免疫优化与线性自抗扰：平面Acrobot鲁棒镇定的关键技术

本文主要探讨了平面Acrobot机器人在受到不确定性影响时的控制问题。平面Acrobot是一种典型的欠驱动系统，其末端执行器的位置控制受到驱动关节角度的直接影响。作者针对这种复杂动态系统的挑战，提出了一个创新的控制策略——基于免疫优化的线性自抗扰鲁棒控制设计。 首先，作者利用驱动关节与被动关节角度之间的状态约束，将末端点位置控制转化为对驱动关节角度的控制，这样便于处理不确定性。通过免疫优化算法，研究人员旨在寻找在满足最小角度位移限制条件下，使机器人从任意初始位置能够最快速且稳健地到达目标位置的驱动关节角度值。免疫优化算法模仿了生物免疫系统的工作原理，通过模拟抗体的选择过程来搜索最优解，这有助于解决复杂的优化问题。 接着，引入线性自抗扰控制技术，将模型不确定性、未知干扰等因素纳入考虑，将其视为一个扩展的状态变量。通过设计线性扩张状态观测器，可以估计这个不可测量的扰动，使得控制器能够在仅有驱动关节角度可测的情况下实现鲁棒控制。状态误差反馈控制器进一步确保了系统稳定性，即使面对不确定性和干扰也能维持系统的性能。 仿真实验部分，研究者展示了该方法的有效性，通过对比展示其在鲁棒控制性能上的优势。实验结果表明，基于免疫优化的线性自抗扰控制策略能有效地应对平面Acrobot机器人在实际运行中的各种不确定性，确保机器人能够稳定地达到目标位置，这对于实际工业应用中的动态机器人控制具有重要意义。 此外，文章还提及了其他相关领域的研究，如参数未知的离散系统Q-学习优化、小型无人直升机的强化学习控制、马尔科夫跳变多智能体系统的自适应事件触发一致性以及库存管理下的决策问题，这些都展现了控制与决策领域内的多元化研究方向。 这篇论文是控制理论与优化算法结合的实例，对于理解和改进欠驱动系统如平面Acrobot的鲁棒控制有着重要的学术价值，同时也为未来解决类似复杂动态系统提供了新的思路和方法。