Disturbance Observer for Estimating Coupled Disturbances

要約

非線形システムの高精度制御は、低忠実度の動的モデルと外乱によって妨げられます。
特に、内部不確実性と外部擾乱との間の複雑な結合は、通常、明示的にモデル化することが困難です。
ここでは、制御と学習の哲学を組み合わせることで結合外乱の正確な推定を可能にする、効果的で収束したアルゴリズムを示します。
具体的には、チェビシェフ級数展開に頼ることにより、結合外乱はまず未知のパラメータ行列と、それぞれシステム状態と外部外乱に応じた 2 つの既知の構造に分解されます。
その後、正則化最小二乗 (RLS) アルゴリズムが形式化され、履歴時系列データを使用してパラメーター行列を学習します。
最後に、学習部分を利用して連成外乱を高精度に推定する高次外乱オブザーバ（HODO）を開発した。
提案されたアルゴリズムの効率は、広範なシミュレーションを通じて評価されます。
私たちは、この研究が、学習スキームを制御フレームワークに統合して、既存の扱いにくい制御問題に対処するための新しいオプションを提供できると信じています。

要約(オリジナル)

High-precision control for nonlinear systems is impeded by the low-fidelity dynamical model and external disturbance. Especially, the intricate coupling between internal uncertainty and external disturbance is usually difficult to be modeled explicitly. Here we show an effective and convergent algorithm enabling accurate estimation of the coupled disturbance via combining control and learning philosophies. Specifically, by resorting to Chebyshev series expansion, the coupled disturbance is firstly decomposed into an unknown parameter matrix and two known structures depending on system state and external disturbance respectively. A Regularized Least Squares (RLS) algorithm is subsequently formalized to learn the parameter matrix by using historical time-series data. Finally, a higher-order disturbance observer (HODO) is developed to achieve a high-precision estimation of the coupled disturbance by utilizing the learned portion. The efficiency of the proposed algorithm is evaluated through extensive simulations. We believe this work can offer a new option to merge learning schemes into the control framework for addressing existing intractable control problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google