控制与决策

作者：霍煜,王鼎,乔俊飞

单位：北京工业大学 信息学部, 北京 100124 hspace{3pt};北京工业大学 计算智能与智能系统北京市重点实验室,北京 100124 hspace{3pt};北京工业大学 北京人工智能研究院,北京 100124;北京工业大学 智慧环保北京实验室,北京 100124,,北京工业大学 信息学部, 北京 100124 hspace{3pt};北京工业大学 计算智能与智能系统北京市重点实验室,北京 100124 hspace{3pt};北京工业大学 北京人工智能研究院,北京 100124;北京工业大学 智慧环保北京实验室,北京 100124,,北京工业大学 信息学部, 北京 100124 hspace{3pt};北京工业大学 计算智能与智能系统北京市重点实验室,北京 100124 hspace{3pt};北京工业大学 北京人工智能研究院,北京 100124;北京工业大学 智慧环保北京实验室,北京 100124,

关键词：单网络评判学习;非线性系统;不确定性;神经网络;最优控制;鲁棒跟踪控制

基金：北京市自然科学基金项目(JQ19013)；国家自然科学基金项目(61773373,61890930-5,62021003)；科技创新2030-“新一代人工智能”重大项目(2021ZD0112302)；国家重点研发计划项目(2018YFC1900800-5).

针对一类具有不确定性的连续时间非线性系统,提出一种基于单网络评判学习的鲁棒跟踪控制方法.首先建立由跟踪误差与参考轨迹构成的增广系统,将鲁棒跟踪控制问题转换为镇定设计问题.通过采用带有折扣因子和特殊效用项的代价函数,将鲁棒镇定问题转换为最优控制问题.然后,通过构建评判神经网络对最优代价函数进行估计,进而得到最优跟踪控制算法.为了放松该算法的初始容许控制条件,在评判神经网络权值更新律中增加一个额外项.利用Lyapunov方法证明闭环系统的稳定性及鲁棒跟踪性能.最后,通过仿真结果验证该方法的有效性和适用性.

来源：2023年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第11期