用于耦合扰动的学习型观测器

机器人系统实现高精度控制受限于低保真动力学模型和外部扰动。特别是，内部不确定性与外部扰动之间的复杂耦合进一步恶化了这一挑战。本研究引入一种有效且收敛的算法，通过结合控制与学习理念来实现对耦合扰动的准确估计。具体而言，借助切比雪夫级数展开，将耦合扰动首先分解为一个未知参数矩阵和两个分别依赖于系统状态和外部扰动的已知结构。随后建立正则最小二乘算法以利用历史时间序列数据学习该参数矩阵。最后，设计多项式扰动观测器以利用所学习的部分实现对耦合扰动的高精度估计。该算法通过大量仿真和实际飞行测试进行评估。我们认为本工作为将学习方法集成到机器人控制框架中以解决长期挑战提供了新路径。