采样数据漏斗控制及其在安全持续学习中的应用
Sampled-data funnel control and its use for safe continual learning
AI总结：
提出一种适用于任意相对阶非线性系统的采样数据输出反馈控制器，确保预设误差范围内的参考跟踪，可作为安全过滤器与强化学习等控制器结合，应用于安全关键场景。
摘要：
我们提出了一种适用于任意相对阶非线性系统的新型采样数据输出反馈控制器，确保参考跟踪在预设误差范围内。我们给出了最大输入信号和所需均匀采样时间的明确界限。该方法的一个关键优势是能够作为各种基于学习的控制器设计的安全过滤器，从而在安全关键应用中使用学习技术。我们通过将其与两种不同的控制器集成来展示其通用性：一种强化学习控制器和一种基于Willems等人基本引理的非参数预测控制器。数值仿真说明了组合控制器设计的有效性。
英文摘要：
We propose a novel sampled-data output-feedback controller for nonlinear systems of arbitrary relative degree that ensures reference tracking within prescribed error bounds. We provide explicit bounds on the maximum input signal and the required uniform sampling time. A key strength of this approach is its capability to serve as a safety filter for various learning-based controller designs, enabling the use of learning techniques in safety-critical applications. We illustrate its versatility by integrating it with two different controllers: a reinforcement learning controller and a non-parametric predictive controller based on Willems et al.'s fundamental lemma. Numerical simulations illustrate effectiveness of the combined controller design.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
