自学习终端滑模控制器

在线鲁棒自学习

一种基于数据在线优化的终端滑模控制策略，可在模型不确定与扰动下为反作用轮自行车机器人提供稳定平衡控制。

Zhu, Xianjin · Xu, Wenfu · Chen Z. · 邓仰 · Zheng, Qingyuan · 梁斌 · 刘瑜

Robotica 2024

技术优势

在线优化约束输出

利用基于演员-评论家算法的鲁棒自适应动态规划，仅通过在线采样数据优化TSMC的约束输出，无需人工整定，从而改善平衡控制性能。

稳定性有理论保证

基于Lyapunov分析，证明了系统闭环稳定性和神经网络权重收敛性，使控制器在模型不确定和扰动下仍能可靠工作。

仿真和实验均验证

所提算法的有效性通过仿真和实验得到验证，表明其在实际RWBR平台上可行。

应用场景

• 两轮自平衡机器人：为两轮自平衡机器人提供抗扰平衡控制，减少调试成本。
• 机器人运动控制：在模型不确定下实现稳定平衡运动，提升控制鲁棒性。
• 具身智能控制：将自学习优化引入控制回路，实现数据驱动的智能平衡。
• 欠驱动机器人系统：为欠驱动系统提供有效平衡控制，应对少驱动输入挑战。