针对受多源干扰影响的飞行试验舱系统的主动干扰抑制控制：一种结合动态补偿的扩展状态观测器方法

《Aerospace Science and Technology》：Active Disturbance Rejection Control for Flight Test Chamber System subject to Multi-Source Disturbances: An Extended State Observer with Dynamic Compensation Approach

飞行试验舱高压环境仿真系统面临多源干扰问题，传统ADRC受限于ESO的扰动估计能力。本文提出动态补偿项增强的CF(·)-NESO，通过状态驱动补偿机制优化原误差反馈机制，实现更平滑、低滞后和高精度的扰动估计，显著提升抗干扰性能。

　　

庄旭|张和红|谢云德|王欣|蔡超

福州大学计算机与数据科学学院，福州，350108，中国

摘要

用于高海拔环境模拟的飞行测试舱系统受到复杂的多源干扰，如强烈的气流波动、较大的模型不确定性和高强度的测量噪声。尽管主动干扰抑制控制（ADRC）已成为一种实用的抗干扰方法，但其性能严重受到扩展状态观测器（ESO）干扰估计能力的限制，而ESO是ADRC框架的核心。为此，本文提出了一种新的ESO设计方法，该方法通过状态驱动补偿增强了传统的纯误差反馈估计机制，以实现更平滑、延迟更小且精度更高的干扰估计，从而提高干扰抑制性能。所提出的方法应用于基于fal函数的非线性ESO（fal(·)-NESO），该函数具有“小误差时增益大、大误差时增益小”的特性，并被表示为CF(·)-NESO。对所提出观测器的有界性进行了严格分析，并通过数值模拟比较验证了其优越性。最后，将所提出的CF(·)-NESO-based ADRC（CF-NESO-ADRC）应用于飞行测试舱系统的压力控制，结果表明，所提出的方法有效提高了稳态跟踪性能和干扰抑制能力，优于基于fal(·)-NESO的ADRC（fal-NESO-ADRC）。

引言

在各种线性和非线性工业控制系统中普遍存在干扰/不确定性，包括非线性、外部干扰和未建模的动态特性等因素。这些干扰对系统的稳定性和控制精度构成了重大挑战[1]。因此，干扰估计和抑制问题一直是控制领域研究的热点[2]、[3]、[4]。其中，扩展状态观测器（ESO）作为一种实用的干扰估计技术，已广泛应用于抗干扰控制，尤其是在主动干扰抑制控制（ADRC）框架中[5]、[6]、[7]、[8]。为了提高线性ESO（LESO）的干扰估计能力，人们探索了各种非线性误差反馈函数来设计非线性ESO（NESO）。经过广泛的仿真研究和应用，韩某首次提出了具有“小误差时增益大、大误差时增益小”工程特性的分段函数fal(·)，并用于设计NESO（即fal(·)-NESO）[4]、[9]、[10]。该观测器在非线性和不确定系统的状态和干扰估计方面表现出优异的适应性。此外，在其应用过程中，逐渐提出并完善了一系列收敛性分析，确保了其理论可行性[11]、[12]、[13]、[14]。因此，fal(·)-NESO在能源系统[15]、智能结构[16]以及航空推进系统[17]、[18]、[19]、[20]等多个领域得到了广泛应用。

然而，在高频干扰或测量噪声下，尤其是高增益参数的情况下，fal(·)-NESO的抖振现象尤为明显。此外，相位延迟也是观测器的另一个固有问题。这些问题不仅影响观测器的稳定性，还严重限制了其干扰估计能力。针对fal(·)函数的局限性，赵等人设计了一种由线性和分数阶幂函数组成的分段平滑函数作为替代方案，构建了一种新的NESO以实现更准确的干扰估计[21]。谢等人开发了一种基于非线性正态分布函数（ndfal）的NESO算法，利用正态分布曲线的特性平滑调整，避免了fal(·)的分段性质引起的不连续性，提高了观测器的动态响应性能[22]。蒲某在基于fal(·)-NESO的基础上，提出了一种固定时间收敛函数，提高了ESO的收敛速度和跟踪误差性能[23]。为了抑制抖振和改进干扰估计，采用了一种曲线平滑的非线性误差反馈函数xal(·)来设计改进的NESO[24]。在上述研究中，研究人员通过设计各种非线性误差反馈函数，遵循fal(·)函数“小误差时增益大、大误差时增益小”的工程特性，有效增强了fal(·)-NESO的干扰估计能力。不幸的是，选择适用于大多数类型干扰的合理非线性误差反馈函数仍然是一个未解决的问题。此外，还引入了一些参数调整方法和滤波算法来提高干扰估计的精度和鲁棒性[25]、[26]、[27]。

与上述方法相比，本文提出了一种具有动态补偿项的新ESO设计方法。该方法无需修改原始的fal(·)函数或引入额外的参数调整方法，而是通过引入由内部观测器状态构建的状态驱动补偿项来增强传统的纯误差反馈估计机制。补偿项的设计灵感来自跟踪微分器（TD）的控制机制，其中状态辅助控制实现了主动的轨迹调节。基于类似的思想，所提出的ESO将动态补偿项纳入干扰观测过程中，从而将估计范式从纯误差校正扩展为结合误差反馈和状态驱动补偿的混合机制。此外，将所提出的CF(·)-NESO-based ADRC（CF-NESO-ADRC）应用于飞行测试舱系统的压力控制，进一步评估了其实用性和工程价值。先前开发的自适应参数b₀方法也被应用于所提出的CF-NESO-ADRC中，提高了参数调整的效率并进一步增强了其控制质量[20]。本文的主要贡献如下：

1.

提出了一种新的ESO设计方法，通过状态驱动补偿增强了传统的纯误差反馈估计机制。将状态辅助调节的可控机制映射到干扰观测过程中，实现了具有更好平滑性和相位特性的主动干扰估计。

2.

根据所提出的新ESO设计概念，开发了一种具有特定非线性误差反馈函数fal(·)的NESO，称为CF(·)-NESO。此外，对所提出观测器的有界性进行了严格分析，并提供了参数选择的详细指南。

3.

进行了广泛的仿真和实验来验证所提出观测器的有效性。与基于fal(·)-NESO的ADRC（fal-NESO-ADRC）相比，结果表明，所提出的方法实现了更平滑、延迟更小且更准确的干扰估计，从而在系统控制中具有更优越的抗干扰能力和响应速度。

本文的其余结构安排如下。第2节简要回顾了系统应用场景。第3节提出了新的ESO设计。第4节进行了数值仿真以验证理论结果。第5节将所提出的CF-NESO-ADRC应用于飞行测试舱系统的压力控制，进一步证明了其有效性。最后，第6节总结了这项工作。

部分摘录

应用场景回顾

飞行测试舱系统是一种大规模的地面测试设施，用于获取各种航空发动机的飞行包线特性曲线[20]、[28]。飞行测试舱系统的示意图如图1所示。它主要由空气供应系统、排气系统和飞行环境模拟系统等子系统组成。其基本原理是通过调节环境条件来模拟高海拔飞行的速度和高度条件

主要结果

在本节中，详细介绍了所提出的新ESO设计及其收敛性分析、参数调整指南以及其在ADRC框架中的集成。

数值仿真

在本节中，进行了几个数值仿真示例，以验证所提出的CF(·)-NESO在抑制fal(·)-NESO的抖振和提高其收敛速度方面的有效性。这些示例使用了MATLAB软件，采样周期为0.01秒。考虑以下不确定的非线性系统：