کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4948428 1439613 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Decentralized guaranteed cost control of interconnected systems with uncertainties: A learning-based optimal control strategy
ترجمه فارسی عنوان
کنترل هزینه تضمین شده از سیستم های مرتبط با عدم اطمینان: کنترل مبتنی بر یادگیری بهینه است
کلمات کلیدی
برنامه ریزی پویا سازگار، کنترل انحرافی، کنترل هزینه تضمین شده، سیستم های متصل شده، کنترل یادگیری، شبکه های عصبی، کنترل بهینه، گیاه نامشخص،
ترجمه چکیده
یک رویکرد کنترل بهینه مبتنی بر یادگیری مبتنی بر یادگیری برای رسیدن به طراحی غیرقانونی کنترل هزینه تضمین شده برای یک کلاس از سیستم های غیر خطی پیچیده مداوم با عدم قطعیت های دینامیکی و اتصالات ساخته شده است. این کار با ترکیب فرمول کنترل قوی غیر متمرکز با تکنیک یادگیری سازنده منتقد انجام می شود. با بیان سیستم زیرمجموعه به عنوان یک سیستم کل و معرفی یک تابع هزینه جدید برای کل کارخانه، مشکل کنترل هزینه تضمین غیر متمرکز به عنوان یک مشکل کنترل بهینه برای سیستم کلی اسمی فرموله شده است. سپس، یک الگوریتم کنترل یادگیری مبتنی بر تکرار سیاست برای حل معادله همیلتون-یعقوبی-بلمن با هم تلقی می شود. یک شبکه عصبی منتقد به منظور تقسیم قانون کنترل بازخورد حالت مطلوب ساخته شده و سپس مسئله پایداری محدودیت نهایی یکنواخت مورد تجزیه و تحلیل قرار می گیرد. در ضمن، یک آزمایش شبیه سازی برای بررسی عملکرد خوب روش کنترل انجام شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
کنترل هزینه تضمین شده از سیستم های مرتبط با عدم اطمینان: کنترل مبتنی بر یادگیری بهینه است
چکیده انگلیسی
A novel learning-based optimal control approach is constructed to attain the decentralized guaranteed cost controller design for a class of continuous-time complex nonlinear systems with dynamical uncertainties and interconnections. This is performed by combining robust decentralized control formulation with adaptive critic learning technique. By expressing the interconnected subsystems as a whole system and introducing a new cost function for the overall plant, the decentralized guaranteed cost control problem is formulated as an optimal control problem for the nominal overall system. Then, a policy iteration based learning control algorithm is employed to solve the modified Hamilton-Jacobi-Bellman equation with respect to the nominal plant iteratively. A critic neural network is constructed to approximate the optimal state feedback control law and then the uniform ultimate boundedness stability issue is analyzed. Meanwhile, a simulation experiment is conducted to verify the good performance of the control approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 214, 19 November 2016, Pages 297-306
نویسندگان
, , , ,