滑模变结构控制研究综述

滑模变结构控制研究综述
滑模变结构控制作为一种非线性控制，与常规控制的根本区别在于控制的不连续性。

它利用一种特殊的滑模控制方式，强迫系统的状态变量沿着人为规定的相轨迹滑到期望点。

由于给定的相轨迹与控制对象参数以及外部干扰变化无关，因而在滑模面上运动时系统具有比鲁棒性更加优越的不变性。

加之滑模变结构控制算法简单，易于工程实现，从而为复杂工业控制问题提供了一种较好的解决途径。

本文首先介绍了变结构理论，并着重描述了滑模面设计、滑模条件、抖动问题、离散变结构、状态观测等方面的原理和方法，然后介绍了其主要应用情况，最后对本研究工作的发展方向进行了展望。

1 变结构控制理论
变结构控制是前苏联学者Emelyanov、Utkin和Itkin在二十世纪六十年代初提出的一种设计方法[1、2、3]。

当初研究的主要是二阶和单输入高阶系统，并用相平面法来分析系统特性。

进入二十世纪七十年代，则开始研究状态空间线性系统，使得变结构控制系统设计思想得到了不断丰富，也提出了多种变结构设计方法。

但这其中只有带滑动模态的变结构控制被认为是最有发展前途的。

所谓滑动模态是指系统的状态被限制在某一子流形上运动。

一般来说，系统的初始状态未必在该子流上，而变结构控制器的作用就在于把系统的状态在有限时间内驱动到并维持在该子流形上。

这一过程称为到达过程。

这里变结构控制体现在非线性控制，使得以下设计目标得以满足：
（1）滑动模态存在
（2）满足到达条件：在切换面0
S i以外的相轨迹将于有限时间内到
x
)
(
达切换面
（3）滑模运动渐近稳态并具有良好的动态品质
而以上三个设计目标可归纳为下面两个设计问题：选择滑模面和求取控制律。

下面我们针对几个问题叙述变结构控制系统的发展情况。

1.1 滑模面设计
变结构控制通常要求具有理想的滑动模态，良好的动态品质和较高的鲁棒性，这些性能要通过适当的滑模面来实现。

线性滑模面的设计有极点配置、几何、最优控制等多种方法，文献[4]中列举了较常见的。

文[7]中，Utkin提出按闭环系统的稳定性和快速性来选择滑模面，文[5]中，Ghezawi用广义逆矩阵法，根据闭环特征根的要求来设计滑模面。

Dorling[6]选择二次型函数为目标函数，从而得到最优滑模面。

上述线性滑模面因其设计简单，工程实现方便而得到了广泛的使用。

为进一步提高系统性能，许多新的滑模面设计方法被提出,Young提出了一种基于频域整形的滑模面设计方法[7],文[8]对此加以了改进，使之能适用于线性二次型控制指标对所有频率不为常数的情况。

为避免未建模误差对系统性
的滑模面设计方法。

文[10]提出采用双滑模面能影响，文[9]采用频域整形H
∞
减少一类非线性系统的稳态误差。

文[11]提出了积分滑模面，分析结果表明这种滑模面能保证由初始时刻到最终时刻系统都具有鲁棒性。

文[12]提出对不确定非线性系统，采用分段滑模面，并分别对每段滑模面提出一种模糊控制。

与静态滑模面的设计相对应，文[13]提出了旋转和移动滑模面的概念。

文[14]针对二阶非线性系统，提出了一种时变滑模面设计方法，使得系统刚开始运动就处于滑模面上，避免了滑模控制中的趋近运动。

然而这两种方法的收敛速度还须进一步提高。

文[15]针对二阶系统也提出一种时变滑模面方法。

它首先将滑模面设置为经过初始点，然后通过改变其斜率和截距，使其向期望滑模面移动。

然而该方法计算量大，难以应用到高阶系统。

而针对高阶系统，文[16]提出了一种基于模糊理论的移动滑模面方法，但它仅对期望滑模面的特征方程有重根情况进行了分析。

虽然滑模面的设计方法有多种，但对于一般非线性系统至今还未找到比较有效的方法。

1.2 滑模条件
在文献[17]中，Utkin首先提出了滑动模态存在的充分条件。

在此基础上，各国学者均开展了深入的研究，提出了同等意义下的滑动条件[18]。

但是，上述滑模存在的充分条件，也就是滑动模态能够到达的条件，只能保证系统从任一点出发的状态能够到达滑模面，而不能反映出状态是如何到达
滑模面的。

而且对于多输出系统，利用这种方法求解控制律，将会非常麻烦。

为此我国学者高为炳[19]提出了滑动模态趋近律概念，趋近律把求解滑模变结构从传统的求解不等式问题化为求解代数方程的问题，通过选择不同趋近律函数，可得到希望的动态品质特性。

这对于多变量线性系统及其它类型的复杂系统的滑模变结构设计显得尤为重要。

1.3 抖动问题
在实际滑模变结构系统中，由于开关器件的时滞及惯性等因素的影响，系统的状态到达滑模面后，不是保持在滑模面上作滑动运动，而是在滑模面附近作来回穿越运动，甚至产生极限环振荡。

这种现象称为抖动。

它有可能激励起系统中未建模高频运动成分，引起系统的高频振荡。

因此削弱或消除抖动是变结构控制在实际应用中要着重解决的重要问题，一些学者在这方面开展了广泛而深入的研究。

Slotine在文献[20]中提出了一种设立边界层的连续化方法，这样就有效地克服了抖动现象，但同时却失去了变结构控制的完全自适应能力，而退化成为一种鲁棒控制策略。

文[21]提出用饱和函数代替符号函数的消除抖动的方法。

然而该方法一方面难以确定控制器参数，另一方面在消除抖动的同时不可避免地影响控制的稳定精度。

高为炳[22]提出一种利用趋近律概念，减少抖动的方法。

通过调整参数k和ε使其既可保证滑动模态的动态品质，又可消弱系统的高频抖动。

Burton[23]则提出在单位向量变结构控制的分母中加入一个正常数δ，从而形成了连续控制。

王丰尧在文[24]中提出变结构频域近似设计法，对抖动的抑制有所帮助，但此时滑动模态的实现是近似的。

滑模变结构抖动的产生与控制律中控制项)
k有关，利用模糊控制在线
sgn(s
调整k值而得的模糊滑模变结构控制既可大大减少抖动，同时也增加了系统的鲁棒性。

但这种方案仅适用于简单系统，对于复杂的未建模系统难以达到较高的精度。

文[25]给出了滑模控制与模糊控制相结合的设计方法，提出了用模糊控制减少抖动的方法。

但由于模糊规则的选取有很大的任意性，因此为达到一定精度而选取的模糊规则可能会非常复杂。

对此可利用遗传算法对模糊规则进行最优化，则可在保证系统性能的同时，使模糊规则数量减少[26]。

1.4 离散变结构控制
离散变结构具有控制器输出量切换次数少、有利于减少系统抖动和可用于
采样周期较长的控制系统等优点。

对于离散变结构的研究最早见于俄文资料，随后又有许多作者对其加以研究，如文[27]。

近年来离散变结构控制的研究主要以到达条件为出发点。

1995年高为炳在文献[28]中提出的到达条件为等式形式，但是高氏趋近律明显的缺点在于：系统在切换带中运动，最终不可能到达原点，只能在原点附近的一个邻域内抖动。

1998年Bartoszwicz提出了二种新的趋近律[27]，由于系统状态不穿过滑模面而是在沿着滑模面的一个邻域内运动，因此抖动有所减少。

文[29]将高氏趋近律与高氏指数趋近律相结合提出了一种可产生扇形切换区的变速趋近律。

文[30]也提出了一种具有扇区特性的离散变结构设计方法。

这类方法虽然减少了抖动，但系统状态轨迹距平衡点越远，系统鲁棒性越差。

针对此问题，文[31]提出了一种综合设计方法：首先利用变结构保证系统运动到滑模扇区，然后再通过一个Lyapunov函数使系统收敛到原点。

传统的离散变结构控制律均是以等效控制为基础，长期的应用表明这种设计思想欠合理。

为此，很多改进设计方案被提出。

姚琼荟提出了以衰减控制代替等效控制[32]。

文[33]提出用神经网络构成等效控制，但此方案不能满足实时应用的要求。

文[34]提出基于递归神经网络的非线性离散变结构设计方法，相对于其它方法，其收敛速度有所提高。

文[35]提出了一种基于智能控制的离散变结构控制算法。

1.5 状态观测
在变结构控制中，一般来说滑模面包括了所有状态变量，但有些状态不可或不易直接测量。

随着微分几何理论的兴起，全局线性化、伪线性化以及扩展线性化方法均可被用于非线性系统的状态观测。

然而应用这些方法均需要有精确的模型，一旦存在不确定因素及建模误差，则观测器的鲁棒性就无法保证。

为避免直接测定状态变量，由Young首先提出的变结构输出反馈控制[36]。

文[37]利用变结构控制的强鲁棒性提出滑模观测器和辨识器。

由于测量噪声的存在可能影响状态估计的最终收敛性，因此文[38]提出将符号函数用一些连续函数代替并引入边界层的方案。

文[39]对扩展Kalman滤波器和滑模观测器进行了分析比较，得出了对存在有界建模系统，滑模观测器性能优于Kalman 滤波器的结论。

Yongsoon[40]考虑了外部干扰和参数的不确定性，利用观测器对系统不确定进行观测和补偿，并通过小增益理论分析了系统的稳定。

Abdelkrim等利用滑模观测器对交流电机的转子磁通进行了估计，并对带有滑模观测器的变结构控制、输入/输出线性化和矢量控制这三种控制方法进行了分析比较。

分析结果表明，前者不仅对参数变化有较大适应力，而且系统低速性能较好[41]。

针对一类非线性系统，文[42]研究了智能变结构状态观测器的设计问题。

1.6 自适应变结构
对于变结构控制系统，若干扰、参数变化以及建模误差等不确定因素满足“匹配条件”，则滑模面上的运动对这些不确定因素具有完全的不变性。

Drazenovic[43]最早对这种不变性系统进行了研究。

Ghezawi等给出了滑模不变性的条件[5]。

当匹配条件不满足时，则滑模特性直接取决于这些不确定量。

Spurgeon和Davis[44]对此种情况进行了初步分析，Zak[45]则较全面地分析了不确定因素对变结构控制器、观测器的滑模收敛区的影响。

从提高系统的鲁棒性出发，文[46]提出一种基于神经网络的滑模面和全程滑模控制器的设计方法。

当外部干扰及参数变化有界时，变结构系统可取得较理想控制效果。

但要确定不确定参数变化的上下界，在实际中存在一定困难。

文[47]提出了变结构直接自适应控制方法，利用一个简单的自适应律消除不确定的界。

文[48]对普通变结构控制和变结构自适应控制器分别在永磁同步伺服电机位置控制中的应用进行了分析比较，可知后者不需预知不确定参数上下界，且抖动现象也有所改善。

近来，利用模糊控制消除对不确定参数上下界依赖的研究工作也取得了一些进展。

文[49]提出了两种方案，首先用模糊逻辑系统逼近一个正常向量，使得不确定值小于其正常向量的加权值，然后用滑模变结构进行补偿。

文[50]将自适应模糊系统和滑模控制相结合，定义一个滑模平面和临界面，然后由Lyapunov方法设计自适应律。

这类方案的控制效果直接依赖于模糊逻辑系统对系统不确定部分的估计和逼近能力。

文[51]分析和设计了一个对不确定参数变化和外部干扰呈不灵敏性的智能滑模变结构控制算法。

2 变结构控制的应用
Young首先提出在机器人中采用变结构控制[52]。

文[53]将变结构应用于输电系统综合控制，文献[54]给出了变结构控制在化工中的应用，并采用遗传算法对变结构参数进行了寻优。

文献[55]给出了其在电力系统中的应用实例，提
出了一种滑模负荷频率控制方法。

文献[56]介绍了变结构控制在印刷机中应用情况，研究了遗传算法和神经网络融合的滑模控制器设计问题。

变结构控制在交流传动领域中也得到了广泛应用。

文[57]提出了一种基于滑模的自适应逐步后推控制方法，对不匹配的不确定参数呈较强鲁棒性。

文[58]先定义了积分滑模面，然后采用模糊神经滑模控制对交流电机位置进行了控制。

3 研究工作的展望
滑模变结构响应快，对系统参数和外部干扰呈不变性，可保证系统是渐近稳定的。

尤其可贵的是其算法简单，易于工程实现。

其缺点是存在抖动和需知不确定参数上下界等问题。

如何消除抖动而又不失强鲁棒性，仍是变结构实际应用时必须解决的首要问题。

模糊控制无需建立数学模型，控制的机理符合人们对过程控制作用的直观描述和逻辑思维。

其缺点是设计缺乏系统性，控制规则的选择多采用试凑法，且收敛性证明困难。

神经网络具有较强的自学习能力，可以充分逼近任意复杂的非线性。

其缺点是稳定性及收敛性证明困难，学习速度较慢，难以控制较复杂的对象。

由此可见，变结构控制、模糊控制和神经网络控制相互之间具有很强的互补性。

因此，我们可开展这种互补性研究，利用模糊逻辑的推理能力，神经网络的自学习能力和滑模变结构的快速性，进行多种控制方式融合，实现滑模变结构的智能控制[59]。

参考文献
[1]Emelyanov S V. Variable structure automatic control systems[M]. Moscow, 1967
[2]Utkin V I. Sliding mode and their application in VSSs[M]. Moscow, 1978
[3]Itkin U. Control systems of variable structure[M]. John Wiley & Sons, 1976
[4]Urkin V I. Variable structure systems with sliding modes[J]. IEEE Trans. Automat. Contr.,
1977, AC(22)
[5]El-Ghezawi O M E, Zinober A S I, Billings S A. Analysis and design of variable structure
systems using a geometric approach[J]. Int. J. Contr., 1983, 38(3): 657～671
[6]Dorling C M. Two approaches to hyper-plane design in multivariable structure control
systems[J]. Int. J. Contr., 1986, 44(1): 65～82
[7]Young K D, Ozuguner U. Frequency shaping compensator for sliding mode[J]. Int. J. Contr.,
1993, 57(5): 1005～1019
[8]Koshkouei A J. Zinober A S I. Robust frequency shaping sliding mode control[J]. IEE Proc.
Control Theory Appl., 2000, 147(3), 312～320
[9]贾志勇, 林延圻, 朝嵩伟. 一种基于频率整形的滑模变结构控制器设计[J]. 工业仪表与自动化
装置, 1999, 145(1): 3～5
[10]Shyu K K, et al. A modified variable structure controller. Automatica[J], 1992, 28(6):
1209～1213
[11]Shyu K K, Shieh H J. A new switching surface sliding mode speed control for induction
motor drive system[J]. IEEE Trans. Power Electron, 1996, 11: 660～667
[12]Wang W J, Lin H R. Fuzzy control design for the trajectory trucking on uncertain
nonlinear systems[J]. IEEE Trans. on Fuzzy Systems, 1999, 7(1): 53～62
[13]Choi S B, Park D W. Moving sliding surfaces for fast tracking control of second order
dynamical systems[J]. ASME Journal of Dynamic Systems, Measurement and Control, 1994, 116: 154～158
[14]Bartoszewicz A. Time-varying sliding modes for second-order system[J]. IEEE Proc.
Control Theory Appl., 1996, 143(5): 455～462
[15]Choi S B, Cheong C C, Park D W. Moving switching surface for robust control of
second-order variable structure systems[J]. Int. J. Contr., 1993, 58: 229～247 [16]Dong W P, Seung B C. Moving sliding surface for high-order variable structure
systems[J]. Int. J. Contr., 1999, 72(11): 960～970
[17]Utkin V I. Sliding modes and their application in discontinuous systems[J]. Automat.
Remote Contr., 1974, 21: 1898～1907
[18]Yung J Y, Gao W, Hung J C. Variable structure control[J]: A survey. IEEE Trans. on Ind.
Electron., 1993, 40(1): 2～22
[19]高为炳. 变结构控制的理论及设计方法[M]. 北京: 科学出版社, 1998
[20]Slotine T T E, Hedrick J K, Misawa E A. Nonlinear state estimation using sliding
observers[J]. Proc. 25th Conf. Dec., Cont., Althens, Greece, Dec., 1986, 332～339 [21]Slitine T T E. Sliding controller design for nonlinear systems[J]. Int. J. Control,
1984, 40(2): 421～434
[22]高为炳. 变结构研究的发展与现状[J]. 控制与决策, 1993, 8(4): 241～248
[23]Burton J A, Zinober S I. Continuous approximations of variable structure control[J]. Int.
J. SYS. SCI., 1986, 17(6): 252 ～ 259
[24]王丰尧. 滑模变结构控制[M]. 北京: 机械工业出版, 1995
[25]Hwang G C, Chang S. A stability approach to fuzzy control design for nonlinear system.
Fuzzy Sets and Systems[J], 1992, 48: 279～287
[26]Sinn C L, Yung Y C. Design of self-learning fuzzy sliding mode controllers based on
genetic algorithms[J]. Fuzzy Sets and Systems, 1997, 86: 139～153
[27]Bartoszewicz A. Discrete-time quasi-sliding mode control strategies[J]. IEEE Trans.
on Ind. Electron., 1998, 45(4): 633～637
[28]Gao W B, Wang Y F, Homaifa A. Discrete-time variable structure control systems[J].
IEEE Trans. on Ind Electr., 1995, 42(2): 117～122
[29]姚琼荟, 宋立忠, 温洪. 离散变结构控制系统的比例-等速-变速控制[J]. 控制与决策,
2000, 15(37): 290～332
[30]Katsuhisa Furuta, Pan Y D. Variable structure control with sliding sector[J].
Automatica, 2000, 36: 211～228
[31]Xu J, Lee T, Wang M. Design of variable structure controllers with continuous
switching control[J]. Int. J. Contr., 1996, 65(3): 409～431
[32]姚琼荟, 黄继起, 吴汉松. 变结构控制系统[M]. 重庆: 重庆大学出版社, 1997
[33]Morioka H, Wada K, Sabanovic A, et al. Neural network based chattering free sliding mode
control[J]. Proc. of the 34th SICE Annual Conference. Japan, 1995,1303～1308. [34]Fang Y, Chow T W S, Li X D. Use of a recurrent neural network in discrete sliding
mode control[J]. IEE Proc. Control Theory Appl., 1999, 146(1): 84～90
[35]张昌凡, 王耀南. Variable Structure Intelligent Control for PM Synchronous Servo
Motor Drive[J]. 中国电机工程学报,2002,22(7):13～16
[36]Young K K, Kwatny H G. Variable structure servomechanism design and its application to
overspeed protection control[J]. Automatica, 1982, 8(4): 385～400
[37]Haskara I, Ozguner U, Utkin V. On sliding mode observers via equivalent control
applouch[J]. Int. J. Control, 1998, 71(6): 1051～1067
[38]Walcott B, Zak S H. Combined observer-controller synthesis for uncertain in dynamics
systems with applications[J]. IEEE Trans. on Systems, Man and Cyber., 1988, 18(1): 88～104
[39]Cem U, Pushkin K. Sliding mode measurement feedback control for antilock braking
systems[J]. IEEE Trans. on Control Systems Technology, 1999, 7(2): 271～281
[40]Yongsoon E, Dong I D C. Robustness of multivariable discrete time variable structure
control[J]. Int. J. Contr., 1999, 72(12): 1106～1115
[41]Abdelkrim B, Ahmed R, Eric A. Sliding mode input output linearization and field
orientation for real time control of induction motors[J]. IEEE Trans. on Power Electronics, 1999, 14(1): 3～13
[42]张昌凡,王耀南,何静.智能变结构状态观测器的研究[J]. 电工技术学报, 2002.17(6):29～
32
[43]Drazenovic B. The invariance, conditions in variable structure systems[J]. Automatica,
1969, 5: 287～295
[44]Spurgeon S K, Davies R. A nonlinear control strategy for robust sliding mode performance
in the presence of unmatched uncertainty[J]. Int. J. Contr., 1993, 57(5): 1107～1123 [45]Hui S, Zak S H. Robust control synthesis for uncertain nonlinear dynamical systems[J].
Automatica, 1992, 28(2): 289～298
[46]张昌凡,王耀南.神经网络滑模鲁棒控制器及其应用[J].信息与控制,2001, 30(3):209～212
[47]Yu H, Lloyd S. Variable structure adaptive control of robot manipulators[J]. IEE Proc.
Control Theory Appl. 1997, 144: 167～176
[48]Lin F J, Shyu K K, Lin Y S. Variable structure adaptive control for PM synchronous servo
motor drive[J]. IEEE Proc-Electr. Power Appl., 1999, 146(2): 173～185
[49]Ting C S, Li T H. Fuzzy sliding mode control of nonlinear system[J]. Proc. of the 3rd IEEE
Conf. on Fuzzy System, 1994, 3: 1620～1625
[50]Stacey B A, et al. A direct adaptive fuzzy SMC: A case study of ROV[J]. Proc. of the 4th
IEEE Conf. on Fuzzy System, 1995, 4: 1979～1986
[51]张昌凡,王耀南.滑模变结构的智能控制及其应用[J].中国电机工程学报,2001,21(3): 27～29
[52]Young K K. Controller design for manipulator using theory of variable structure systems[J].
IEEE Trans. on Systems, Man and Cyber., 1978, SMC-8: 101～109
[53]韩云瑞. 输电系统自动控制的变结构方法[J]. 控制理论与应用, 1997, 14(5): 638～641
[54]Young K D, Utkin I, et al. A control engineer’s guide to sliding mode control[J]. IEEE
Trans. on Control Systems Technology, 1999, 7(3): 328～342
[55]孟祥萍, 薛昌飞, 张化光. 多区域互联电力系统的PI滑模负荷频率控制[J]. 中国电机工程学报,
2001, 21(3): 6～11
[56]张昌凡, 王耀南, 何静. GA-NN-Integrated Sliding-mode Control System and its Application
in the Printing Press [J].控制理论与应用（英文版）,2003,20(2):217～222
[57]Hsin J S, Kuo K S. Nonlinear sliding mode torque control with adaptive backstepping
approach for induction motor drive[J]. IEEE Trans. on IE, 1999, 46(2): 380～389
[58]Wai R J, Lin F J. Fuzzy neural network sliding mode position controller for induction
servo motor drive[J]. IEE Proc. Electr. Power Appl., 1999, 146(3): 297～308
[59]Kaynak O, Erbatur, Ertugrul M. The fusion of computationally intelligent methodologies
and sliding mode control-A survey[J]. IEEE Trans.on Electronics, 2001, 48(1): 4～17。