基于学习的动态局部模型网络的前馈控制器及其在挖掘机辅助功能中的应用
系统与控制
2024-09-26 v1 机器学习
系统与控制
摘要
对于液压挖掘机等多品种、小批量产品而言，复杂的机理建模与控制器综合可能极其缓慢且昂贵。相反，在数据驱动方法中，可以使用来自真实系统的记录轨迹来训练局部模型网络（LMN），并通过反馈线性化推导出前馈控制器。然而，先前的工作要求 LMN 不具有零动态以进行反馈线性化，这限制了模型结构，从而限制了 LMN 的建模能力。在本文中，我们通过提供一个准则来克服这一限制，该准则指出何时具有零动态的 LMN 的反馈线性化能产生有效的控制器。我们提出将所得控制器的有界输入有界输出稳定性作为该准则。在另外两项贡献中，我们扩展了该方法，以考虑测量的扰动信号和多输入多输出。我们在带有硬件实验的液压挖掘机控制应用中说明了我们贡献的有效性。为此，我们从记录的含噪数据中训练 LMN，并推导出前馈控制器，作为挖掘机平整辅助系统的一部分。在我们的实验中，结合扰动信号和多输入多输出提高了学习控制器的跟踪性能。我们的实验视频可在 https://youtu.be/lrrWBx2ASaE 获取。
引用
@article{arxiv.2409.16875,
title = {Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions},
author = {Leon Greiser and Ozan Demir and Benjamin Hartmann and Henrik Hose and Sebastian Trimpe},
journal= {arXiv preprint arXiv:2409.16875},
year = {2024}
}