Современный уровень развития теории и техники управления характеризуется неуклонным повышением разнообразности и сложности управляемых объектов: многомерность, многосвязность, нелинейность, нестационарность, стохастичность, но неопределенность чаще всего оказывается на первом месте, т.к. сложность задаче придает недостаток информации о ней. К таким задачам можно отнести: задачи управления непрерывными технологическими процессами; энергетическими комплексами; движущимися объектами (летательными аппаратами, судами, транспортными и манипуляционными роботами); задачи возникающие в системных исследованиях (управление развитием городских и региональных систем, распределение водных и энергетических ресурсов). Таким образом, типичным становится случай, когда отсутствует точное математическое описание объекта или происходит изменение его параметров неизвестным образом в широких пределах, т.е. многие объекты управления характеризуются неполнотой априорной и текущей информации относительно их характеристик и воздействий внешней среды, что существенно влияет на качество управления и его результаты. Поэтому проблема управления динамическими объектами в условиях неопределенности является центральной проблемой современной теории управления. В этой ситуации возникает необходимость применения адаптивных систем управления, цель которых состоит в устранении неопределенности, связанной с незнанием структуры и параметров объекта. Это достигается при помощи алгоритмов, которые в результате обработки доступных наблюдений, полученных в процессе функционирования объекта управления, определенным образом изменяют параметры управляющего устройства.
Существенное отличие адаптивных методов управления от классических заключается в том, что они обеспечивают выполнение поставленной цели управления не для одного, полностью определенного объекта, а для некоторого множества объектов, принадлежащих определенному классу. Класс адаптивности обычно задается с помощью граничных значений возможных изменений параметров управляемого объекта и действующих на объект возмущений.
Теория адаптивного управления начала стремительно развиваться в связи с появлением новых летательных аппаратов. Несколько позже была впервые сделана попытка построения достаточно общей теории адаптивных систем управления в виде так называемой теории дуального управления. Другое самостоятельное научное направление было создано на основе использования и дальнейшего развития методов стохастической аппроксимации.
В настоящее время существует большое количество работ по теории адаптивных систем. Принципы адаптивного управления нашли широкое применение в различных отраслях промышленности: электронной и электротехнической, химической, металлургической, робототехнической, управлении летательными аппаратами и в других областях.
Применение адаптивного подхода к построению систем управления по сравнению с неадаптивным управлением позволяет: обеспечить работоспособность системы управления в условиях широкого изменения динамических свойств объекта; повысить надежность системы, снизить технологические требования к изготовлению отдельных узлов и элементов системы.
Существует большое количество различных классификаций адаптивных систем управления. Адаптивные системы можно разделить на два больших класса: самоорганизующиеся и самонастраивающиеся. Самоорганизующиеся системы характеризуются наличием процесса формирования алгоритма управления, связанного не только с изменением параметров, но и с отысканием необходимой структуры регулятора для достижения поставленной цели. В самонастраивающихся системах структура регулятора задана, и перестраиваются лишь параметры управляющего устройства. Данный класс адаптивных систем является более простым и изученным, и в настоящее время находит большое практическое применение.
Самонастраивающиеся системы, в свою очередь, делятся на два класса: поисковые и беспоисковые. В поисковых системах изменение параметров управляющего устройства осуществляется в результате поиска экстремума некоторого критерия качества на основе поисковых движений системы. В беспоисковых системах в явном и неявном виде задается модель с желаемыми динамическими свойствами. В процессе работы системы измеряются некоторые характеристики модели и системы и на основании их рассогласования перестраиваются параметры регулятора так, чтобы свести это рассогласование к нулю или допустимо малой величине. Отсутствие специальных поисковых сигналов сокращает время настройки параметров управляющего устройства, упрощает техническую реализацию беспоисковых систем по сравнению с поисковыми. Однако, при этом требуется, как правило, больший объем априорной информации.
Перестройка параметров регулятора в беспоисковых самонастраивающихся системах может осуществляться либо непосредственно по рассогласованию динамических характеристик модели и системы без предварительной идентификации объекта (прямое адаптивное управление), либо производится идентификация объекта, а затем соответствующим образом выставляются параметры регулятора (непрямое адаптивное управление).
К преимуществам метода прямого адаптивного управления следует отнести возможность обработки адаптивным регулятором дрейфа параметров как объекта, так и самого регулятора. Однако, в общем случае, контуры самонастройки увеличивают порядок замкнутой системы, влияют на ее динамику, и поэтому требуются специальные исследования системы на устойчивость.
В случае непрямого адаптивного управления контуры самонастройки не влияют на динамику системы, но все ошибки идентификации, изменение параметров регулятора и контура самонастройки существенно влияют на точность управления.
Для построения адаптивных систем управления используются следующие методы: прямой метод Ляпунова, метод стохастической аппроксимации, метод рекуррентных целевых неравенств, метод скоростного градиента, квадратичный критерий абсолютной устойчивости, методы, основанные на идентификационном подходе, и другие. К числу наиболее широко используемых следует отнести прямой метод Ляпунова, который является мощным средством не только анализа, но и синтеза структуры и параметров системы управления из условий устойчивости.
Особо можно выделить задачу адаптивного управления с эталонной моделью линейным стационарным объектом со скалярным входом и выходом, которая имеет большое теоретическое и прикладной значение. В случае адаптивного управления с эталонной моделью параметрически неопределенным объектом с относительной степенью больше единицы для обеспечения асимптотической устойчивости по выходу замкнутой системы в алгоритме адаптации необходимо использовать старшие производные ошибки слежения, что является неприемлемым с практической точки зрения. Можно сказать, что данная проблема стала одной из классических задач современной теории адаптивного управления. Поиски путей ее решения являлись областью активных исследований в течение последних тридцати лет, что нашло свое отражение как в большом числе журнальных публикаций, так и в монографиях.
Системы адаптивного управления, предложенные в ранних работах 60-х и начала 70-х годов, обладали следующими недостатками. Во-первых, синтез основного контура управления базировался на минимальной форме представления математической модели объекта управления. Это влекло необходимость использования в законе управления производных выходного сигнала. Во-вторых, для адаптивной настройки коэффициентов регулятора использовались градиентные алгоритмы локальной параметрической оптимизации, обоснование работоспособности которых носило эвристический характер.
Важным этапом развития адаптивных систем явилась идея построения алгоритмов адаптации на основе второго метода Ляпунова или теории гиперустойчивости, что привело к созданию адаптивных систем, асимптотически устойчивых по ошибке слежения в целом. При этом оказалось, что в общем случае в алгоритме адаптивной настройки необходимо использовать не только саму ошибку слежения за выходом эталонной модели, но и ее старшие производные. Необходимость измерения полного вектора состояния и старших производных ошибки слежения снижают практическую значимость решений, полученных на данном этапе.