Improving Disturbance Estimation and Suppression via Learning among Systems with Mismatched Dynamics

要約

反復学習制御 (ILC) は、過去の反復からの情報を使用して、複数の反復にわたってシステムの追跡エラーまたは推定エラーを削減する方法です。
外乱オブザーバー (DOB) は、システムが外乱の影響を受けているときに、システム内の外乱を推定して軽減するために使用されます。
ILC は、反復ごとにフィードフォワード信号を導入することでシステムのパフォーマンスを向上させます。
ただし、反復中に条件が変化すると、その有効性が低下する可能性があります。
一方、DOB は新しい外乱の影響を効果的に軽減しますが、反応的に動作するため、それらを完全に排除することはできません。
したがって、ILC または DOB だけでは、困難なシナリオにおいて十分な堅牢性を確保できません。
この研究は、システムの堅牢性を高めるための ILC と DOB の同時利用に焦点を当てています。
提案された方法論は、反復的なタスクを実行する動的に異なる線形化システムを特にターゲットにしています。
これらのシステムは同様の形式を共有していますが、ダイナミクス (サイズ、質量、コントローラーなど) が異なります。
したがって、学習フィルターの設計では、これらのダイナミクスの違いを考慮する必要があります。
このアプローチを検証するために、この研究では、DOB と組み合わせて学習フィルターを設計するための理論的枠組みを確立します。
その後、フレームワークの有効性が、数値研究と無人航空機 (UAV) で実施される実験テストを通じて確認されます。
UAV は非線形システムですが、この研究ではホバリング状態に近い状態で動作するため、線形化されたコントローラーを採用しています。
この論文の紹介ビデオは、リンク https://zh.engr.tamu.edu/wp-content/uploads/sites/310/2024/02/ILCDOB_v3f.mp4 からご覧いただけます。

要約(オリジナル)

Iterative learning control (ILC) is a method for reducing system tracking or estimation errors over multiple iterations by using information from past iterations. The disturbance observer (DOB) is used to estimate and mitigate disturbances within the system, while the system is being affected by them. ILC enhances system performance by introducing a feedforward signal in each iteration. However, its effectiveness may diminish if the conditions change during the iterations. On the other hand, although DOB effectively mitigates the effects of new disturbances, it cannot entirely eliminate them as it operates reactively. Therefore, neither ILC nor DOB alone can ensure sufficient robustness in challenging scenarios. This study focuses on the simultaneous utilization of ILC and DOB to enhance system robustness. The proposed methodology specifically targets dynamically different linearized systems performing repetitive tasks. The systems share similar forms but differ in dynamics (e.g. sizes, masses, and controllers). Consequently, the design of learning filters must account for these differences in dynamics. To validate the approach, the study establishes a theoretical framework for designing learning filters in conjunction with DOB. The validity of the framework is then confirmed through numerical studies and experimental tests conducted on unmanned aerial vehicles (UAVs). Although UAVs are nonlinear systems, the study employs a linearized controller as they operate in proximity to the hover condition. A video introduction of this paper is available via this link: https://zh.engr.tamu.edu/wp-content/uploads/sites/310/2024/02/ILCDOB_v3f.mp4.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google