深度算子模型预测控制
基于深度Koopman算子的模型预测控制与干扰观测器，实现高精度轨迹跟踪与鲁棒抗扰，无需精确动力学模型。
Renhao, Mao · Meng, Tao · Wang, Kun · Lei, Jiakun · Wang, Weijia
Aerospace Science and Technology 2024
利用深度Koopman算子离线建立全局线性化模型，控制时直接使用该线性模型进行预测，从而摆脱对机器人精确动力学模型的需求。
基于估计的线性化模型，模型预测控制在线优化计算量显著降低，适合星载计算机的实时性要求。
引入基于径向基函数神经网络的干扰观测器，在模型预测控制框架内进行在线补偿，提高建模误差下和外部扰动下的跟踪精度与鲁棒性。