《Annual Reviews in Control》：An in-depth review of dual-arm robot learning methods with advances and challenges in variable compliance-aware control for uncertain tasks
编辑推荐：
本文系统综述前馈控制（FFC）与反馈控制（FBC）融合技术，分析古典方法在模型误差和调参复杂性的局限，探讨预测、自适应及数据驱动策略的进展，并通过工业案例验证其提升跟踪精度和抗扰能力，同时指出模型依赖、硬件验证不足等应用瓶颈。
Hoang Minh Nguyen-Khac|Fadi Alyoussef|Alexander Bech|Andrew Barr|Steve Sapsford|Chris Gerada|Alasdair Cairns
AutoNeura有限公司，白金汉郡，MK16 9PY，英国
摘要
前馈控制（FFC）通常与反馈结合使用，在工业中广泛应用于提高瞬态条件下的精度和抑制干扰。尽管如此，学术界的关注仍然有限，很少有全面的综述将算法与实际应用联系起来。本文通过调查经典和先进的前馈控制策略、它们的优缺点以及在不同行业的应用，填补了这一空白。
经典的前馈控制通过逆向建模和输入整形等方法来提高跟踪精度和干扰抑制能力，但面临稳定性不足、调整复杂以及模型不准确的挑战。混合技术，包括模型预测控制和主动干扰抑制控制，虽然扩展了功能，但仍受到复杂性和对非线性敏感性的限制。
最近的进展引入了前瞻性、自适应、基于优化的和数据驱动的方法。预览和预测设计提高了响应速度，但依赖于对未来情况的准确估计，而迭代和智能方法虽然减少了建模需求，却牺牲了稳定性及训练成本。前馈控制已应用于过程控制、电动驱动、燃料电池、发动机、机器人技术、运动系统、电力电子和能源系统等领域。这些应用普遍显示出跟踪精度和鲁棒性的提升，但其采用受到模型依赖性、校准工作量和硬件验证缺乏的制约。
信号采集和处理对前馈增强控制架构的稳定性和鲁棒性至关重要。本文讨论了噪声感知估计、抗延迟控制以及滤波/学习逆模型的最新进展，以确定保持可靠性能的实际设计策略，重点关注中高频应用。
为了展示实际效益，本文介绍了一种前馈增强的PID控制（即在前馈控制基础上加入PID闭环系统），并进行了预览和抗积分饱和功能的瞬态测试，这种测试传统上仅限于稳态条件。结合强化学习控制器，该方法减少了误差，扩展了适用范围，并提供了比传统电动测功机更具成本效益的替代方案。
引言
由于对高精度控制的需求、安全要求以及在日益复杂和自动化的生产过程中保持产品质量的必要性，许多现代工业操作都需要极其精确的控制系统。结合前馈控制（FFC）和传统反馈控制（FBC）是实现高精度控制的有效手段，尤其是在抑制强烈干扰和应对设定点变化时（Zhu等人，2021年；Liu等人，2019年）。研究发现，这种组合特别有助于改善因传感器噪声导致的控制性能下降问题（Rico-Azagra和Gil-Martinez，2021年）。尽管前馈控制是最有效的控制策略之一（Smith和Corripio，1997年），但只有少数应用可以单独使用前馈控制，例如桌面3D打印机（Ramani等人，2020年）、起重机系统（Orsini，2021年）和股票交易控制（Barmish等人，2022年）。然而，由于前馈控制是开环系统，因此在抵抗干扰时存在根本性弱点，因此其在研究界并未像反馈控制那样流行。大多数关于前馈控制的研究文章都集中在工业应用上（Faanes和Skogestad，2004年）。文献表明，前馈控制在控制工程的两个主要领域表现出色：1）设定点跟踪和2）负载干扰抑制（Zhang和Pham，2023年）。前馈控制最早于1925年被用于锅炉和蒸馏塔的控制。自20世纪60年代以来，它已成为许多工业控制器的基础组成部分，尤其是用于提升PID控制器的性能（Guzmán和H?gglund，2024年）。相反，Kulkarni等人（Kulkarni和Chary，1973年）观察到，在伺服电机相关应用中前馈控制的表现优于反馈控制。总体而言，自控制理论诞生以来，反馈控制方法一直是研究者的关注焦点，因为它们能保证系统的稳定性，并且在不受积分饱和影响时更为鲁棒。
然而，理解前馈控制输出的适当时间干预至关重要。Faanes和Skogestad开发了数学表达式来确定何时应使用前馈控制以及不确定性如何影响基于模型的前馈控制（Faanes和Skogestad，2004年）。Guzmán等人（Guzmán和H?gglund，2015年）提出了评估用于干扰抑制问题的前馈控制技术的性能指标。前馈控制通常用于具有较大时间延迟的系统，如双曲系统（Bastin等人，2021年）。在干扰抑制方面，前馈控制的表现优于预测控制等先进控制方法（Pawlowski等人，2012年）。前馈控制的应用实例包括1型糖尿病血糖控制（Marchetti等人，2008年；Sanz等人，2021年）、热轧机（Prinz等人，2018年）、热浸镀锌线（Saxinger等人，2020年）、有机朗肯循环（Pili等人，2022年）、卷对卷网印刷系统（Chen等人，2016年）、燃煤电厂（Fan等人，2024年）、燃料电池（Madani和Das，2016年）、风力涡轮机（Woolcock等人，2023年）、金属成形工艺（Havinga等人，2018年）、3D打印机（Wu等人，2023年）、粘弹性组织（Bianco等人，2022年）、协作驾驶（Zhu等人，2020年）、人工肌肉（Gupta等人，2019年）、轧制厚度控制（Prinz等人，2017年）、车辆串列（Al-Jhayyish和Schmidt，2018年；Wagner等人，2017年；Warth等人，2020年）、电动汽车动力总成组件（De Novellis等人，2014年；Cittanti等人，2022年）、水泥行业（Tsamatsoulis，2024年）、生化系统（Yuan等人，2021年）、望远镜（Wen等人，2022年）、基因治疗（Yang等人，2010年）、领导者-跟随共识问题（Lu和Liu，2017年）、下肢外骨骼（Dinovitzer等人，2024年）、智能和联网汽车（Yan等人，2020年）、核应用（Jiang等人，2023年）、行星探测器（Ross和Ellery，2017年）、实际液压执行器（Taheri等人，2022年）、灌溉渠道（Li，2014年）等。
尽管深度有限，但仍有一些综述论文探讨了前馈控制技术（Liu等人，2019年；Guzmán和H?gglund，2024年；Clayton等人，2009年；Devasia，2008年；Guzmán和H?gglund，2011年；van Zundert和Oomen，2018年）。Liu等人（Liu等人，2019年）回顾了几种工业前馈控制技术，但未涉及预测前馈控制等先进技术。Clayton等人（Clayton等人，2009年）和Devasia等人（Devasia，2008年）的综述仅关注纳米定位应用中的前馈控制技术。Guzmán等人（Guzmán和H?gglund，2024年；Guzmán和H?gglund，2011年）回顾了用于干扰抑制目的的前馈控制经典调整规则。Zundert和Oomen（van Zundert和Oomen，2018年）还回顾了基于系统逆模型的前馈控制和迭代学习控制（ILC）。
根据现有文献，尚未发表关于先进前馈控制技术的全面综述，这是开展这项研究的主要动机。其他动机包括：
1.提供一份可用于研究和开发的全面综述。具体来说，本文试图缩小前馈控制与反馈控制在出版物数量上的差距。
2.回顾前馈控制的主要工业应用。
3.为控制工程师提供关于工业中使用的前馈控制技术的简洁指南，以便于参考和进一步应用或探索。
本文的其余部分组织如下：
第2节探讨了文献中可用的先进前馈控制方法。
第3节介绍了前馈控制的应用，分别回顾了经典和先进的应用案例。
第5节提供了一个新的商业和工业应用示例。
第6节给出了结论和对未来工作的建议。
章节摘录
经典前馈控制技术
前馈控制广泛用于（i）抑制可测量或可估计的干扰以及（ii）提高设定点跟踪性能。本节回顾了实现上述目标的经典前馈控制结构，并总结了文献中的代表性方法。
先进前馈控制技术
前馈控制的进步旨在通过利用前瞻信息、数据学习、在线适应以及优化/鲁棒性工具来克服经典方法的局限性。本节对这一领域的最新策略进行了分类和讨论。前馈控制应用
本节旨在研究当前文献中前馈控制在实际物理系统中的应用。控制工程师可能会发现这部分内容有助于确定他们的特定行业应采用哪种前馈控制方法。信号采集与处理
获取、评估数据的质量以及解释数据的能力对于构建鲁棒的现代闭环伺服控制系统至关重要。随后，通过执行频域分析、滤波、干扰抑制、调制和解调以及信号的变换（时间和/或非时间变换）来确保控制系统的鲁棒性和精度。在引入开环系统与闭环系统相结合时，进一步
实时应用
传统基于PID的策略在高度瞬态条件下的局限性促使开发了针对发动机-测功机系统的先进控制方案。本研究探讨了两种互补的方法：首先，展示了一种新的控制方法在吸收式测功机上的瞬态扭矩跟踪能力，从而将其应用范围扩展到稳态测试之外，减少了对昂贵瞬态测功机的依赖；其次，结论与未来工作
经典前馈控制（第2节）为传统的PID反馈控制器提供了强大的补充，而先进前馈控制（第3节）在不确定性和约束条件下扩展了适用性，但代价是增加了感知、计算、建模和集成工作的难度。应用案例（第4节）和实际案例研究（第5节）证实了将前馈控制应用于现代控制系统的益处，并强调了数据驱动方法的潜力。预览前馈控制仍然是一个强大的工具
