利用学习模型的空中机器人外部力估计

本文提出了一种外部力估计器，其使用由第一性原理模型和神经网络组成的混合动态模型。该框架解决了当前先进模型-based 力观测器的一个局限：这些观测器的力估计包括外部力(如碰撞、物理相互作用、风力)以及剩余力(如模型参数不确定性或未建模的动力学)。如果这些力估计被用于力反馈控制器(例如)，这就是一个问题。提出的框架将神经网络与第一性原理模型相结合，用于估计源于未建模动力学和参数不确定性的剩余动力学，然后，该训练好的混合模型用于估计外部力，导致其力估计中剩余动力学的贡献更小，受外部力的影响更大。该方法通过对不同飞行情景和不同类型的剩余动力学的空中机器人数值仿真进行验证，统计分析结果表明，与仅使用第一性原理模型的模型-based 力观测器相比，力估计误差显著改善。