Jul, 2023
基于差分平面的学习模型预测控制使用稳定性、状态和输入约束安全滤波器
Differentially Flat Learning-based Model Predictive Control Using a Stability, State, and Input Constraining Safety Filter
Adam W. Hall, Melissa Greeff, Angela P. Schoellig
TL;DR学习为基础的最优控制算法通过过去的轨迹数据和对系统动态的学习模型来控制未知系统。本文提出了一种利用微分平直性实现类似最先进的学习为基础的控制器性能但计算开销显著减少的新型非线性控制器。该非线性控制器将微分平直性作为一种特性，通过非线性输入映射将非线性系统准确线性化。本文中，非线性转换通过高斯过程进行学习，并用于安全滤波器，该滤波器以高概率保证稳定性以及输入和平直状态的约束满足。然后，该安全滤波器用于改进来自平直模型预测控制器的输入，从而通过两次连续凸优化执行约束的非线性学习为基础的最优控制。我们将我们的方法与最先进的学习为基础的控制策略进行比较，并取得类似的性能，但计算效率显著提高，同时尊重平直状态和输入约束，并保证稳定性。