Data-driven Feedback Control of Lattice Structures with Localized Actuation and Sensing
作者: Dominik Fischer, Loi Do, Miana Smith, Jiří Zemánek
分类: cs.RO, eess.SY
发布日期: 2024-10-11
💡 一句话要点
提出基于数据驱动反馈控制的晶格结构方法，用于实现局部驱动和传感。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 晶格结构 反馈控制 数据驱动 动态模式分解 线性二次调节
📋 核心要点
- 现有晶格结构控制主要采用开环策略，限制了系统性能，难以应对复杂任务。
- 提出一种数据驱动的反馈控制方法，利用扩展动态模式分解、LQR和Koopman MPC，无需系统先验知识。
- 通过实验验证了该方法在稳定、抗干扰和参考跟踪方面的有效性，即使在有限的传感和驱动资源下。
📝 摘要（中文）
本文提出了一种针对数字晶格结构反馈控制的新方法，该方法利用系统动力学的实时测量。我们引入了一种可驱动的体素，为晶格结构提供了一种新的驱动方式。我们的控制方法基于扩展动态模式分解算法，结合线性二次调节器和Koopman模型预测控制。该方法的关键优势在于其纯粹的数据驱动特性，无需任何系统结构的先验知识。我们通过定制的柔性晶格梁的真实实验，展示了所开发方法的能力，即使在最小的传感和驱动资源下也能完成各种任务。特别地，我们解决了两个问题：稳定化和干扰抑制，以及参考跟踪。
🔬 方法详解
问题定义：论文旨在解决数字晶格结构在实际应用中，由于缺乏有效的反馈控制策略而导致的性能受限问题。现有方法主要依赖于开环控制，无法有效应对外部干扰和实现精确的运动控制，尤其是在资源受限的情况下。
核心思路：论文的核心思路是利用数据驱动的方法，通过实时测量系统动力学，建立系统的动态模型，并基于该模型设计反馈控制器。这种方法无需预先了解系统的结构信息，能够适应复杂和不确定的环境。
技术框架：整体框架包括以下几个主要模块：1) 晶格结构的局部驱动和传感模块，使用定制的可驱动体素实现驱动；2) 数据采集模块，实时测量系统动力学数据；3) 扩展动态模式分解（EDMD）模块，利用采集的数据构建系统的Koopman线性模型；4) 控制器设计模块，基于Koopman模型，采用线性二次调节器（LQR）或Koopman模型预测控制（KMPC）设计反馈控制器；5) 实时控制模块，将控制器应用于实际晶格结构，实现稳定、抗干扰和参考跟踪等任务。
关键创新：该方法最重要的创新点在于其纯粹的数据驱动特性。传统的控制方法通常需要精确的系统模型，而该方法通过EDMD算法直接从数据中学习系统的动态特性，避免了复杂的建模过程。此外，结合LQR和KMPC，能够实现高效的反馈控制。
关键设计：关键设计包括：1) 可驱动体素的设计，需要考虑驱动力的大小、响应速度和集成度；2) EDMD算法的参数选择，例如基函数的选择和正则化参数的设置；3) LQR控制器的权重矩阵Q和R的选择，需要根据具体的控制目标进行调整；4) KMPC的预测步长和控制约束的设置，需要在性能和计算复杂度之间进行权衡。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够有效地稳定晶格结构，并抑制外部干扰。通过定制的柔性晶格梁实验，验证了该方法在稳定化和参考跟踪方面的性能。即使在传感和驱动资源有限的情况下，该方法也能实现良好的控制效果，证明了其在实际应用中的潜力。
🎯 应用场景
该研究成果可应用于柔性机器人、可重构结构、自适应材料等领域。例如，可以用于构建能够适应复杂环境的机器人，或者用于设计具有可调刚度和阻尼特性的智能结构。此外，该方法还可以应用于航空航天领域，用于控制飞行器的姿态和形状。
📄 摘要（原文）
Assembling lattices from discrete building blocks enables the composition of large, heterogeneous, and easily reconfigurable objects with desirable mass-to-stiffness ratios. This type of building system may also be referred to as a digital material, as it is constituted from discrete, error-correcting components. Researchers have demonstrated various active structures and even robotic systems that take advantage of the reconfigurable, mass-efficient properties of discrete lattice structures. However, the existing literature has predominantly used open-loop control strategies, limiting the performance of the presented systems. In this paper, we present a novel approach to feedback control of digital lattice structures, leveraging real-time measurements of the system dynamics. We introduce an actuated voxel which constitutes a novel means for actuation of lattice structures. Our control method is based on the Extended Dynamical Mode Decomposition algorithm in conjunction with the Linear Quadratic Regulator and the Koopman Model Predictive Control. The key advantage of our approach lies in its purely data-driven nature, without the need for any prior knowledge of a system's structure. We illustrate the developed method via real experiments with custom-built flexible lattice beam, showing its ability to accomplish various tasks even with minimal sensing and actuation resources. In particular, we address two problems: stabilization together with disturbance attenuation, and reference tracking.