Key points are not available for this paper at this time.
Dieser Artikel präsentiert eine neuartige, effiziente, auf Erfahrungserinnern basierende adaptive dynamische Programmierung (ADP) für das optimale Steuerungsproblem einer Klasse nichtlinearer dynamischer Systeme im Rahmen des Hamiltonian-gesteuerten Ansatzes. Der quasi-Hamiltonian wird für das Politikevaluierungsproblem mit einer zulässigen Politik vorgestellt. Mit dem quasi-Hamiltonian wird ein neuartiger kompositiver Kritiker-Lernmechanismus entwickelt, um die sofortigen Daten mit den historischen Daten zu kombinieren. Darüber hinaus wird der pseudo-Hamiltonian definiert, um das Leistungsoptimierungsproblem zu behandeln. Basierend auf dem pseudo-Hamiltonian kann die konventionelle Hamilton-Jacobi-Bellman (HJB) Gleichung in gefilterter Form dargestellt werden, die online implementiert werden kann. Die theoretische Analyse wird in Bezug auf die Konvergenz des adaptiven Kritiker-Designs und die Stabilität der geschlossenen Regelungssysteme untersucht, wobei die Parameterkonvergenz unter einer abgeschwächten Erregungsbedingung erreicht werden kann. Simulationsstudien werden durchgeführt, um die Wirksamkeit des präsentierten Designs zu überprüfen.
Yang et al. (Do,) untersuchten diese Frage.