基于高斯过程的不确定非线性系统吸引域的安全学习
系统与控制
2017-08-17 v3
摘要
控制理论能为受控动态系统的性质提供有用见解。非线性系统的一个重要性质是吸引域（ROA），即状态空间的一个安全子集，其中给定控制器使平衡点渐近稳定。ROA 通常基于系统模型估计。然而，由于模型只是对真实世界的近似，所得估计安全区域可能包含真实系统 ROA 之外的状态。这在安全关键应用中是不可接受的。在本文中，我们考虑一种从真实系统实验学习 ROA 的方法，该方法从不离开真实 ROA，从而不冒安全关键故障的风险。基于以高斯过程先验表示的模型误差的正则性假设，我们利用一个潜在的 Lyapunov 函数来确定一个区域，其中平衡点以高概率为渐近稳定。此外，我们提供一种主动且安全探索状态空间以扩展 ROA 估计的算法。我们在仿真中证明了该方法的有效性。
引用
@article{arxiv.1603.04915,
title = {Safe Learning of Regions of Attraction for Uncertain, Nonlinear Systems with Gaussian Processes},
author = {Felix Berkenkamp and Riccardo Moriconi and Angela P. Schoellig and Andreas Krause},
journal= {arXiv preprint arXiv:1603.04915},
year = {2017}
}
备注
Proc. of the Conference on Decision and Control (CDC) 2016 (extended version), 7 pages, code and experiment documentation available at https://github.com/befelix/lyapunov-learning