增强型鲁棒跟踪控制：在线学习方法
系统与控制
2025-05-09 v1 系统与控制
摘要
本工作聚焦于受未知外部扰动的非线性系统的跟踪控制问题。灵感来自收缩理论，采用神经网络驱动的 CCM 合成方法以获得能够跟踪任何可行轨迹的反馈控制器。基于系统在连续控制输入下状态 inherently 包含关于未知外部扰动信息的观察，我们提出一种在线学习方案，从在线历史数据中捕获扰动动态并将其嵌入 CCM 控制器进行补偿。该方案作为即插即用模块，本质上增强了 CCM 合成的跟踪性能。关于 tethered space robot 和 PVTOL 的数值仿真表明了所提方案的有效性。该在线学习方案的源代码可在 https://github.com/NPU-RCIR/Online_CCM.git 查找。
引用
@article{arxiv.2505.05036,
title = {Enhanced Robust Tracking Control: An Online Learning Approach},
author = {Ao Jin and Weijian Zhao and Yifeng Ma and Panfeng Huang and Fan Zhang},
journal= {arXiv preprint arXiv:2505.05036},
year = {2025}
}