具有安全性与稳定性性质的非线性动力系统鲁棒学习
系统与控制
2022-12-12 v2 系统与控制
摘要
本文提出了一种鲁棒参数学习方法，用于在满足安全性和稳定性约束的前提下从数据中辨识非线性动力系统，适用于从演示中学习（LfD）方法。该方法使用极限学习机（ELM）来近似系统模型，在存在模型不确定性和外部干扰的情况下，利用零化障碍函数和基于 Lyapunov 的稳定性分析获取安全性与稳定性约束，并在此约束下学习 ELM 参数。我们构建了一个约束二次规划（QP），其考虑了 ELM 函数重构误差，以估计 ELM 参数。此外，本文提出了一个鲁棒性引理，证明了所学到的系统模型在存在干扰的情况下仍能保证安全性和稳定性。该方法在仿真中进行了测试。使用扫描误差面积（SEA）指标，将该方法的轨迹重构精度与 state-of-the-art 的 LfD 方法进行了比较。通过进行 Monte Carlo 测试，检验了所学模型的鲁棒性。所提出的方法被部署在 Baxter 机器人上执行拾取与放置任务，其中机器人被约束在椭球安全区域内。
引用
@article{arxiv.2211.16676,
title = {Robust Learning of Nonlinear Dynamical Systems with Safety and Stability Properties},
author = {Iman Salehi and Ghananeel Rotithor and Ashwin P. Dani},
journal= {arXiv preprint arXiv:2211.16676},
year = {2022}
}