模块 M54 · L6 控制:从误差动力学到闭环 · 必修 · 单页课件
鲁棒、自适应控制与扰动观测
能写出 Slotine-Li 自适应律的回归矩阵形式,说明扰动观测器、滑模与增益调度的适用场景。
内容主体:本科机器人学课程体系 v2(Craig 骨架 · 路径轨迹与控制扩展)中的章节正文;以 G1 人形机器人为贯穿案例 | 配套:① 原站点演示 + ② 本模块概念交互台
人形机器人 · 本章引入 G1 案例
手里抱起 5 kg 负载后模型参数已变;自适应律在线更新负载估计,误差才不会一直残留。
① 的真实 G1 三维实验台是这一章的兴趣引入:先在左栏看整机的姿态与读数,把「这台人形机器人为什么需要本章」提出来;再到 ② 把核心关系亲手拖一遍。
本节要解决的问题 章节定位
夹起 5 kg 负载后,固定模型的计算力矩为什么明显变差?参数该由谁在线更新?
为什么独立成章:模型永远不精确;这一章给出三类应对手段,并说明它们各自愿意付出什么代价。
概念辨析 5 组
核心关系式 LeRobot / CS285 数据与策略评价
Slotine-Li 自适应控制律。
参数自适应律,由 Lyapunov 稳定性导出。
收敛性论证的骨架。
方法与步骤
- 判断不确定性是常值参数还是快变扰动:前者用自适应,后者用 DOB。
- 把动力学整理成对参数线性的回归形式 Yθ,这是自适应能用的前提。
- 滑模实现时用边界层 / 连续近似抑制抖振。
工程例子 把式子落到真实约束上
同一条抓取轨迹先夹 0.5 kg 再夹 5 kg:计算力矩的固定模型在重载下出现明显稳态滞后;自适应律在几个周期内把负载参数收敛,误差回到轻载水平。
把动力学整理成对参数线性的 τ = Yθ,用 θ̂̇ = −ΓYᵀs 在线更新;Lyapunov 函数 V = ½sᵀMs + ½θ̃ᵀΓ⁻¹θ̃ 给出收敛骨架。
② 概念台怎么读
训练数据与分布偏移。在训练集上表现好,不等于换一个场景还好。
看什么:加大分布偏移 Δ,测试数据越过决策边界,测试准确率立刻掉下来;样本少时边界不稳。
滑块分别改变 训练样本数 n、分布偏移 Δ、正则强度 λ;读数板列出中间量与判定。预设「同分布」等对应最容易出错的几组条件。
概念台边界:② 复用分布偏移实验台,用来直观看到「模型参数变了、误差随之变大」;自适应律本身只在右栏推导,不在图里仿真参数收敛。
章节依据 可逐条追溯
主干 / 主补充:
- CRAIG §10.6–10.8 自适应与鲁棒
- SLOTINE & LI《Applied Nonlinear Control》
- SICILIANO §5.4 自适应与鲁棒控制
其他参照:KHALIL 参数辨识;MIT Underactuated Ch9 Lyapunov
先修链 显式 DAG
先修关系写在 curriculum-craig-v2/curriculum.json 的 prereq 字段,50 个模块整体无环、可直接拓扑排序。
编写状态与使用边界 如实标注
使用边界:商业教材只登记公开目录、算法事实与公式;① 是本站已有真实交互实验台,用作兴趣 / 问题引入,不是本模块专属仿真;② 是教学示意模型,数值用于观察关系,不作为工程计算结果。
自测 · 掌握证据
题目:自适应控制为什么要求动力学对参数线性? 常值负载变化与高频扰动,分别更适合哪一类补偿?
提示:从 ② 里找证据
先在概念台里复现一组典型条件,再用核心关系式逐项核对读数;能说清「哪个量变了、哪个量没变、为什么」,才算达到本模块的掌握证据。
出处 · 本模块内容来源
- 内容主体
curriculum-craig-v2/curriculum.json与01_课程体系大纲_路径轨迹与控制扩展.md中的章节 M54;主干教材为 Craig《Introduction to Robotics》4/e。 - ① 兴趣引入 站点原有 G1 三维实验台
e03.html,通过?embed=topic嵌入模式复用,未改写原页面代码。 - ② 概念演示 本页新增的参数化 SVG 交互台,用于直观呈现本模块核心关系;教学示意模型,不是真实机器人仿真。
- 主干 / 主补充章节(可逐条追溯) CRAIG §10.6–10.8 自适应与鲁棒;SLOTINE & LI《Applied Nonlinear Control》;SICILIANO §5.4 自适应与鲁棒控制
- 其他参照 KHALIL 参数辨识;MIT Underactuated Ch9 Lyapunov
本页按 A01 单页课件模式生成,承载 v2 体系重写 / 新增的扩展章节;17 份课件独立存放在全新目录,v1 体系、19 份缺口课件、32 份课时课件与 91 模块课件一份未动。① 需经本地 HTTP 服务加载 ES module 与模型;② 为页内 SVG,离线可用。