为未知动态系统设计最小范数稳定控制律的学习框架
最优化与控制
2020-10-02 v2 系统与控制
系统与控制
摘要
本文引入了一种利用无模型策略优化方法，为具有未知动态的系统学习最小范数稳定控制器的框架。该方法首先为系统的一个（可能不准确的）动态模型设计控制李雅普诺夫函数（Control Lyapunov Function, CLF），以及一个指定该 CLF 在状态空间中不同点处最小可接受能量耗散率的函数。将能量耗散条件视为对真实系统期望闭环行为的约束，我们使用惩罚方法在所学控制器的参数上构造一个无约束优化问题，该问题可利用从被控对象收集的数据通过无模型策略优化算法求解。我们讨论了该优化何时能为真实世界系统学习到稳定控制器，并推导了所学控制器结构的条件，这些条件确保优化是强凸的，意味着可以可靠地找到全局最优解。我们在仿真中验证了该方法，先用于双摆，然后将框架推广到利用混合零动态（Hybrid Zero Dynamics）框架为欠驱动双足机器人学习稳定行走控制器。通过将大量结构编码到学习问题中，我们仅用数分钟甚至数秒的训练数据就能为两个系统学习到稳定控制器。
引用
@article{arxiv.2004.10331,
title = {Learning Min-norm Stabilizing Control Laws for Systems with Unknown Dynamics},
author = {Tyler Westenbroek and Fernando Castaneda and Ayush Agrawal and S. Shankar Sastry and Koushil Sreenath},
journal= {arXiv preprint arXiv:2004.10331},
year = {2020}
}