基于自适应辨识器-评价器的非线性系统最优跟踪控制及实验验证

本文提出并通过实际验证了一种基于辨识器-评价器的近似动态规划（ADP）方法，用于在线解决非线性连续时间未知系统的最优跟踪控制问题。通过神经网络（NN）辨识器消除了系统动力学必须精确已知的强加假设。首先采用静态控制来保持稳态跟踪响应，同时提出一种通过 ADP 方法导出的最优控制，通过最小化代价函数来调节跟踪误差。随后在线训练评价器 NN，以获得相关 Hamilton–Jacobi–Bellman (HJB) 方程的解。通过量身定制一种新颖的自适应方法，同时在线进行辨识器 NN 和评价器 NN 的学习，可保证估计 NN 权重的收敛性。因此，评价器 NN 可直接用于构建最优控制策略，从而避免了以往 ADP 方案中使用的执行器 NN。通过仿真验证了所提出的控制方法，并在直升机装置上进行了实验，以展示其可行性和改善的控制响应。