摆动的神经形态控制：一种混合系统分析

神经形态工程是旨在实现相对于经典数字技术所能提供的能源效率、适应性和鲁棒性等重要实现优势的新兴研究领域。对于系统与控制领域而言，神经形态控制器可能带来诸多好处，但其发展受限于缺乏系统性分析和设计工具。本文旨在表明，混合系统方法有助于弥补这一差距。我们通过对最近提出的摆动神经形态控制进行形式化分析，该控制器作为原型性设置。神经形态控制器生成脉冲，我们将其建模为Dirac delta脉冲，当摆动角位置跨越其平衡位置时发生，旨在诱导出稳定的极限环。由此导致将闭环系统建模为混合动力学系统，其中在脉冲之间以开环方式演化，而跳跃对应于脉冲控制动作。利用混合系统模型，我们形式化地证明了闭环系统的混合极限环的存在性、唯一性及稳定性。数值仿真说明了我们的方案。我们最终阐述了一种可能的脉冲适应机制，以脉冲幅度生成所需的最大摆动角幅的混合极限环。