$\mathcal{L}_1$-$\mathcal{GP}$: 基于贝叶斯学习的 $\mathcal{L}_1$ 自适应控制
系统与控制
2020-05-01 v1 系统与控制
摘要
我们提出 -，一种基于 自适应控制与高斯过程回归（GPR）的安全同步控制与学习架构。一方面， 自适应控制提供稳定性与瞬态性能保证，使 GPR 能够高效且安全地学习不确定动态。另一方面，所学动态可方便地纳入 控制架构中，且不牺牲鲁棒性与跟踪性能。随后，所学动态可带来性能/鲁棒性权衡上更不保守的设计。我们通过数值仿真说明了所提架构的有效性。
引用
@article{arxiv.2004.14594,
title = {$\mathcal{L}_1$-$\mathcal{GP}$: $\mathcal{L}_1$ Adaptive Control with Bayesian Learning},
author = {Aditya Gahlawat and Pan Zhao and Andrew Patterson and Naira Hovakimyan and Evangelos A. Theodorou},
journal= {arXiv preprint arXiv:2004.14594},
year = {2020}
}