摘要：自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽松假设下的非线性随机系统,研究带有折扣因子的无限时域最优控制问题.所提的随机系统Q-learning算法能够将初始的容许策略单调不增地优化至最优策略.基于数据驱动思想,随机系统Q-learning算法在不建立模型的情况下直接利用数据进行策略优化.其次,利用执行−评判神经网络方案,实现了随机系统Q-learning算法.最后,通过两个基准系统,验证本文提出的随机系统Q-learning算法的有效性.

摘要：设计了一种基于事件的迭代自适应评判算法,用于解决一类非仿射系统的零和博弈最优跟踪控制问题.通过数值求解方法得到参考轨迹的稳定控制,进而将未知非线性系统的零和博弈最优跟踪控制问题转化为误差系统的最优调节问题.为了保证闭环系统在具有良好控制性能的基础上有效地提高资源利用率,引入一个合适的事件触发条件来获得阶段性更新的跟踪策略对.然后,根据设计的触发条件,采用Lyapunov方法证明误差系统的渐近稳定性.接着,通过构建四个神经网络,来促进所提算法的实现.为了提高目标轨迹对应稳定控制的精度,采用模型网络直接逼近未知系统函数而不是误差动态系统.构建评判网络、执行网络和扰动网络用于近似迭代代价函数和迭代跟踪策略对.最后,通过两个仿真实例,验证该控制方法的可行性和有效性.

摘要：本文针对具有执行器故障的一类离散非线性多输入多输出(Multi-input multi-output,MIMO)系统,提出了一种基于事件触发的自适应评判容错控制方案.该控制方案包括评价和执行网络.在评价网络里,为了缓解现有的非光滑二值效用函数可能引起的执行网络跳变问题,利用高斯函数构建了一个光滑的效用函数,并采用评价网络近似最优性能指标函数.在执行网络里,通过变量替换将系统状态的将来信息转化成关于系统当前状态的函数,并结合事件触发机制设计了最优跟踪控制器.该控制器引入了动态补偿项,不仅能够抑制执行器故障对系统性能的影响,而且能够改善系统的控制性能.稳定性分析表明所有信号最终一致有界且跟踪误差收敛于原点的有界小邻域内.数值系统和实际系统的仿真结果验证了该方案的有效性.