机器人控制领域,内部模型不确定性与外部干扰的“深度耦合”是实现高精度作业的长期瓶颈。
传统的扰动观测器往往依赖于干扰导数有界的强假设,这在理论上存在逻辑悖论,且限制了估计精度。
北航郭克信教授团队针对这一挑战提出了一种集成控制理论与数据驱动学习的复合干扰估计框架,该算法在无须预设干扰界限的情况下,实现了对复杂耦合干扰的高精度、轻量化估计。
室内风扰实验中,NOKOV度量动作捕捉系统实时获取和反馈无人机位姿数据,参与控制闭环,助力验证本文方法的有效性。