Key points are not available for this paper at this time.
Cet article explore la question du contrôle d'attitude robuste pour un système d'hélicoptère à 2 degrés de liberté selon la règle de contrôle à temps fixe. Grâce à la stratégie d'apprentissage par renforcement, les résultats d'optimisation pour l'objectif de contrôle d'attitude ont été atteints. Sous le cadre de base des réseaux neuronaux Actor-Critic, cet article résout non seulement une meilleure solution de la fonction de coût mais estime également avec succès le couple de perturbation externe existant dans le système d'hélicoptère à 2 degrés de liberté. De plus, en conjonction avec un mécanisme de commutation de mode glissant et une nouvelle loi d'atteinte, cette étude introduit une nouvelle approche pour réaliser efficacement l'objectif de contrôle d'attitude tout en respectant les contraintes de saturation d'entrée et de performances prescrites. Comparé à d'autres types de contrôleurs, il peut être validé qu'il a une meilleure performance d'action de contrôle d'attitude. En particulier, sous l'action du contrôleur, chaque variable d'état a une limite stable pendant un temps fixe spécifique. Enfin, des exemples de simulation et de comparaison fournissent des preuves pour démontrer que la technique de contrôle proposée est stable.
Shen et al. (ven.) ont étudié cette question.