A novel neural optimal control framework with nonlinear dynamics: Closed-loop stability and simulation verification

در این مقاله، ما بر روی توسعه سازگاری تنظیم کننده های مطلوب برای یک کلاس از سیستم های دینامیکی غیر خطی مداوم با استفاده از مکانیزم یادگیری عصبی تمرکز می کنیم. هدف اصلی این است که ایجاد یک اصطلاح ثبات اضافی برای تقویت روند آموزش سنتی شبکه عصبی منتقد، به طوری که برای کاهش نیاز با توجه به کنترل ثبات دهنده اولیه، و به همین علت، به راحتی قابل توجهی برای منتقد سازگار اجرای پایه کنترل یادگیری نمایش داده شده است که با استفاده از قانون جدید به روز رسانی، قانون کنترل بهینه سازگار با یک ویژگی تقریبی عالی می تواند به دست آید. سیستم حلقه بسته ساخته شده است و مسئله پایداری آن با توجه به معیار یادگیری بهبود یاد شده است. شبیه سازی تجربی نیز برای بررسی کارایی کارایی روش کنونی طراحی، به ویژه نقش اصلی که اصطلاح ثبات دهی انجام شده است انجام می شود.