稳定Koopman网络控制器

长时预测不发散

用稳定Koopman算子把非线性系统映射到高维线性空间，配合MPC实现更鲁棒的控制，解决了深度学习Koopman方法预测易发散的问题。

Qifan, Wang · Jin, Yuhong · 侯磊 · 李传江 · Saeed, N. A. · Awwad, Emad Mahrous

ISA Transactions 2025

技术优势

长时预测不发散

稳定Koopman求解器求得稳定算子，保证高维映射空间的长期预测稳定性，而不需要额外的稳定化约束。

收敛更快

稳定Koopman求解与神经网络训练交织进行，快速收敛到统一稳定解。

预测性能更优

相比现有深度学习方法，SDKN-MPC能提取更有效的非线性特征，在多个任务上预测性能更优。

应用场景

• 机器人运动控制：在机器人轨迹跟踪等任务中，用稳定Koopman映射构建线性预测模型，MPC求解更可靠。
• 工业过程控制：对强非线性过程，SDKN-MPC提供稳定的高维线性模型，使线性MPC可直接应用。
• 无人机飞行控制：无人机飞行器动力学复杂，稳定Koopman算子可保证长时间飞行预测不发散。
• 具身智能控制：具身智能系统需要稳定的动力学模型，SDKN-MPC的高维线性映射可直接嵌入学习控制框架。