跳到正文
arXiv cs.AI· Abdullah Waqar Malik, Hamza Tariq, Adeel Akhtar·· 4 小时前AI 评分18

在控制器奇异点下学习横向反馈线性化的吸引域

Learning Regions of Attraction for Transverse Feedback Linearization under Controller Singularities

AI 导读

研究提出一种学习横向反馈线性化(TFL)吸引域的方法:利用精确线性误差动态证明该吸引域是可行集的最大前向不变子集,并将状态约束 Zubov 值函数分解为解析二次代价与安全值函数,仅用拟合值迭代学习后者。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:横向反馈线性化(TFL)通过精确线性化误差动态来实现路径跟随,但其控制器在奇异集上无定义,例如独轮车的零速度或四旋翼的零推力。受限吸引域,即闭环系统在不违反状态约束或正则性约束的情况下收敛到路径的初始状态集合,决定了控制器可以安全激活的范围。利用精确线性误差动态,我们证明该区域是容许集的最大前向不变子集。然后,我们将受状态约束的 Zubov 值函数分解为解析已知的二次代价-to-go 和一个安全值函数。我们仅通过拟合值迭代学习后者,无需无限时域轨迹标签。所得估计将经区间分支定界验证的内层与在样本上测试的学习外层相结合。在沿圆和正弦曲线跟随的独轮车以及平面四旋翼上,它平均覆盖了模拟吸引域的 72.0%、83.4% 和 19.1%。相比之下,二次代价-to-go 和两个物理信息神经网络(PINN)求解 Zubov 方程的方法平均最多覆盖 11.3%、4.0% 和 0.0%。代码和动画可在 此 https URL 获取
评论: 27 页(10 页正文 + 参考文献 + 附录),1 幅图,8 张表
主题: 人工智能(cs.AI);系统与控制(eess.SY)
引用为: arXiv:2611.22286 [cs.AI]
  (或 arXiv:2611.22286v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22286

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Hamza Tariq [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 06:39:03 UTC(137 KB)

来源:arXiv cs.AI · arxiv.org