基于强化学习的一类不确定非线性系统的最优输出调节
齐佳鑫
孟桂芝
哈尔滨理工大学理学院,黑龙江哈尔滨 150080
摘要：本文针对一类由线性中性稳定的外系统驱动的具有未知非线性函数和外界扰动的非线性系统的最优输出调节问题,提出了一种基于强化学习中的评价-执行网络算法的自适应最优控制策略.首先,根据调节器方程是可解的条件和坐标变换,将不确定非线性系统的输出调节问题转化为镇定问题,利用径向基神经网络去逼近未知非线性函数,设计具有内模的神经网络自适应观测器去估计不可测的状态;然后,设计了基于强化学习的自适应内模,提出了与内模相关的代价函数,并且在反步法的每一步中都运用基于评价-执行网络的近似最优算法,保证了所有的虚拟控制器均为最优,同时结合动态面技术避免了反步法中的"复杂度爆炸"问题;最后,通过所设计的最优自适应输出反馈控制器,不仅使得提出的价值函数达到最优,而且还确保了闭环系统的信号半全局最终一致有界且跟踪误差在期望的任意精度内.数值仿真验证了所提出方法的有效性.
关键词：输出调节最优控制强化学习反步法
论文发表日期：2025-09-30
在线出版日期：2025-10-28（本平台首次上网日期，不代表文献的发表时间）
页数：11( 1807-1817 )
英文信息