通常把参数不确定性写成这样：

m = m₀ · (1 + δ_m · Δ_m),  |Δ_m| ≤ 1

这里的 δ_m 是最大偏差比例，Δ_m 是归一化的不确定性。嗯，这里要注意，Δ_m 可以是时变的，也可以是定常的，取决于你的物理认知。

我的小技巧：如果参数变化很慢（比如温度漂移），我通常用定常不确定性；如果变化快（比如飞行中的气动系数），就用时变不确定性。这个选择直接影响后续的控制器保守性。

未建模动态，这是最让人头疼的。你明明建了模型，但总有些高频动态、非线性、时滞被你忽略了。比如：

我做过一个机械臂项目，建模时只考虑了刚体动力学，结果低频控制还行，一上高频就振荡。后来加了柔性模态的未建模动态模型，才把问题压住。

怎么建模？ 最常用的是乘性不确定性：

G(s) = G₀(s) · (1 + W(s) · Δ(s)),  ‖Δ‖∞ ≤ 1

这里的 G₀(s) 是标称模型，W(s) 是权重函数，它描述了不确定性随频率的变化。Δ(s) 是归一化的不确定性，范数有界。

为什么用乘性？因为未建模动态在高频更严重。你想想看，低频段你的模型很准，高频段基本是瞎猜。W(s) 通常设计成高通滤波器：

W(s) = (τ·s + 1) / (τ·s / α + 1)

α 是高频不确定性的幅值，τ 是转折频率。我一般根据实验数据或经验来定这两个参数。

避坑指南：我曾经把W(s)的转折频率设得太低，导致控制器过于保守，性能大打折扣。后来我学乖了——先做一次系统辨识，看看模型和实际数据的偏差到底在哪个频段开始变大，再定W(s)的参数。

前面两种不确定性，最终都要归结到“有界”这个框架里。鲁棒控制的核心思想就是：不确定性再大，也不能超出某个界。

这是最常用的形式。我们把所有不确定性打包成一个块 Δ，要求它的范数不超过1。比如：

我个人的经验是，H∞范数有界用得最多，因为它和频域设计天然契合。你设计一个鲁棒控制器，本质上就是在和这个“范数球”做博弈。

范数有界虽然好用，但太粗糙了。你想想看，实际系统中的不确定性是有结构的——参数不确定性是实标量，未建模动态是复传递函数，它们混在一起，用一个大Δ块去描述，会引入不必要的保守性。

这就是μ分析的价值所在。它把不确定性拆成多个块：

Δ = diag(Δ₁, Δ₂, ..., Δₙ)

每个块有自己的结构和范数界。μ值衡量的是：在保持系统稳定的前提下，这个块状不确定性最大能放大多少倍。

我做过一个航电系统的鲁棒性评估，用传统的H∞方法算出来稳定裕度只有0.3，但用μ分析一算，实际裕度有0.7。为什么差这么多？因为H∞把参数不确定性和未建模动态混在一起，而μ把它们分开处理，大大降低了保守性。

  核心要点：μ分析不是替代H∞，而是它的升级版。当你觉得控制器太保守、性能上不去时，试试μ综合（D-K迭代），往往能挤出不少性能余量。

下面这张图是我自己总结的不确定性建模框架，帮你理清思路：

说了这么多理论，最后给几条实在的建议：

我的习惯：每次做新项目，我都会先建一个“不确定性清单”，把参数变化、未建模动态、外部扰动全列出来，再逐个建模。这样后面做鲁棒控制时，心里特别有底。

好了，这一章就到这里。不确定性建模是鲁棒控制的基石，搞懂了它，后面的控制器设计才能有的放矢。