数据驱动的负载扰动抑制
系统与控制
2023-07-06 v1 系统与控制
摘要
在数据驱动直接方法被引入近三十年后，其流行度仍在增长。这些方法利用从过程采集的数据来辨识最优控制器参数，而几乎不需要关于过程本身的先验知识。然而，大多数此类工作聚焦于参考跟踪问题，而实际中面临的许多问题属于扰动抑制或衰减。此外，绝大多数此类工作辨识的是线性参数化控制器的参数，这等同于固定控制器传递函数的极点。尽管如某些论文所暗示，控制器极点的辨识并非不可行，但鲜有工作提出能够做到这一点的数据驱动方案。有鉴于此，本文提出一种数据驱动方法，能够辨识面向扰动抑制的线性控制器的零点与极点。我们提出了两种不同的一步超前预测器，一种关于参数线性，另一种非线性。同时，采用两种不同技术来估计控制器参数：第一种最小化预测误差的二次范数，第二种最小化预测误差与外部信号之间的相关性。仿真显示了所提方法在估计受限阶控制器面向扰动抑制的最优参数方面的有效性。
引用
@article{arxiv.2307.01700,
title = {Data-driven load disturbance rejection},
author = {Róger W. P. da Silva and Diego Eckhard},
journal= {arXiv preprint arXiv:2307.01700},
year = {2023}
}