← 返回 PaperDaily 大模型与智能体

告别天文数字增益！用滑模重构非线性输出，Lur'e系统观测器设计新范式

当非线性耦合强到让经典LMI失效，观测器增益飙到几万，这还怎么用？本文提出一个巧妙的思路：既然测不到非线性耦合信号，那就用滑模观测器从输出里实时“算”出来，再把它当已知量注入观测器，相当于多了一条校正通道。理论证明新LMI总能找到更小的增益，数值实验更是把增益从3万降到了30，RMS误差还降低了13倍。控制领域的小伙伴，这招值得看看。

龙哥读论文 阅读 3 查看原文
#人工智能
告别天文数字增益！用滑模重构非线性输出，Lur'e系统观测器设计新范式
🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
当非线性耦合强到让经典LMI失效，观测器增益飙到几万，这还怎么用？本文提出一个巧妙的思路：既然测不到非线性耦合信号，那就用滑模观测器从输出里实时“算”出来，再把它当已知量注入观测器，相当于多了一条校正通道。理论证明新LMI总能找到更小的增益，数值实验更是把增益从3万降到了30，RMS误差还降低了13倍。控制领域的小伙伴，这招值得看看。


原论文信息如下：
论文标题:
Observer design for Lur'e systems via injection of a reconstructed nonlinear output
发表日期:
2026年06月
发表单位:
INRIA, CNRS, Universite Cote d'Azur, France

1. 观测器设计新视角：从经典LMI到非线性输出重构

Lur'e系统是控制理论中一类经典的非线性系统——一个线性动态块与一个静态、无记忆的非线性反馈互连。这种结构在神经科学（如Wilson-Cowan神经质量模型）、电路、机械系统等领域随处可见。状态观测器的任务是从部分可测的输出中重构系统全部状态，而最常用的就是Luenberger观测器：把系统模型复制一份，然后用输出预测误差乘以增益来校正。
对于Lur'e系统，只要非线性满足增量扇区条件（一种平滑有界约束），观测器增益可以通过求解一个线性矩阵不等式（LMI）来保证指数收敛。这个LMI设计方法很成熟，但有一个众所周知的痛点：非线性耦合越强，LMI就越苛刻。当耦合强度大到一定程度，LMI要么直接判定不可行，要么解出的增益K的范数大到离谱——几万甚至几十万，这在任何实际系统中都是不可接受的。
表1: Case1 — 直接输出，Hölder非线性，仅递增LMI。经典LMI在s≥10时不可行；组合LMI保持可行。
表1: Case1 — 直接输出，Hölder非线性，仅递增LMI。经典LMI在s≥10时不可行；组合LMI保持可行。
问题的根源在于：可用的测量只有输出y=CV，而非线性耦合以CW S(V)的形式混杂在的状态方程中，观测器根本看不到它的真实值，只能靠增益硬扛。本文的核心想法直击要害：既然缺的是对非线性耦合的测量，那我们就从已有的输出中把它实时“算”出来！
具体来说，定义两个辅助信号：z₁ = CV（就是输出y本身）和z₂ = CAV + CWS(V)。观察它们的动力学：ẑ₁ = z₂ + CBu，这是一个标准的三角形式——z₁已知，z₂未知但有界。利用二阶滑模观测器（SOSMO），可以在有限时间内精确重构z₂。这套方法来自[12-14]，鲁棒性强：只要增益够大，不管非线性信号多复杂，照样给你精准抓出来。而且重构时不依赖系统模型的具体非线性函数表达式，属于“盲”估计。
一旦获得了z₂的精确估计ẑ₂，我们就等于额外“多了一条测量通道”——可以把它当作已知信号注入到Luenberger观测器中。这样，观测器就有两个校正通道：一个基于输出误差y - C V̂，另一个基于非线性输出误差 CAV̂ + CWS(V̂) - ẑ₂。通过巧妙设计第二个通道的增益K′，可以极大地衰减非线性耦合对误差动力学的影响。经典设计中耦合项直接是P W，现在变成了P (I - K′C)W——如果选择K′ = Cᵀ(CCᵀ)⁻¹，耦合项就只剩下W在核空间的投影，有效范数大幅降低，甚至在W列空间被C包含时可以完全消除！
这个思路本质上把原来由一个增益K承担的所有压力（稳定线性部分+吸收非线性耦合）分解成了三个专门化的工具：K′负责几何级衰减耦合，K负责处理残留的线性误差，而滑模观测器负责提供精确的非线性测量。结果就是，新LMI总能在合理的增益范围内找到解，即使经典LMI已经崩溃。

2. 核心方法：滑模观测器+双通道注入如何稳定强非线性系统

形式化地，考虑Lur'e系统：
V̇ = AV + W S(V) + Bu + p, y = CV + n
其中V是状态，u是已知输入，p和n是有界扰动，S(·)是非线性函数，满足增量扇区条件（即存在对角矩阵Γ≥0和Λ>0使得对所有x, x'有(δ-Γe)ᵀΛ(δ-Γe)≤0，这里δ=S(x)-S(x')，e=x-x'）。设计的组合观测器结构如下：
上块：一组并行的二阶滑模观测器，每个输出通道j=1,...,ny，基于y和已知输入CBu重构z₂,j = [CAV + CWS(V)]_j。由于系统状态有界且S满足Lipschitz条件，z₂的一阶导数有界，滑模观测器可以在预设的有限时间T₀内精确收敛。关键参数是滑模增益Lⱼ——文章指出单个固定值Lⱼ=3就能覆盖全部测试条件（s=0.5~100），这是因为滑模观测器只要求增益大于扰动的幅值上限，一旦满足就能精确收敛。下块是标准的Lur'e型注入观测器，但接收两个校正信号：y - CV̂ 和重建的ẑ₂ - (CAV̂ + CWS(V̂))。
误差动力学为：
ė = (A - KC)e + (I - K′C)Wδ - K′KCA e + ...
与经典误差方程 ė = (A - KC)e + Wδ 相比，最大的区别是耦合项前的矩阵从W变成了(I - K′C)W。如果选择K′使得I - K′C接近零矩阵（例如K′ = C⁻¹当C可逆），耦合项可以被几乎完全消除。本文给出的定理5断言：如果存在P>0, Λ>0, q>0以及矩阵K, K′, E使得一个特定的LMI（公式8）成立，那么组合观测器在无噪声情况下以指数速率收敛，收敛率ρ = q/(2λ_max(P))。这个LMI包含了经典LMI（K′=0）作为特例，因此组合设计的可行性集严格包含了经典设计。
更具体地，如果输出矩阵C满秩，选择K′ = Cᵀ(CCᵀ)⁻¹（即C的伪逆），则(I - K′C)W = P_kernel(C)W，其中P_kernel(C)是到C核空间的正交投影。相比原始W，范数大大降低。如果进一步W的列都在C的行空间中，则耦合项完全消失！此时误差动力学退化为ė = (A - KC)e + (I - EC)ΓΛ⋯，K′的作用彻底隔离了非线性耦合。
为了直观感受这个设计的效果，我们提前看一个数值对比：
图4: Case2 — 估计误差∥e(t)∥，s=10, σ=0.1。组合观测器（∥K∥comb=10.5） vs 经典（∥K∥std=3277）。滑模观测器在t∈[0,1]内收敛，之后组合观测器稳定在更低的误差。
图4: Case2 — 估计误差∥e(t)∥，s=10, σ=0.1。组合观测器（∥K∥comb=10.5） vs 经典（∥K∥std=3277）。滑模观测器在t∈[0,1]内收敛，之后组合观测器稳定在更低的误差。

3. 定量分析：组合观测器的噪声性能与增益权衡

任何在实际中应用的方法都绕不开噪声问题。组合观测器引入了滑模观测器重建的额外噪声，而经典方法的巨大增益也会把测量噪声放大。那么谁更优？本文提供了完整的ISS（输入-状态稳定性）分析，给出了稳态误差的显式上界。
经典观测器的稳态误差界大致为：∥e∥_ss ≤ Const₁ · σ + Const₂ · p，其中σ是测量噪声标准差，p是过程扰动界。而组合观测器的稳态误差界为：∥e∥_ss ≤ Const₁′ · σ + Const₂′ · p + Const₃ · √σ，第三项来自滑模观测器。通常Const₁′ ≪ Const₁（因为组合观测器增益小），但多了√σ项。在低噪声时，√σ项占主导；在高噪声时，线性项σ占主导。于是存在一个交叉噪声水平——低于它时经典方法略优，高于它时组合观测器大幅胜出。
下面的表格和噪声扫描曲线清晰展示了这个权衡：
表2: Case2 — Hölder非线性+滑模观测器，仅递增LMI。∥K′∥恒定；∥K∥std爆炸增长。
表2: Case2 — Hölder非线性+滑模观测器，仅递增LMI。∥K′∥恒定；∥K∥std爆炸增长。
在Case2中，经典增益从s=0.5时的1763飙升至s=50时的30701，而组合增益∥K∥comb始终低于30，∥K′∥恒定在2.3。图3展示了噪声扫描：在σ≈3×10⁻⁴以下，经典RMS略优；超过σ≈3×10⁻³后，组合观测器的RMS误差最多低13倍（σ=1时）。这个交叉点完全符合理论预测。
图3: Case2 — 噪声扫描，s=10 (∥W∥=44.0)。滑模观测器重构CW S(V)。在σ=1时RMS降低13倍。
图3: Case2 — 噪声扫描，s=10 (∥W∥=44.0)。滑模观测器重构CW S(V)。在σ=1时RMS降低13倍。

4. 数值验证：Wilson-Cowan模型上的三组实验对比

本文采用Wilson-Cowan神经质量模型作为测试平台，6个状态（3个兴奋性节点+3个抑制性节点），输出是每个脑区的局部场电位（LFP）组合。实验设置了三种场景，逐步增加难度：
Case1 — 直接输出（无滑模）：每个输出通道恰好测量一个状态分量，因此CS(V)=S(y)可以直接从输出计算，不需要滑模观测器。采用Hölder非线性（导数在0处无穷大，无全局扇区界），仅用递增LMI。结果：经典LMI在s≥10时不可行，但组合LMI在所有测试的s值（0.5~100）下都可行，且增益∥K∥comb始终低于180。图1展示了噪声扫描：s=10时，经典LMI无解，组合观测器RMS误差仅0.18（σ=1）。
Case2 — Hölder非线性+滑模观测器：使用更一般的LFP测量矩阵，CS(V)不可直接获得。滑模观测器精确重构CW S(V)。相同递增LMI下，经典增益从1763爆涨到30701，而组合增益∥K∥comb始终低于30，∥K′∥恒为2.3。噪声扫描显示出清晰的交叉点：在σ≈3×10⁻⁴以下经典略优，在此之上组合观测器优势持续扩大，σ=1时RMS降低13倍。
Case3 — Sigmoid非线性+滑模观测器：回到经典的Wilson-Cowan配置，使用sigmoid非线性（有全局扇区界）。使用标准的扇区LMI。经典增益从19增长到1271（65倍），组合增益仅从5.7增长到49.9，∥K′∥在2.3~3.1几乎不变。噪声交叉点在σ≈2×10⁻²，σ=1时组合观测器RMS降低3.8倍。表3总结了增益数据。
表3: Case3 — Lipschitz Sigmoid+滑模观测器，扇区LMI。∥K′∥几乎恒定；∥K∥std增长了65倍。
表3: Case3 — Lipschitz Sigmoid+滑模观测器，扇区LMI。∥K′∥几乎恒定；∥K∥std增长了65倍。
三组实验从不同角度验证了组合观测器设计的普适性和鲁棒性：即使非线性没有扇区界（仅递增），即使输出矩阵使得滑模观测器成为必要，即使非线性是平滑的sigmoid，组合设计都能大幅压低增益并保持卓越的噪声性能。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

Lur'e系统是什么？Lur'e系统是由一个线性动态系统与一个静态非线性反馈互连构成的系统，形如 V̇ = AV + W S(V) + Bu。它在神经科学（神经质量模型）、机电系统等领域很常见。非线性S(·)通常假设满足增量扇区条件，即其斜率被限制在某个区间内。

为什么经典LMI会在非线性耦合强时失效？经典LMI中耦合项P W直接出现在矩阵的(1,2)块，没有设计自由度。当非线性耦合强度s增大（即∥W∥变大），LMI要么变得不可行，要么要求Lyapunov矩阵P和扇区乘子Λ极大，最终导致观测器增益K的范数急剧增加（如数万），这在物理上不可实现。

二阶滑模观测器是如何从输出中重构非线性信号的？定义z₁ = CV（即输出y），z₂ = CAV + CWS(V)。对每通道求导：ẑ₁ = z₂ + [CBu]。这是一个标量三角形式，z₂未知但有界。二阶滑模观测器（如超螺旋算法）可以在有限时间内通过滑模控制律精确估计z₂，无需知道z₂的具体表达式。估计误差在有限时间后为零（无噪声时），有噪声时误差有界。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★★

将滑模观测器与Luenberger观测器巧妙融合，利用重构的非线性输出作为第二校正通道，从根本上改变了LMI的耦合结构。思路新颖且物理意义清晰。

实验合理度：★★★★★

三组实验覆盖了直接输出、滑模重建、不同非线性类型等典型场景，对比了有无扇区界、不同噪声水平，结果充分验证了理论分析。图表清晰，参数公开。

学术研究价值：★★★★★

为强非线性Lur'e系统的观测器设计提供了全新范式，理论结果（可行性包含性、噪声交叉分析）具有普适意义，可推广到更多非线性系统。

稳定性：★★★★☆

有严格的Lyapunov分析和ISS界，噪声条件下稳定性有保证。但滑模观测器引入的切换动作可能在实践中引起抖振，需要低通滤波等措施。

适应性以及泛化能力：★★★★☆

方法适用于一般Lur'e系统，但需要C满秩等条件以充分发挥耦合衰减效果。对于更复杂的非线性（如时变、延迟）还需进一步扩展。但已涵盖广泛工程问题。

硬件需求及成本：★★★☆☆

滑模观测器需要较高采样率，但增加的状态数仅为2ny（通常远小于n），计算量可接受。整体硬件需求中等。

复现难度：★★★★☆

方法描述详细，给出了完整的LMI公式和Lur'e系统参数，但未提供开源代码。滑模观测器中增益Lj的手动调节需要一定经验。总体复现难度中等。

产品化成熟度：★★☆☆☆

目前尚处于理论研究与仿真验证阶段，离实际产品落地还有距离。主要挑战包括滑模观测器的抖振、对不同非线性形式的鲁棒性、以及实时硬件实现。但在脑机接口等需要强非线性观测器的应用中有潜力。

可能的问题：论文的数值实验仅基于一个Wilson-Cowan模型，参数范围有限。滑模观测器要求输出连续可测，且增益Lj必须大于扰动上界，实践中扰动上界可能未知或过大，导致滑模收敛被破坏。另外，当测量噪声较大时，组合观测器的优势虽有但仍需进一步评估滑模抖振对估计精度的影响。论文未讨论模型失配（如矩阵A、W不精确）的情况。


主要参考文献

[1] Annabi A M. Observer design for Lur’e systems via injection of a reconstructed nonlinear output[J]. arXiv preprint arXiv:2606.24656, 2026.
[2] Arcak M, Kokotovic P. Nonlinear observers: a circle criterion design and robustness analysis[J]. Automatica, 2001, 37(12): 1923-1930.
[3] Bernard P, Praly L, Andrieu V. Observers for a non-Lipschitz triangular form[J]. Automatica, 2017, 82: 301-313.

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！       

end
欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如 控制工程+上海+INRIA+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
wechat_helper dianzan
转发文章 微博 X LinkedIn Facebook
龙哥读论文 · PaperDaily

本文基于龙哥读论文 PaperDaily 数据库整理，结合论文原文与工程视角进行解读。