확률적 식별과 피드백 선형화를 통한 완전 구동 기계 시스템의 온라인 적응 제어
본 논문은 라그랑지안 구조를 활용해 드리프트와 입력 매트릭스를 별도 확률 과정(GP·로그‑GP)으로 모델링하고, 기대값 기준 피드백 선형화로 비선형 제어 문제를 이중 적분기 제어로 변환한다. 변동성 기반 탐색 제어와 온라인 학습을 결합해 완전 구동 진자 시스템을 실시간으로 식별·제어하며, 기대 동역학의 전역 안정성을 이론적으로 보장한다.
저자: Jan-Peter Calliess, Antonis Papachristodoulou, Stephen J. Roberts
본 논문은 완전 구동 메카니컬 시스템의 동역학을 라그랑지안 기반 제어‑affine 형태 ¨q = a(q, ẋ) + b(q, ẋ) u 로 정식화하고, 이를 확률적 함수 a 와 b 로 모델링한다. 기존 연구가 전체 시스템을 하나의 고차원 GP로 학습하는 반면, 저자는 물리적 구조를 활용해 a 와 b 를 별도 무한 차원 함수 공간에 두고 각각을 스튜던트·GP(정규)와 로그‑GP(양수 제약)로 사전 정의한다.
학습은 온라인으로 진행되며, 컨트롤러는 일정 간격 Δ_u 마다 호출된다. 상태 x 와 제어 u 를 관측하고, 2차 차분을 통해 ẋ, ¨x 를 추정한다. 변동성 var
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기