随机过程与反馈线性化用于全驱动机械系统的在线辨识与贝叶斯自适应控制
机器学习
2014-04-02 v3 系统与控制
数据分析、统计与概率
机器学习
摘要
本文提出了一种新方法，用于可观测全驱动机械系统的同步概率辨识与控制。辨识是通过对构型观测值和构型导数的噪声估计进行随机过程先验条件化来实现的。与以往使用随机过程进行辨识的工作不同，我们利用拉格朗日力学提供的结构知识，分别学习控制仿射系统的漂移和控制输入矩阵函数。我们利用反馈线性化，在期望意义上将不确定的非线性控制问题简化为易于按所需方式调节的问题。因此，我们的方法结合了非参数贝叶斯学习的灵活性与对期望闭环轨迹的认识论保证。我们在扭矩驱动摆的背景下说明了我们的方法，其中动力学是通过正态过程和对数正态过程的组合来学习的。
引用
@article{arxiv.1311.4468,
title = {Stochastic processes and feedback-linearisation for online identification and Bayesian adaptive control of fully-actuated mechanical systems},
author = {Jan-Peter Calliess and Antonis Papachristodoulou and Stephen J. Roberts},
journal= {arXiv preprint arXiv:1311.4468},
year = {2014}
}