Praktische vordefinierte-adaptive Fuzzy-Regelung für quantisierte nichtlineare Systeme mittels Beobachter-Differenzierer-Schema

Warum schnelle und verlässliche Regelung wichtig ist

Moderne Maschinen – von Industrierobotern bis zu ferngesteuerten Fahrzeugen – müssen oft sehr schnell und präzise einer gewünschten Bewegung folgen, selbst wenn Informationen durch digitale Kommunikation verzerrt oder verzögert werden. Dieser Beitrag untersucht, wie Regelalgorithmen so gestaltet werden können, dass sie garantieren, dass ein System innerhalb einer vorab gewählten Zeitspanne nahe sein Ziel erreicht, obwohl sowohl die an die Maschine gesendeten Befehle als auch die zurückkommenden Messdaten grob in Stufen statt als glatte Signale digitalisiert sind.

Digitale Stufen statt glatter Signale

In vielen realen Anwendungen laufen Steuersignale über Netzwerke mit begrenzter Bandbreite. Statt kontinuierlicher Werte werden sie in diskrete Stufen „quantisiert“, ähnlich dem Runden jeder Zahl auf den nächsten Cent. Gleiches kann für Sensormessungen gelten, die von der Maschine zurückkommen. Diese gestuften Signale vereinfachen die Kommunikation, führen aber zu Messfehlern und abrupte Änderungen, die Wanken (Chattering), Energieverschwendung und im schlimmsten Fall Instabilität verursachen können, wenn der Regler nicht sorgfältig ausgelegt ist. Die betrachteten Systeme sind zudem stark nichtlinear und generell schwieriger zu handhaben, weil innere Variablen auf komplizierte Weise verknüpft sind, mit denen klassische Entwurfsmethoden oft Probleme haben.

Vielversprechende Idee: ein Ziel in vordefinierter Zeit erreichen

Traditionelle Regelverfahren sorgen häufig dafür, dass Fehler schließlich verschwinden, sagen aber nicht, wie lange das dauert. Fortgeschrittene „endliche Zeit“- und „festgelegte Zeit“-Ansätze können zwar eine obere Schranke für die Einschwingzeit garantieren, doch diese Grenze ist nicht frei wählbar. Die Autoren bauen hier auf dem Konzept der vordefinierten Zeitregelung auf, das Ingenieuren erlaubt, im Voraus eine gewünschte obere Grenze dafür festzulegen, wie lange das System benötigen darf, um sich dem Ziel zu nähern. Das ist in zeitkritischen Anwendungen wie Raumfahrmanövern oder Hochgeschwindigkeitsfertigung entscheidend, wo das Versäumen eines Zeitfensters hohe Kosten nach sich ziehen kann.

Neue Werkzeuge: Beobachter und Differenzierer im Zusammenspiel

Um dieses Verhalten unter starker Quantisierung zu erreichen, führt die Arbeit zwei zentrale Bausteine ein. Erstens schätzen die Autoren mit einem neuen Zustandsbeobachter, der auf der inversen hyperbolischen Sinus-Funktion basiert, die nicht gemessenen internen Zustände der Maschine allein aus dem quantisierten Ausgang. Im Gegensatz zu vielen früheren Fuzzy-Beobachtern erfordert dieses Design kein präzises mathematisches Modell der Anlage, was es für unsichere oder schlecht bekannte Systeme geeigneter macht. Zweitens schlagen die Autoren einen vereinheitlichten Differenzierer vor, der mit der nicht-glatten, nicht-differenzierbaren Natur quantisierter Signale umgehen kann. Anstatt mehrere Filter und Glättungsfunktionen zu kaskadieren – was Algorithmen aufgebläht und schwer analysierbar machen kann – bändigt der einzelne Differenzierer die scharfen Ecken der digitalisierten Messungen und vermeidet eine Kaskade komplexer Berechnungen.

Adaptive Fuzzy-Regelung unter digitalen Zwängen

Auf diesen Signalverarbeitungselementen bauen die Autoren einen adaptiven Fuzzy-Regler auf. Fuzzy-Logik wird verwendet, um unbekannte nichtlineare Effekte zu approximieren, während adaptive Gesetze die internen Parameter des Reglers während des Systembetriebs in Echtzeit anpassen. Das Design ist so strukturiert, dass alle Signale im geschlossenen Regelkreis beschränkt bleiben und der Regelungsfehler – also wie weit die tatsächliche Ausgabe vom gewünschten Referenzsignal abweicht – innerhalb des gewählten Zeitfensters in eine kleine, einstellbare Umgebung um Null schrumpft. Wichtig ist, dass derselbe Rahmen mit Quantisierung sowohl am Eingang (Steuerspannung oder Drehmoment) als auch am Ausgang (Sensormessungen) zurechtkommt, was der Realität vernetzter Regelungssysteme näherkommt.

Ergebnisse aus simulierten Systemen

Die Autoren testen ihren Ansatz an einem simulierten Direktantriebs-Roboterarm und an einem weiteren nichtlinearen System mit starker mathematischer Kopplung zwischen seinen Variablen. In diesen Beispielen bringt der Regler die Systemausgabe innerhalb der voreingestellten Zeit dazu, der gewünschten Trajektorie zu folgen, und hält interne Größen wie Position, Geschwindigkeit und Motorstrom in akzeptablen Grenzen. Vergleiche mit einer jüngeren Alternativmethode zeigen, dass das neue Schema ähnliche oder bessere Verfolgungsleistungen erreichen kann, während es kleinere Schwankungen der Steuersignale benötigt, was sich in geringerem Energieverbrauch und weniger Verschleiß an Aktuatoren niederschlägt. Die Simulationen veranschaulichen außerdem einen natürlichen Zielkonflikt: Eine kürzere Einschwingzeit steigert die Geschwindigkeit, erhöht aber den Stellaufwand, sodass Entwickler einen Hebel zur Balance zwischen Leistung und Kosten erhalten.

Was das für künftige intelligente Maschinen bedeutet

Einfach ausgedrückt zeigt diese Arbeit, wie sich komplexe, teilweise unbekannte Maschinen zeitkritischen Befehlen zuverlässig unterwerfen lassen, selbst wenn ihre Steuer- und Messsignale stark digitalisiert sind. Durch die Kombination eines modellunabhängigen Beobachters, eines schlanken Differenzierers und eines adaptiven Fuzzy-Reglers kann die Methode garantieren, dass das System innerhalb einer vom Anwender gewählten Zeit nahe sein Ziel erreicht und dort mit moderaten Schwankungen verbleibt. Das eröffnet Wege zu vorhersehbarerer und energieeffizienterer Regelung in vernetzten und ressourcenbeschränkten Umgebungen, von Industrieantrieben über Robotik bis weit darüber hinaus.

Zitation: Wang, Y., Chen, J. & Ma, W. Practical predefined-time adaptive fuzzy control for quantized nonlinear systems via observer-differentiator scheme. Sci Rep 16, 11519 (2026). https://doi.org/10.1038/s41598-026-35313-y

Schlüsselwörter: vordefinierte Zeitregelung, adaptive Fuzzy-Regelung, quantisierte Signale, nichtlineare Systeme, Zustandsbeobachter