无人系统
面向空间变化风场四旋翼的实时扰动感知Koopman模型预测控制
原标题: 面向空间变化风场四旋翼的实时扰动感知Koopman模型预测控制
📋总体概括
研究人员提出扰动感知Koopman控制族(DA-KCF)框架，用于四旋翼无人机在空间变化风场中的实时模型预测控制。该框架保留离线辨识的标称模型，部署时仅通过轻量级残差集成在线学习低维扰动修正，并沿预测时域评估扰动以优化位置和偏航参考指令，硬件实验验证了方案的有效性。
⚡关键信息
- ▸提出DA-KCF框架：离线标称模型保持固定，在线仅学习扰动引起的修正量
- ▸从仿真数据学习参考相关的KCF，并用有限的硬件数据完成校准
- ▸轻量级残差集成仅依赖因果的状态-指令-状态转移序列学习扰动修正
- ▸将自适应模型嵌入MPC，沿预测时域评估扰动修正，输出位置与偏航参考给机载稳定控制器
- ▸目标场景为未建模气动效应随部署环境变化的空间变化风场
🔥犀利点评
无人机抗风老思路是端到端强化学习或重训模型，这套DA-KCF走的是「标称模型冻结+残差在线修正」的保守路线，妙处在于可控可解释、计算量小，适合机载实时性要求。但残差集成的上限取决于标称模型的覆盖度，面对极端阵风是否够用，摘要未给硬件实验完整数据，落地效果仍需打问号。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 arXiv cs.RO 论文 阅读全文 →