学习对象-模型失配的积分二次约束
系统与控制
2025-02-04 v1 系统与控制
摘要
虽然对象-模型失配的表征对于鲁棒控制是必要的，但由于缺乏对对象模型的了解或非线性对象的复杂性，这种失配通常无法被准确描述。因此，本文以数据驱动的方式考虑此问题，其中失配由积分二次约束 (IQC) 的参数化形式捕获，并且 IQC 等式中所含的参数从对象的采样轨迹中学习。为此，提出了一种单类支持向量机 (OC-SVM) 公式，并基于统计学习理论分析了其泛化性能。所提出的方法通过一个单输入单输出时滞失配和一个带有线性标称模型的非线性两相反应器进行了演示，展示了频域不确定性的精确恢复。
引用
@article{arxiv.2502.00976,
title = {Learning the Integral Quadratic Constraints on Plant-Model Mismatch},
author = {Wentao Tang},
journal= {arXiv preprint arXiv:2502.00976},
year = {2025}
}
备注
6 pages, 5 figures; submitted to the 9th IEEE Conference on Control Technology and Applications (CCTA 2025)