从数据到未知动力学不确定大规模网络的滑模控制
系统与控制
2025-02-28 v1 系统与控制
摘要
由多个低维子系统组成的大规模互联网络，为建模广泛的现实应用提供了关键框架。尽管提供了计算可扩展性，但子系统之间的固有相互依赖性对有效控制此类网络构成了重大挑战。在存在外部扰动且各子系统动力学及整体网络动力学均未知的情况下——这在现代实际应用中频繁遇到——这种复杂性进一步加剧。本文开发了一种组合式数据驱动方法，以确保在外部扰动下具有未知数学模型的大规模非线性网络的全局渐近稳定性（GAS）。为此，我们首先从每个未知标称子系统中收集两组无扰动数据，称为两组输入-状态轨迹。利用从每个子系统收集的数据，为每个标称子系统设计输入-状态稳定（ISS）Lyapunov函数及其对应的控制器，使其成为ISS。为消除外部扰动对每个子系统及整体网络动力学的影响，我们随后利用收集的数据为每个子系统设计局部积分滑模（ISM）控制器。在小增益组合条件下，我们利用为子系统设计的数据驱动 ISS Lyapunov 函数构建网络的控制 Lyapunov 函数，从而保证标称网络上的 GAS 性质。然后，我们将该组合式结果扩展到网络扰动模型，证明所合成的 ISM 控制器即使在存在扰动的情况下也能确保 GAS 性质。
引用
@article{arxiv.2502.19806,
title = {From Data to Sliding Mode Control of Uncertain Large-Scale Networks with Unknown Dynamics},
author = {Behrad Samari and Gian Paolo Incremona and Antonella Ferrara and Abolfazl Lavaei},
journal= {arXiv preprint arXiv:2502.19806},
year = {2025}
}