面向机械系统的端口哈密顿Koopman算子综合方法

作者提出一种面向欧拉-拉格朗日系统的结构保持Koopman框架，以广义动量坐标为基础。动量变换将机械驱动暴露为已知且不依赖状态的端口，并在提升后的动力学中显式保留。研究设计了一种结构约束神经网络架构，用于联合学习提升函数与端口哈密顿Koopman生成元，使所学动力学在构造上即为无源的，而非依赖惩罚项或事后投影。此外，Cayley中点离散化在离散时间中精确保持相应的存储-耗散平衡。作者通过推导离散存储平衡及所学预测器的稳定性保证，对这些性质进行了分析性证明。仿真仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身与实验研究表明，该方法在预测精度、数据效率和闭环跟踪方面优于Koopman基线，且对更高维系统增益更明显。