基于高增益观测器与高斯过程先验的数据驱动解析微分
系统与控制
2022-10-28 v1 系统与控制
摘要
本文处理从分散且低质量数据建模未知函数及其前 r-1 阶导数的问题。所考虑的设置涵盖了文献中大量用例，尤其契合控制障碍函数的背景，其中安全集的高阶导数被要求以保持受控系统的安全性。该方法构建于高增益观测器级联与一组在观测器数据上训练的高斯过程回归器之上。所提结构对测量噪声具有高鲁棒性，且对所采用采样律具灵活性。不同于该领域先前需要大量样本以正确拟合未知函数导数的方法，此处我们假设仅可访问随时间滑动的小样本窗口。论文给出了所获回归误差的性能界，以及数值仿真，显示所提方法优于先前方法。
引用
@article{arxiv.2210.15528,
title = {Data-Driven Analytic Differentiation via High Gain Observers and Gaussian Process Priors},
author = {Biagio Trimarchi and Lorenzo Gentilini and Fabrizio Schiano and Lorenzo Marconi},
journal= {arXiv preprint arXiv:2210.15528},
year = {2022}
}