分数阶 Lorenz 系统自适应控制与仿真

分数阶Lorenz系统的自适应控制及其Matlab仿真是一个结合了分数阶混沌、控制理论和数值仿真的经典研究课题。

我们将以Caputo定义的分数阶Lorenz系统为例，设计一个参数未知情况下的自适应控制器，并给出完整的Matlab仿真流程。

1. 受控系统模型

考虑带有控制器和未知参数的分数阶Lorenz系统：

{ Dαx=σ(y−x)+uxDαy=ρx−y−xz+uyDαz=xy−βz+uz \begin{cases} D^\alpha x = \sigma (y - x) + u_x \\ D^\alpha y = \rho x - y - xz + u_y \\ D^\alpha z = xy - \beta z + u_z \end{cases}⎩⎨⎧​Dαx=σ(y−x)+ux​Dαy=ρx−y−xz+uy​Dαz=xy−βz+uz​​

其中：

• α∈(0,1]\alpha \in (0, 1]α∈(0,1]为分数阶阶次（通常我们取相同的α\alphaα）。
• σ,ρ,β>0\sigma, \rho, \beta > 0σ,ρ,β>0是系统的未知参数（但我们知道其符号为正）。
• ux,uy,uzu_x, u_y, u_zux​,uy​,uz​是待设计的控制输入。
• 控制目标：使系统状态(x,y,z)(x, y, z)(x,y,z)渐近稳定到零点$(0,0,0)$，即使得lim⁡t→∞x,y,z=0\lim_{t \to \infty} x, y, z = 0limt→∞​x,y,z=0。

为什么参数未知？在实际应用中，系统参数可能难以精确测量或会缓慢漂移，自适应控制能在线估计这些参数并调整控制器，鲁棒性更强。

2. 控制器与自适应律设计

我们采用Lyapunov稳定性理论和Backstepping思想来设计。

步骤1：控制第一个方程
我们直接对xxx施加一个简单的线性反馈来控制它：
ux=−kxx−σ^(y−x) u_x = -k_x x - \hat{\sigma}(y - x)ux​=−kx​x−σ^(y−x)
其中kx>0k_x > 0kx​>0是一个可调增益，σ^\hat{\sigma}σ^是σ\sigmaσ的估计值。

代入第一个方程：
Dαx=σ(y−x)−kxx−σ^(y−x)=−kxx+(σ−σ^)(y−x) D^\alpha x = \sigma (y-x) - k_x x - \hat{\sigma}(y-x) = -k_x x + (\sigma - \hat{\sigma})(y-x)Dαx=σ(y−x)−kx​x−σ^(y−x)=−kx​x+(σ−σ^)(y−x)
定义参数估计误差σ~=σ−σ^\tilde{\sigma} = \sigma - \hat{\sigma}σ~=σ−σ^$，则：
Dαx=−kxx+σ~(y−x) D^\alpha x = -k_x x + \tilde{\sigma}(y-x)Dαx=−kx​x+σ~(y−x)

步骤2：控制第二个方程
现在考虑yyy的方程。我们希望yyy能辅助稳定xxx，同时自身也被稳定。设计：
uy=−ρ^x+y+xz−kyy u_y = -\hat{\rho} x + y + xz - k_y yuy​=−ρ^​x+y+xz−ky​y
其中ky>0k_y > 0ky​>0，ρ^\hat{\rho}ρ^​是ρ\rhoρ的估计值。

代入第二个方程：
Dαy=ρx−y−xz−ρ^x+y+xz−kyy=(ρ−ρ^)x−kyy D^\alpha y = \rho x - y - xz -\hat{\rho} x + y + xz - k_y y = (\rho - \hat{\rho})x - k_y yDαy<