Data-Driven Optimal Control of Tethered Space Robot Deployment with Learning Based Koopman Operator

要約

テザー宇宙ロボット (TSR) 配備における従来の非線形手法の複雑な制約を回避するために、この論文では、複雑な環境に適用できる、改良された深層学習ベースのクープマン オペレーターを備えたデータ駆動型の最適制御フレームワークを提案します。
TSR の非線形性を考慮して、その有限次元リフト表現は、Koopman フレームワークの状態依存のみの埋め込み関数を使用して導出されます。
TSR のグローバルな線形表現を近似するために、深層学習アプローチが採用されています。
ディープ ニューラル ネットワーク (DNN) は、Koopman オペレーターとその埋め込み関数をパラメーター化するために開発されています。
補助ニューラル ネットワークは、有限次元リフト システムの非線形制御項をエンコードするために開発されました。
さらに、埋め込み空間内のリフト線形システムの状態行列 A と制御行列 B も、DNN のトレーニング中に推定されます。
次に,ネットワーク全体を訓練するために,ネットワークの再構築と予測能力とリフト線形システムの制御性に関連する3つの損失関数を設計した。
DNN から生成されたグローバル線形システムを使用して、線形 2 次レギュレーター (LQR) を適用して、TSR 展開に最適な制御ポリシーを導き出します。
最後に、シミュレーション結果は、提案されたフレームワークの有効性を検証し、面内角度の変動が少なく、より迅速にテザー宇宙ロボットを展開できることを示しています。

要約(オリジナル)

To avoid complex constraints of the traditional nonlinear method for tethered space robot (TSR) deployment, this paper proposes a data-driven optimal control framework with an improved deep learning based Koopman operator that could be applied to complex environments. In consideration of TSR’s nonlinearity, its finite dimensional lifted representation is derived with the state-dependent only embedding functions in the Koopman framework. A deep learning approach is adopted to approximate the global linear representation of TSR. Deep neural networks (DNN) are developed to parameterize Koopman operator and its embedding functions. An auxiliary neural network is developed to encode the nonlinear control term of finite dimensional lifted system. In addition, the state matrix A and control matrix B of lifted linear system in the embedding space are also estimated during training DNN. Then three loss functions that related to reconstruction and prediction ability of network and controllability of lifted linear system are designed for training the entire network. With the global linear system produced from DNN, Linear Quadratic Regulator (LQR) is applied to derive the optimal control policy for the TSR deployment. Finally, simulation results verify the effectiveness of proposed framework and show that it could deploy tethered space robot more quickly with less swing of in-plane angle.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google