[논문 리뷰] Robust Adaptive Learning Control for a Class of Non-affine Nonlinear Systems

Shuai Gao, Dong Shen외 1명|arXiv (Cornell University)|2026. 02. 01.

Iterative Learning Control Systems인용 수 0

한 줄 요약

논문은 높은 상대도와 비반복 교란을 갖는 불확실한 비정합(non-affine) 비선형 시스템에 대해 강인한 적응 학습 제어(AILC) 스킴을 개발하여, 경사 하강(parametric) 적응 및 상태 추정을 이용해 추적 오차의 0 근방으로 수렴하는 것을 달성한다. 구현 가능성을 위해 암시적 제어 입력을 반복적으로 계산하고, 수렴 보장과 시뮬레이션을 제공한다.

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.

연구 동기 및 목표

• 실무에서 마주치는 불확실한 비정합(non-affine) 비선형 시스템의 제어를 동기화한다.
• 고 상대도, 비정합 시스템에 대해 직접적 적응적 반복 학습 제어(AILC) 프레임워크를 개발한다.
• 시간에 따라 변하는 알려지지 않은 매개변수와 한정된 교란을 다루는 강인한 스킴을 제공한다.
• 추적 오차가 0 근방으로 수렴하도록 보장하고 교란 및 수치 입력 근사의 영향을 분석한다.

제안 방법

• 비정합 시스템을 x_k(t+ρ)=F(X_k(t),u_k(t),t)+w_k(t)로 표현하고 F(X,u,t)=θ(t)ᵀ f(X,u)로 정의한다.
• 추적 잔차로부터 θ(t)를 추정하기 위해 GDPA(Gradient-descent parametric adaptation law)를 사용한다.
• 고 상대도 시스템의 측정 불가능한 상태를 재구성하기 위한 상태 추정기를 도입한다.
• X_k^e(t)에서 θ̂_k(t)ᵀ f(X_k^e(t),u_k(t))=r_k(t+ρ)를 풀어 암시적 AILC 입력을 형성하고, 수축 매핑 기반의 반복 절차를 이용해 이를 구현한다.
• 실용적 사용을 위한 중지 기준을 갖는 암시적 입력으로 수렴하는 u_k^p(t)와의 반복적 명시 근사 구현.
• Lyapunov-like 수렴 분석을 제공하여 limsup e_k(t+ρ)가 교란 의존 구역 내에 있음을 보인다.

실험 결과

연구 질문

• RQ1 비선형 시스템의 고 상대도와 비반복 교란에 대해 직접적 적응 학습 제어(AILC) 프레임워크를 설계할 수 있는가?
• RQ2 알려지지 않은 시간가변 매개변수 θ(t)와 측정되지 않은 상태를 AILC 내에서 견고하게 추정하여 수렴을 달성할 수 있는가?
• RQ3 교란, 상대도 및 암시적 제어 입력의 수치 근사 오차가 추적 정확도에 어떤 영향을 미치는가?
• RQ4 암시적 AILC 형식으로부터 명시적으로 구현 가능한 제어 입력을 어떻게 계산하는가?
• RQ5 제안된 방법이 iteration-변경 참조 궤적에 확장되며 수렴 보장을 제공하는가?

주요 결과

• 교란이 없는 경우에 대해 제약된 고전적 제어 입력 u_k^*가 존재하며 이는 수축 매핑의 고정점으로 얻어진다.
• 데드 존과 프로젝션이 있는 GDPA 법칙은 매개변수 추정과 추적 오차를 0 근방으로 수렴시키는 경계적인 특성을 보인다.
• u_k^p(t)가 암시적 AILC 입력 u_k(t)로 수렴하는 명시적 반복 근사이며, 원하는 정확도를 위한 계산 가능한 중지 기준을 가진다.
• 정리 1은 e_k(t+ρ)의 limsup가 w와 초기 추정 오차 및 교란에 의존하는 항들에 의해 경계지어진 구역으로 유도됨을 보인다.
• 추론들(Corollaries)은 교란이 없는 경우 완벽한 추적을, 상대도 ρ=1 또는 교란이 소멸할 때의 특수한 단순화를 보여준다.
• 시뮬레이션 결과(두 예)에서 효과를 보여주고 DDILC와의 비교를 제시한다.