.png){kind=icon}
返回
Neural-network-based control via adaptive dynamic programming under dual description coding
.png){kind=icon}
PRE
AI
DOI：10.1016/j.nahs.2026.101706.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了基于神经网络（NN）的一类多输入多输出非线性离散时间系统的自适应控制问题。由于系统动态模型未知且仅可获得输入-输出数据，首先利用伪偏导数（PPD）技术将未知的非线性动态模型转化为等效的动态线性模型。然后，为增强信号传输的可靠性，实施了一种双描述编码方案，将系统输出编码为两个同等重要的描述。随后，开发了一种基于离线值迭代的自适应动态规划（ADP）算法，以解决基于编码-解码方案的最优控制问题。通过数学归纳法严格分析了所提出方法的收敛性。此外，在ADP框架内，提出了一种演员-评论家（actor-critic）神经网络方法，以逼近控制律和性能指标函数。为保障实际跟踪误差以及评论家与演员神经网络权重估计误差的有界性，推导出若干充分条件。最后，进行数值仿真以验证所提出控制策略的有效性。
Keyword:
Neural networks
Adaptive dynamic programming
Dual-description coding
Nonlinear discrete-time systems
Optimal control
期刊
N
IF:
0
论文数:
94
被引数:
0
机构
引用论文
Value iteration and adaptive dynamic programming for data-driven adaptive optimal control design数据驱动的自适应最优控制设计的值迭代和自适应动态规划.png)
AUTOMATICA
OAAI
AUTOMATICAIF5.9
OAAI分享收藏A Novel Data-Driven Control Approach for a Class of Discrete-Time Nonlinear Systems一类离散时间非线性系统的数据驱动控制新方法
PREAI
分享收藏Unscented Kalman Filtering Over Full-Duplex Relay Networks Under Binary Encoding Schemes在全双工中继网络下基于二进制编码方案的Unscented Kalman Filtering
PREAI
分享收藏分享收藏
查看更多内容