[論文レビュー] Robust Adaptive Learning Control for a Class of Non-affine Nonlinear Systems

Shuai Gao, Dong Shen+1 more|arXiv (Cornell University)|Feb 1, 2026

Iterative Learning Control Systems被引用数 0

ひとこと要約

論文は、勾配降下法によるパラメータ適応と状態推定を用いて、追従誤差をゼロに近い領域へ収束させる、未知の非線形系に対する頑健な適応学習制御（AILC）スキームを高相対次数・繰り返しのない撹乱に対して開発する。実装性のために陰的制御入力を反復的に求め、収束保証とシミュレーションを提供する。

ABSTRACT

We address the tracking problem for a class of uncertain non-affine nonlinear systems with high relative degrees, performing non-repetitive tasks. We propose a rigorously proven, robust adaptive learning control scheme that relies on a gradient descent parameter adaptation law to handle the unknown time-varying parameters of the system, along with a state estimator that estimates the unmeasurable state variables. Furthermore, despite the inherently complex nature of the non-affine system, we provide an explicit iterative computation method to facilitate the implementation of the proposed control scheme. The paper includes a thorough analysis of the performance of the proposed control strategy, and simulation results are presented to demonstrate the effectiveness of the approach.

研究の動機と目的

• 実務で遭遇する不確かな非整流非線形系の制御を動機づける。
• 高相対次数・非整合系に対する直接的な適応的反復学習制御（AILC）フレームワークを開発する。
• 時変する未知パラメータと有界撹乱を扱う頑健な方式を提供する。
• 追従誤差をゼロ近傍へ収束させることを保証し、撹乱と数値入力近似の影響を分析する。

提案手法

• 非整合系を x_k(t+ρ)=F(X_k(t),u_k(t),t)+w_k(t) かつ F(X,u,t)=θ(t)ᵀ f(X,u) と表現する。
• 追従残差から θ(t) を推定する勾配降下型パラメトリック適応則（GDPA）を用いる。
• 高相対次数系の測定不能状態を再構成する状態推定機を導入する。
• θ̂_k(t)ᵀ f(X_k^e(t),u_k(t))=r_k(t+ρ) を解くことで陰的AILC入力を形成し、収束性を保つコントラクションマッピングに基づく反復処理で実装する。
• 実装性のある反復的明示近似 u_k^p(t) を導入し、陰的入力へ収束させる。現実的利用のための停止判定基準を設定する。
• Lyapunov様の収束解析により limsup e_k(t+ρ) が撹乱依存のボール内に入ることを示す。

実験結果

リサーチクエスチョン

• RQ1 高相対次数・非回帰撹乱を持つ非整合 nonlinear 系に対して直接的な適応的学習制御（AILC）フレームワークを設計できるか。
• RQ2 未知の時変パラメータ θ(t) と未測定状態をAILC内でいかに頑健に推定して収束を達成するか。
• RQ3 撹乱、相対次数、陰的制御入力の数値近似誤差が追従精度へ与える影響は。
• RQ4 陰的AILC形式から実装可能な明示的制御入力をどのように計算するか。
• RQ5 提案手法は反復変化参照軌道へ拡張し、収束保証を提供できるか。

主な発見

• 理想的な理想入力 u_k^* はゼロ撹乱の場合の固定点として存在し、収束性のある圧縮写像として得られる。
• Dead-zoneと射影を用いたGDPA則はパラメータ推定の境界と追従誤差のゼロ近傍への収束を保証する。
• 明示的な反復近似 u_k^p(t) は陰的AILC入力 u_k(t) に収束し、所望精度の停止基準を算出可能。
• 定理1は追従誤差の limsup が w と初期推定誤差および撹乱に依存する項の和の境界内にあることを証明する。
• 補題は撹乱なしの場合の完全追従を示すか、相対次数 ρ=1 または撹乱が消える場合の特別化を示す。
• シミュレーション結果（2例）は有効性を示し、DDILC との比較を行う。