具有切换参考模型的 $\mathcal{L}_1$ 自适应控制：在 Learn-to-Fly 中的应用

Learn-to-Fly (L2F) 是一种新框架，旨在用实时气动建模、制导和学习控制相结合的方式取代飞行器传统的迭代开发范式。为确保飞行器动力学在飞行中安全学习，本文提出一种基于 $\mathcal{L}_1$ 自适应控制 ($\mathcal{L}_1$AC) 的方案，该方案主动估计并补偿中间学习动力学与实际动力学之间的差异。首先，为将 L2F 框架内学习的周期性更新纳入其中，本文将 $\mathcal{L}_1$AC 架构扩展至处理受未知时变参数和扰动影响的切换参考系统。文中还分析了在状态预测器非零初始化误差存在下 $\mathcal{L}_1$AC 架构的瞬态与稳态性能。其次，本文展示了所提 $\mathcal{L}_1$AC 方案如何集成到 L2F 框架中，包括其与基线控制器和实时建模模块的交互。最后，在无人飞行器 (UAV) 上的飞行测试验证了所提控制与学习方案的有效性。