基于迭代神经动态规划的数据驱动非线性近似最优调节

摘要：

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.

关键词：自适应动态规划、数据驱动控制、迭代神经动态规划、神经网络、非线性近似最优调节

所属期刊栏目：43

分类号：TP1;TP2

资助基金：国家自然科学基金61233001, 61273140, 61304018, 61304086, 615 33017, U1501251, 61411130160;北京市自然科学基金4162065;天津市自然科学基金14JCQNJC05400;中国科学院自动化研究所复杂系统管理与控制国家重点实验室优秀人才基金, 天津市过程检测与控制重点实验室开放课题基金TKLPMC-201612 资助Supported by National Natural Science Foundation of China61233001, 61273140, 61304018, 61304086, 61533017, U1501251, 61411130160;Beijing Natural Science Foundation4162065;Tianjin Natural Science Foundation14JCQNJC05400;the Early Career Development Award of the State Key Laboratory of Management and Control for Complex Systems SKL-MCCS of the Institute of Automation, Chinese Academy of Sciences;Research Fund of Tianjin Key Laboratory of Process Measurement and ControlTKLPMC-201612

在线出版日期：2017-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：366-375