鲁棒神经微分解

噪声下快速收敛

一种能同时处理等式与不等式约束、并抑制多种时变扰动的时变非线性优化方法。

Wei, Lin · 金龙

IEEE Transactions on Automation Science and Engineering 2024

技术优势

多项式噪声被消除

理论证明该方法能完全消除多项式噪声，而非仅仅衰减。

抗多种时变扰动

不针对特定扰动类型或幅值设计，能有效降低不同种类的时变扰动。

免额外滤波模块

方法自身具备扰动抑制能力，无需级联滤波器，从而简化系统结构。

约束形式更一般

适用于带等式和不等式约束的时变问题，突破了以往仅限于无约束或等式约束的方法。

应用场景

• 具身智能：为机器人在动态环境中的实时决策提供快速鲁棒的约束优化求解。
• 机器人运动规划：在扰动存在下实时求解时变优化问题，生成平滑且满足约束的运动轨迹。
• 工业机器人控制：在工业现场扰动下保持控制精度，避免复杂滤波模块带来的延迟。
• 电池能量管理：用于时变电价和负荷条件下的电池充放电优化调度，抑制模型不确定扰动。