.png){kind=icon}
返回
Online Data-Driven Koopman Model Predictive Control for Unknown Robotic Systems
.png){kind=icon}
PRE
AI
DOI：10.1109/TIE.2025.3649774.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种面向具有未知动力学的机器人系统的在线数据驱动Koopman模型预测控制（ODDKMPC）方法。具体而言，开发了一种基于最小二乘法的自动回归算法，用于构建机器人系统高精度线性模型的Koopman提升函数。状态预测模型通过结合Koopman线性模型和状态误差补偿模型，并采用递归在线更新机制构建，该机制整合了机器人系统的预测状态和实际状态以提升建模精度。此外，在线误差补偿Koopman模型被集成到模型预测控制框架中。实验结果表明，所提出的ODDKMPC控制方法在预测和控制性能上优于其他现有代表性方法。
Keyword:
Koopman operator
model predictive control (MPC)
robotic systems
期刊
IF:
7.2
论文数:
1.8W
被引数:
9.8W
机构
引用论文
分享收藏Linear predictors for nonlinear dynamical systems: Koopman operator meets model predictive control非线性动力系统的线性预测器: Koopman算子满足模型预测控制.png)
AUTOMATICA
OAAI
AUTOMATICAIF5.9
OAAI分享收藏分享收藏VNHC-Based Continuous Sliding Mode Control for an Underactuated Tethered UAV System基于VNHC的欠驱动系留无人机系统连续滑模控制
PREAI
分享收藏
查看更多内容