利用数字孪生与二次漏斗的非线性系统鲁棒数据驱动控制

本文研究了一种利用不完美数字孪生安全部署非线性动力学系统的鲁棒数据驱动方法。我们的贡献在于提出了一种方法，将数字孪生的标称轨迹与在线数据驱动的不确定性量化相融合，以综合鲁棒跟踪控制器。具体而言，我们推导出数据驱动的界限，以捕获实际系统偏离由其数字孪生提供的规定标称轨迹的偏差。随后，利用基于时间序列数据构建的线性矩阵不等式，将该数据集用于综合二次漏斗——即标称轨迹周围的鲁棒正不变管。所得控制器保证了约束满足，同时通过分段学习策略适应真实系统行为，其中每个分段的控制器均使用来自前一分段的不确定性信息进行综合。本研究为在具有不完美模型的非线性系统学习控制中获取安全证书建立了一个系统化框架。