Learning nonlinear feedforward: a Gaussian Process Approach Applied to a Printer with Friction
前馈控制是实现良好的定位系统跟踪性能的关键。本文的目的是开发一种识别策略的逆模型的非线性动态系统的未知结构使用的输入输出数据,直接提供前馈信号的先验未知的任务。为此,逆系统被视为非因果非线性有限脉冲响应(NFIR)系统和建模为高斯过程与固定的核函数施加的属性,如平滑性和周期性。该方法在具有摩擦的消费型打印机上进行了实验验证,并显示出相对于线性前馈的跟踪性能得到改善。
2022-02-09 cs.SY eess.SY
Learning-based Position and Stiffness Feedforward Control of Antagonistic Soft Pneumatic Actuators using Gaussian Processes
Leibniz University Hannover(汉诺威莱布尼茨大学)
本文提出一种基于 Gaussian processes 的通用学习控制方法,利用实测输入输出数据预测软气动 VSA 实现目标位置与刚度所需压力,并通过反馈补偿前馈误差。
2024-04-16 cs.RO cs.SY eess.SY
Inversion-free feed-forward and feedback control of MSM based actuator with large non-smooth input hysteresis
针对具有大非平滑迟滞和高传感噪声的 MSM 执行器,本文采用无逆前馈迟滞补偿器与鲁棒反馈 PI 回路整形相结合的方法,实验证明该并行控制方案有效提升了位置控制的整体性能。
2025-04-26 cs.SY eess.SY
Physics-Guided Neural Networks for Inversion-based Feedforward Control applied to Linear Motors
半导体制造中不断提高的吞吐量要求以更高的加速度运行高精度机电一体化设备,例如直线电机。这反过来又产生了工业前馈控制器无法处理的更高的非线性寄生力。出于这个问题,在本文中,我们开发了一个通用的框架,基于逆的前馈控制器设计使用物理指导神经网络(PGNNs)。与黑盒神经网络相比,所开发的PGNNs在输入层和隐藏层中嵌入了先验物理知识,从而提高了训练收敛性和对潜在物理定律的学习。基于PGNN逆的前馈控制框架在工业直线电机上进行了仿真验证,在仿真中,它实现了比质量加速度前馈小20倍的平均跟踪误差。
2021-03-10 cs.SY eess.SY
Extension of the Injected-Absorbed-Current Method applied to DC-DC Converters with Input Filter, Output Post-filter and Feedforward Compensations
本文扩展 IAC 法,提出可复用原模型系数的分步建模流程,得到兼容输入滤波器、输出后置滤波器及前馈补偿的传递函数,并通过移相全桥变换器双样机实验验证。
2024-01-24 cs.SY eess.SY
Direct Learning for Parameter-Varying Feedforward Control: A Neural-Network Approach
本文提出用神经网络学习LPV前馈控制器系数对调度信号的依赖关系,并结合Levenberg-Marquardt与伪线性方法进行高效优化,实现对一类常相对阶LPV系统的有效补偿。
2023-09-22 cs.SY eess.SY
Learning Nonlinear Systems In-Context: From Synthetic Data to Real-World Motor Control
本文提出基于变压器模型的上下文学习方法,用于现实世界中的运动控制,通过少量示例实现对非线性系统的高效泛化,优于传统控制方法。
2026-02-06 cs.LG cs.SY eess.SY
Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions
Robert Bosch GmbH(罗伯特·博世公司);Institute for Data Science in Mechanical Engineering, RWTH Aachen University(亚琛工业大学机械工程数据科学研究所)
针对液压挖掘机建模困难的问题,提出利用记录数据训练局部模型网络并推导前馈控制器的方法,放宽了零动态限制并扩展了多输入多输出与干扰处理,实验证明其有效提升了控制器的跟踪性能。
2024-09-25 cs.LG cs.SY eess.SY
When is cumulative dose response monotonic? Analysis of incoherent feedforward motifs
Northeastern University(东北大学)
研究非相干前馈模组系统中累积剂量响应的单调性,通过积分表示敏感性并建立通用条件,分析四种典型系统的行为,揭示网络结构如何影响累积输入输出响应的单调性。
2026-10-20 cs.SY eess.SY math.DS
Benefits of Feedforward for Model Predictive Airpath Control of Diesel Engines
本文研究了用前馈来补充柴油机气道反馈控制器的方案。控制目标是通过操纵EGR阀和可变几何涡轮(VGT)来跟踪进气歧管压力和排气再循环(EGR)率目标,同时满足状态和输入约束。反馈控制器基于基于速率的模型预测控制(MPC),其提供用于跟踪的积分动作。考虑前馈的两个选项,一个基于将前馈指定为发动机速度和燃料喷射速率的函数的查找表,另一个基于生成动态前馈轨迹的(非基于速率的)MPC。控制器的设计和验证使用高保真发动机模型在GT-电源,并利用低阶率为基础的线性参数变化(LPV)模型的预测,这是确定从瞬态响应数据生成的GT-电源模型。结果表明,前馈和反馈MPC的组合有可能提高控制设计的性能和鲁棒性。特别地,没有前馈的反馈MPC可能在低发动机速度下失去稳定性,而基于MPC的前馈导致最佳瞬态响应。前馈是能够协助稳定和提高性能的机制进行了讨论。
2022-05-11 cs.SY eess.SY math.OC
Adaptive backstepping control for FOS with nonsmooth nonlinearities
针对分数阶系统的输入饱和与死区等非光滑非线性问题,提出通过引入中间变量分解控制输入的自适应反步控制方法,实现扰动估计与饱和补偿,保证输出渐近跟踪参考信号。
2019-01-17 cs.SY eess.SY math.OC
Distribution Control of Stochastic Oscillators via Periodic Feedforward and Population-Level Feedback
The University of Tokyo(东京大学);Tokyo Institute of Technology(东京工业大学)
研究如何将接收相同控制输入的振荡器相位分布引导至目标分布,通过刻画渐近可达性设计周期性输入,结合周期性与群体水平反馈控制设计分布控制器,证明了方法有效性及相关收敛结果。
2026-07-23 cs.SY eess.SY math.OC
Model-Free Current Control of Permanent Magnet Synchronous Motors via ESO-Based Disturbance Feedforward and Data-Driven H-infinity Residual Feedback
School of Automation Beijing Institute of Technology(北京理工大学自动化学院)
本文提出一种基于ESO扰动前馈和数据驱动H∞残差反馈的PMSM无模型电流控制方法,无需参数辨识,通过强化学习学习残差策略,实现快速跟踪和强鲁棒性。
2026-09-23 cs.SY eess.SY
Robust Local Stabilization of Nonlinear Systems with Controller-Dependent Norm Bounds: A Convex Approach with Input-Output Sampling
Department of Aerospace Engineering & Mechanics, University of Minnesota(明尼苏达大学航空航天工程与力学系)
本文提出一种基于输入输出采样的凸方法,用于非线性系统鲁棒局部稳定化,通过三次半定规划迭代算法实现控制器合成。
2022-12-06 cs.SY eess.SY math.OC
Adaptive Input Shaper Design for Unknown Second-Order Systems with Real-Time Parameter Estimation
Louisiana State University(路易斯安那州立大学)
本文提出一种用于未知二阶系统的自适应输入成型方法,通过实时参数估计实现精确切换时间的输入设计,适用于运动控制中的振动抑制。
2026-01-23 cs.SY eess.SY
Global Stabilization of Triangular Systems with Time-Delayed Dynamic Input Perturbations
NYU Tandon School of Engineering(纽约大学坦登工程学院)
本文提出了一种针对具有时间延迟动态不确定输入非线性的严格反馈类非线性系统的设计方法,通过双动态高增益缩放结构设计全局稳定延迟无关鲁棒自适应输出反馈控制器。
2018-01-05 cs.SY eess.SY math.OC
Parallel Feedforward Compensation for Output Synchronization: Fully Distributed Control and Indefinite Laplacian
这项工作是与使用并行前馈补偿器(PFC)的问题,输出同步异构代理和这种方法可以提供的好处。具体而言,它解决了添加稳定的PFC的代理,相互作用,使用扩散耦合。这种PFC的应用价值是双重的。首先,在需要考虑初始条件的情况下,例如平均一致性和分布式优化,无源性短系统之间的输出同步需要全局信息用于控制器的设计,这是一个问题。我们表明,一个稳定的PFC可以设计钝化的无源性短系统,而其输出渐近消失,其输入趋于零。结果,通过完全分布式控制在这些系统之间实现输出同步,而不改变原始一致性结果。其次,在符号加权图上的输出同步的文献中,通常要求图的Laplacian是半正定的,即,无向图的$L \geq 0$或平衡有向图的$L + L^T \geq 0$。我们表明,PFC作为输出反馈的通信图,以提高对负权重边缘的鲁棒性。其结果是,输出同步实现了一个有符号的加权和平衡的图,即使相应的拉普拉斯算子不是半正定的。
2022-04-25 cs.MA cs.SY eess.SY
L2 Observers for a Class of Nonlinear Systems with Unknown Inputs
Purdue University(普渡大学);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文研究了一类非线性系统中状态和未知输入的估计问题,通过线性矩阵不等式(LMI)设计观测器,保证误差动态的L2性能,并探讨了LMI可行性的条件。
2019-02-21 cs.SY eess.SY math.DS
System Identification and Two-Degree-of-Freedom Control of Nonlinear, Viscoelastic Tissues
目的:本文提出了一种力控制方案,用于在等距收缩的肌肉组织中进行短暂的等张保持,具有最小的超调和调节时间来测量其缩短速度,这是肌肉功能的关键参数。方法:探讨了由反馈控制器和前馈控制器构成的二自由度控制结构。反馈控制器是一个比例积分控制器和前馈控制器的设计使用的逆的面向控制的肌肉组织模型。利用输入-输出数据和系统辨识技术研究了肌肉组织的广义线性模型和非线性模型。在马气道平滑肌上测试力控制方案,并用鼠趾短屈肌证实其鲁棒性。结果如下:力控制方案的性能和可重复性以及用户所需的输入数量和监督水平通过一系列实验进行了评估。力控制方案在大多数情况下能够满足所述控制目标,包括对建立时间和超调的要求。结论:所提出的控制方案,使力控制的自动化,以最小的用户输入所需的肌肉力学特性。重要性:本文利用基于逆的前馈控制器的非线性生理模型的系统辨识的背景下,优于经典的线性系统辨识。该控制方案可作为非线性粘弹性材料广义控制的基础。
2022-07-28 cs.SY eess.SY q-bio.TO
A Learn-and-Control Strategy for Jet-Based Additive Manufacturing
在本文中,我们开发了一个基于物理指导的递归神经网络(RNN)模型的预测几何控制框架,用于基于喷射的增材制造(AM)。由于其物理上可解释的架构,该模型的参数是通过使用少量层的输入输出数据通过反向传播训练网络来获得的。此外,我们证明,该模型可以双重表示,使层液滴输入模式(每一层)的一部分,现在成为网络参数,通过反向传播学习。该方法适用于前馈预测控制,其中网络参数从先前数据离线学习,并且合成所有待打印层的控制输入图案。预测控制器的稳定性的充分条件。此外,我们设计了一种算法,有效地实现反馈预测控制,其中网络参数和输入模式(滚动时域)在线学习,没有增加提前期计算。前馈控制方案的实验表明,提高RMS参考跟踪误差超过30%的最先进的状态。我们还实验证明,过程的不确定性补偿的在线学习和反馈控制。
2022-07-07 cs.SY eess.SY math.OC