摘要
传统控制器设计用于特定系统，无法在不同系统阶数和动态之间转移。我们提出了一种通用控制器，这是一种基于学习的控制器，能够控制各种阶数和动态的系统。
该方法引入了一种新颖的动态状态空间表示，使用带有掩蔽的注意力机制，使得一个单一的神经网络能够在不进行架构修改的情况下，通过为每个系统分配系统标签，处理不同维度的系统，且只需一次训练。
我们从25个多样化的系统中生成了314,630个演示，包括稳定、非稳定、最小相位和非最小相位动态，涵盖从自主水下和航空航天车辆到机械系统和化学过程的线性和非线性系统。
该模型通过多尺度时间处理和专家混合架构学习跨系统控制策略。仿真结果表明，所提出的通用控制器在所有测试系统上实现了与特定系统LQI控制器相当的性能，包括非最小相位和不稳定动态等挑战性案例，同时能够在未见的操作条件下进行泛化，包括执行器饱和、噪声、干扰和训练期间未遇到的参考轨迹。
这项工作代表了在定义的动力系统家族内通用控制策略的重要一步，展示了使用单一学习策略在不同阶数和动态的单输入单输出（SISO）系统中实现有效控制，而无需系统特定的调优。
博主点评： 本文展示了通用控制器的强大潜力，能够在多样化的系统中实现高效控制，标志着控制理论的一个重要进步。该技术的关键在于其灵活性和适应性，能够应对不同动态特性和外部扰动，有望在实际应用中发挥重要作用。