비선형 연속 시간 시스템의 엄격 피드백 형태에서 적응형 신경망 기반 최적 제어

요약 이 논문은 시스템 역학이 알려진 경우 적응형 백스테핑 접근 방식을 사용하여 비선형 연속 시간 시스템의 엄격 피드백 형태에서 신경망(NN) 기반 최적 제어에 초점을 맞춥니다. 단일 NN 기반 적응형 접근 방식이 무한 지평 연속 시간 해밀턴-자코비-벨만(HJB) 방정식의 해를 학습하도록 설계되며, 해당 HJB 방정식을 최소화하는 최적 제어 입력이 가치 및 정책 반복을 사용하지 않고 시간 흐름에 따라 계산됩니다. 먼저, 일반적인 다중 입력 및 다중 출력 비선형 시스템에 대한 최적 제어 문제를 상태 피드백 접근 방식으로 해결합니다. 그런 다음 비선형 관찰기를 통한 출력 피드백을 사용하여 단일 입력 및 단일 출력 비선형 시스템으로 이 접근 방식을 확장합니다. 리야푸노프 기법을 사용하여 모든 신호가 균일하게 궁극적으로 제한되고, 근사 제어 신호가 상태 및 출력 피드백 기반 제어기 설계 모두에서 작은 제한 오차로 최적 제어 입력에 접근함을 보여줍니다. 신경망 재구성 오류가 없을 경우 최적 제어에 대한 점근적 수렴이 입증됩니다. 마지막으로, 이론적 결과를 검증하기 위한 시뮬레이션 예제가 제공됩니다. 저작권 © 2013 John Wiley & Sons, Ltd.