.png){kind=icon}
返回
Data-driven adversarial online control for unknown linear systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.sysconle.2025.106224.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们考虑在对抗性扰动和对抗性凸损失函数存在的情况下，具有未知线性动力学系统的在线控制问题。尽管该问题在基于模型的控制中得到了广泛研究，但尚不清楚绕过系统辨识步骤的数据驱动方法能否解决该问题。在本工作中，我们提出了一种新颖的数据驱动在线自适应控制算法来解决这一在线控制问题。我们的算法利用行为系统理论学习一个非参数系统表示，然后采用基于扰动的控制器，并通过在线梯度下降进行更新。我们证明了我们的算法以高概率保证 O(T^{2/3}) 的遗憾界，这与该问题的最佳已知遗憾界相匹配。此外，我们将算法和性能保证扩展到输出反馈的情况。进行了一项数值实验来验证我们的理论结果。
Keyword:
Data-driven control
Behavioral systems theory
Online learning
Adaptive control
期刊
S
IF:
2.5
论文数:
161
被引数:
0
机构
暂无机构信息
引用论文
Optimization over state feedback policies for robust control with constraints具有约束的鲁棒控制的状态反馈策略优化.png)
AUTOMATICA
OAAI
AUTOMATICAIF5.9
OAAI分享收藏分享收藏Formulas for Data-Driven Control: Stabilization, Optimality, and Robustness数据驱动控制的公式: 稳定性、最优性和鲁棒性OAAI
OAAI分享收藏Behavioral systems theory in data-driven analysis, signal processing, and control数据驱动分析，信号处理和控制中的行为系统理论OAAI
OAAI分享收藏 没有更多内容
没有更多内容