کنترل کننده پسگام تطبیقی (Adaptive Backstepping Controller)، در ریاضیات (Mathematics)
انواع کنترل کننده ها (Controller) را در آموزش زیر شرح دادیم :
کنترل کننده پسگام تطبیقی (Adaptive Backstepping Controller) :
ترکیب پسگام با تخمین پارامترهای نامعین
کنترل کننده پسگام تطبیقی یا Adaptive Backstepping Controller ترکیبی از روش پسگام و کنترل تطبیقی است. این روش برای سیستم های غیرخطی با پارامترهای نامعین (که به صورت خطی در معادلات ظاهر می شوند) طراحی شده است. در این روش، همزمان با طراحی کنترل کننده گام به گام، قوانین تطبیق برای تخمین پارامترهای نامعین نیز استخراج می شود.
سیستم مورد نظر به فرم زیر است (با پارامترهای نامعین θ):
\[ \dot{x}_1 = x_2 + \varphi_1(x_1)^T \theta \] \[ \dot{x}_2 = x_3 + \varphi_2(x_1, x_2)^T \theta \] \[ \vdots \] \[ \dot{x}_n = u + \varphi_n(x_1, ..., x_n)^T \theta \]در طراحی پسگام تطبیقی، در هر گام یک تخمین از θ داریم که با رسیدن به گام بعد به روزرسانی می شود. قوانین تطبیق از تحلیل پایداری لیاپانوف استخراج می شوند.
کاربردها: کنترل ربات ها با بار نامعلوم، کنترل هواپیما با ضرایب آیرودینامیکی نامعین، سیستم های قدرت با پارامترهای متغیر، موتورهای الکتریکی با تغییرات دما.
✅ مزایا: عملکرد خوب در حضور پارامترهای نامعین، تضمین پایداری مجانبی، ترکیب سیستماتیک پسگام و تطبیق.
⚠️ معایب: پیچیدگی بالا، نیاز به پارامترها به صورت خطی در معادلات، افزایش مرتبه سیستم به دلیل دینامیک تخمین زننده ها.
در پسگام تطبیقی، مشکل "افزایش مرتبه" (overparametrization) ممکن است رخ دهد، یعنی تعداد پارامترهای تطبیقی بیش از حد لازم باشد. برای رفع این مشکل، روش هایی مانند "تنظیم کننده اطمینان" (tuning functions) معرفی شده است که در آن فقط یک قانون تطبیق برای کل سیستم داریم.
مثال: یک ربات زیرآبی با جرم نامعلوم (چون آب داخل محفظه نفوذ می کند). با پسگام تطبیقی، می توان هم کنترل کننده طراحی کرد و هم جرم را تخمین زد. قانون تطبیق بر اساس خطای ردیابی، تخمین جرم را تصحیح می کند.
پایداری در پسگام تطبیقی با استفاده از توابع لیاپانوف توسعه یافته اثبات می شود که شامل خطاهای ردیابی و خطاهای تخمین پارامترها هستند. این توابع نشان می دهند که همه سیگنال ها کراندار بوده و خطای ردیابی به صفر همگرا می شود.
