Koopman建模实现最优跟踪
基于Koopman算子的数据驱动模型与LQR控制结合，实现对软体机器人形变的精确轨迹跟踪。
Qinghao, Yang · 刘兆冰
Nonlinear Dynamics 2024
Koopman算子将非线性动力学全局线性化，仅从数据即可获得可用于LQR设计的线性模型，避免了对材料本构和气压动力学的复杂解析推导。
实验结果表明，基于Koopman线性模型的K-UKF-LQR框架相比基于解析模型的A-FL-UKF-LQR在跟踪精度和鲁棒性上都有一定程度提升。
无迹卡尔曼滤波器用于两种模型的状态估计，有效滤除传感器噪声，提高状态估计精度，从而改善控制性能。