Learning Disturbance Models for Offset-Free Reference Tracking

doi:10.1109/TAC.2025.3579975

Learning Disturbance Models for Offset-Free Reference Tracking

2025-06-16

0

PRE

AI

DOI：10.1109/TAC.2025.3579975

原文链接

原文求助

摘要

En 中文

本研究提出了一种非线性控制框架，通过学习非线性扰动模型，保证对通用参考轨迹的渐近无偏跟踪，该模型用于补偿输入扰动和模型-对象失配。我们的方法推广了使用观测器估计恒定扰动这一成熟方法，以允许在零稳态误差下跟踪恒定设定点。在本文中，扰动模型被推广为对象状态和指令输入的非线性静态函数，并在线学习，以便在模型满足一定假设且未来参考样本可用的情况下，实现对时变参考轨迹的完美跟踪。我们通过数值仿真将我们的方法与经典恒定扰动模型进行比较，展示了其优越性。

Keyword:

Disturbance model

extended Kalman filter (EKF)

nonlinear model predictive control (NMPC)

offset-free reference tracking

Learning Disturbance Models for Offset-Free Reference Tracking

摘要

期刊

机构

引用论文