鲁棒神经IDA-PBC：在近似情况下下的被动性稳定控制
系统与控制
2024-09-25 v1 机器学习
系统与控制
最优化与控制
摘要
本文重新构筑了神经互连和阻尼分配—被动性控制（Neural IDA-PBC）设计方法论，正式分析其闭环特性。神经IDA-PBC将IDA-PBC设计方法论定义为一个优化问题，基于物理信息神经网络（PINN）的框架。然而，神经IDA-PBC下的闭环稳定性和鲁棒性特性尚未探讨。为此，我们研究经典IDA-PBC在近似情况下的行为。我们的理论分析允许推导出所需平衡点的实际和渐近稳定性条件。此外，它将神经IDA-PBC的适用性扩展至那些无法精确求解匹配条件的端口哈特顿系统。我们新近的优化基于设计引入了三个重要方面：i）它涉及一种新的优化目标，包括来自我们理论分析的稳定性和鲁棒性约束；ii）它使用独立的神经网络（NN），可以结构化以减少相关函数的搜索空间；iii）它不需要关于系统模型端口哈特顿配方的知识。我们的方法在三个标准基准测试中进行验证：双摆、非线性质量-弹簧-阻尼器和小车摆。值得注意的是，经典IDA-PBC设计无法从中推导出后者。
引用
@article{arxiv.2409.16008,
title = {Robust Neural IDA-PBC: passivity-based stabilization under approximations},
author = {Santiago Sanchez-Escalonilla and Samuele Zoboli and Bayu Jayawardhana},
journal= {arXiv preprint arXiv:2409.16008},
year = {2024}
}
备注
Preprint