基于输出反馈的一组非完整无人地面车辆协同自适应学习控制
系统与控制
2020-02-25 v1 系统与控制
摘要
本章提出一种基于高增益观测器的协同确定性学习（CDL）控制算法，用于一组相同的独轮式无人地面车辆（UGVs）跟踪期望参考轨迹。对于车辆状态，可测量车辆的位置，而速度由高增益观测器估计。对于轨迹跟踪控制器，采用径向基函数（RBF）神经网络（NN）在线估计车辆未知动力学，且 NN 权值收敛与估计精度由 CDL 保证。本章的主要挑战与创新点在于：在缺乏车辆状态与车辆模型完整知识的情况下，利用该基于观测器的 CDL 算法跟踪参考轨迹。此外，系统中任一车辆均能沿所有车辆智能体经历过的轨迹并集学习未建模动力学的知识，从而所学知识可复用于跟踪学习阶段定义的任意参考轨迹。基于学习的跟踪收敛性与一致性学习结果，以及利用所学知识跟踪经历过的轨迹，均通过 Lyapunov 方法给出。仿真验证了该算法的有效性。
引用
@article{arxiv.2002.10059,
title = {Cooperative Adaptive Learning Control for A Group of Nonholonomic UGVs by Output Feedback},
author = {Xiaonan Dong and Paolo Stegagno and Chengzhi Yuan and Wei Zeng},
journal= {arXiv preprint arXiv:2002.10059},
year = {2020}
}