一种基于并发学习的无持续激励系统扰动估计方法
系统与控制
2023-06-07 v2 系统与控制
摘要
基于观测器的方法被广泛用于估计不同动态系统的扰动。然而，常规扰动观测器的一个缺陷是它们都假设系统具有持续激励（PE）。因此，当 PE 无法保证时（例如，当系统的扰动增益接近奇异时），它们可能导致较差的估计精度。本文中，我们提出一种基于并发学习（CL）且带时变历史栈的新型扰动观测器，其即使在无 PE 情况下也能确保高估计精度。该扰动观测器在连续与离散时间下均有设计。所提方法的估计误差被证明利用 Lyapunov（李雅普诺夫）方法收敛至一个有界集。提出一种历史样本选择过程，以降低旧历史样本累积所引起的估计误差。一项关于流行病控制的仿真研究表明，当 PE 不满足时，所提方法比常规扰动观测器产生更高的估计精度。这证明了所提基于 CL 的扰动观测器的正确性，并验证了其解决实际问题的适用性。
引用
@article{arxiv.2304.05693,
title = {A Persistent-Excitation-Free Method for System Disturbance Estimation Using Concurrent Learning},
author = {Zengjie Zhang and Fangzhou Liu and Tong Liu and Jianbin Qiu and Martin Buss},
journal= {arXiv preprint arXiv:2304.05693},
year = {2023}
}