互质因子不确定性下评估鲁棒线性观测器性能的样本复杂度
系统与控制
2022-12-23 v3 系统与控制
摘要
本文解决了在给定固定状态反馈增益下，针对未知（可能不稳定）线性时不变（LTI）系统闭环学习基于状态估计器的鲁棒H2控制器的端到端样本复杂度界限。我们基于Ding等人（1994年）的结果，弥合了所有状态估计器的参数化与著名的Youla参数化之间的差距。重新拟合相关闭环的表达式，使得在给定固定状态反馈增益下的最优线性观测器问题可以转化为Youla参数中的凸问题。鲁棒综合过程通过考虑被控对象互质因子上的有界加性模型不确定性来执行，从而通过观测器方法将鲁棒H2控制器的综合表述为一个min-max优化问题。闭环辨识方案遵循Zhang等人（2021年）的方法，其中真实被控对象的标称模型是通过使用Sarkar等人（2020年）的普通最小二乘算法，从单条含噪、有限长度输入输出数据的时间序列构造类Hankel矩阵来辨识的。最后，由于鲁棒综合过程要求模型互质因子上的加性不确定性是有界的，我们提供了估计模型误差的H-无穷界。
引用
@article{arxiv.2211.16401,
title = {Sample Complexity for Evaluating the Robust Linear Observers Performance under Coprime Factors Uncertainty},
author = {Yifei Zhang and Sourav Kumar Ukil and Andrei Sperila and Serban Sabau},
journal= {arXiv preprint arXiv:2211.16401},
year = {2022}
}
备注
23 pages. 2 Figures