穆哈西内·本诺曼 基于模型与数据驱动的自适应控制:概述。 (英语) Zbl 1396.93068号 国际期刊改编。控制信号处理。 32,第5号,753-776(2018). 摘要:在本文中,我们通过对比基于模型的方法和数据驱动方法,对自适应控制进行了概述。实际上,我们建议将自适应控制器分为两个主要的子领域,即基于模型的自适应控制和数据驱动的自适应控制。在每个子领域中,我们引用了过去几年发表的专著、调查论文和最新研究论文。我们还包括几个简单的例子来说明每个子领域中的一些一般概念。 引用于17文件 MSC公司: 93C40型 自适应控制/观测系统 93立方厘米 由常微分方程控制的控制/观测系统 93-02 与系统和控制理论相关的研究展览(专著、调查文章) 关键词:自适应控制;数据驱动的;基于学习;基于模型的控制 PDF格式BibTeX公司 XML格式引用 \textit{M.Benosman},国际期刊Adapt。控制信号处理。32,第5号,753--776(2018;Zbl 1396.93068) 全文: 内政部 参考文献: [1] 《太阳报》,IoannouP。鲁棒自适应控制。纽约州米诺拉市:多佛出版公司;2012. [2] LandauID、AirimiţoaieT‐B、Castellanos‐SilvaA、ConstantinescuA。自适应和鲁棒主动振动控制:方法和测试。工业控制的进展。瑞士施普林格国际出版公司;2017. ·Zbl 1357.93002号 [3] 贾维斯拉。自适应控制中的优化策略:一项选择性调查。IEEE Trans Syst Man Cybern公司。1975;5(1):83‐94. ·Zbl 0297.93028号 [4] 奥斯特罗姆KJ。自适应控制测量的理论与应用。自动化。1983;19(5):471‐486. ·兹伯利0537.93048 [5] SeborgDE、EdgarTF、ShahSL。过程控制的自适应控制策略:综述。AIChE J.1986;32(6):881‐913. [6] TangY奥尔特加。自适应控制器的鲁棒性——综述。自动化。1989;25(5):651‐677. ·Zbl 0692.93024号 [7] IsermannR公司。参数自适应控制算法-教程。自动化。1982;18(5):513‐528. ·Zbl 0493.93035号 [8] 库马尔。随机自适应控制的一些结果综述。SIAM J控制优化。1985;23(3):329‐380. ·Zbl 0571.93038号 [9] 埃加特B。自适应控制器的稳定性。柏林-海德堡:Springer‐Verlag;1979. ·Zbl 0482.93001号 [10] ÅströmKJ,威滕马克银行。自适应控制应用综述。论文发表于:IEEE决策与控制会议;1995; 洛杉矶新奥尔良。 [11] 冈纳森斯·荣格。系统识别中的适应和跟踪——一项调查。自动化。1990;26(1):7‐21. ·Zbl 0714.93053号 [12] FilatovNM,UnbehauenH。自适应双重控制方法综述。IET控制理论应用。2000;147(1):118‐128. [13] 奥斯特罗姆KJ,哈格伦德T,HangCC,HoWK。PID控制器的自动调节和自适应——综述。控制工程实践。1994;1(4):699‐714. [14] ChenYQ、MooreKL、YuJ、Zhang T。硬盘行业中的迭代学习控制和重复控制——教程。国际J自适应控制信号处理。2008;22(4):325‐343. ·Zbl 1284.93269号 [15] LandauID、AlmaM、ConstantinescuA、MartinezJJ、NoöM。未知多窄带干扰的自适应调节-抑制(算法和应用综述)。控制工程实践。2011;19(10):1168‐1181. [16] Martín‐SánchezJM,LemosJM,RodellarJ.《工业优化自适应控制综述》。国际J自适应控制信号处理。2015;26(10):881‐918. ·Zbl 1263.93120号 [17] 巴尔卡纳。简单自适应控制–一种稳定的直接模型参考自适应控制方法–简要概述。国际J自适应控制信号处理。2014;28(7‐8):567‐603. ·Zbl 1332.93163号 [18] 陶工。多变量自适应控制:综述。自动化。2014;50(11):2737‐2764. ·Zbl 1300.93101号 [19] NageshraoSP、LopesGAD、JeltsemaD、BabuškaR。自适应和学习控制中的Port‐Hamilton系统:综述。IEEE Trans Autom控制。2016;61(5):1223‐1238. ·Zbl 1359.93230号 [20] 丰G,洛扎诺R。自适应控制系统。英国牛津:纽恩斯;1999 [21] GoodwinGC主编,《模型识别和自适应控制:从风帆运动到电信》。Springer‐Verlag伦敦有限公司;2001 [22] 星期五,爱荷华州。自适应控制教程。宾夕法尼亚州费城:SIAM;2006. ·Zbl 1116.93001号 [23] 考夫曼、巴尔卡纳、索贝克。直接自适应控制算法:理论与应用。《通信与控制工程》,纽约州纽约市:施普林格出版社;1998 [24] LandauID。自适应控制。纽约州纽约市:马塞尔·德克尔;1979. ·Zbl 0475.93002号 [25] 古德温GC,辛克斯。自适应滤波预测和控制。新泽西州恩格尔伍德悬崖:Prentice‐Hall;1984. ·兹比尔0653.93001 [26] AnnaswamyAM,NarendraKS。稳定自适应系统。纽约州米诺拉市:多佛出版公司;1989. ·Zbl 1217.93081号 [27] IoannouPA的TsakalisKS。线性时变系统:控制和适应。新泽西州Upper Saddle River:普伦蒂斯·霍尔公司;1993. ·Zbl 0795.93001号 [28] LandauID、LozanoR、M'SaadM、KarimiA。自适应控制:算法、分析和应用。通信和控制工程。施普林格-弗拉格伦敦有限公司;2011. ·Zbl 1234.93002号 [29] 博德森·萨斯特里·S。自适应控制:稳定性、收敛性和鲁棒性。纽约州米诺拉市:多佛出版公司;2011 [30] 陶工。自适应控制设计与分析。纽约州纽约市:John Wiley&Sons,Inc;2003 [31] 古德温GC,辛克斯。自适应滤波预测和控制。纽约州米诺拉市:多佛出版公司;2014 [32] 莫斯科。最优、预测和自适应控制。美国新泽西州上鞍河:普伦蒂斯·霍尔;1995 [33] KrstićM、KanellakopoulosI、KokotovicPV。非线性和自适应控制设计。纽约州纽约市:威利;1995 [34] 斯普纳JT、马焦雷M、奥多涅兹R、帕西诺KM。非线性系统的稳定自适应控制与估计。纽约州纽约市:John Wiley&Sons,Inc;2002 [35] 阿斯托尔菲A,卡拉吉安尼斯D,奥尔特加R。非线性和自适应控制及其应用。英国伦敦:施普林格;2008. ·Zbl 1149.93002号 [36] 弗拉德科娃、米罗什尼基、尼基福罗夫。复杂系统的非线性自适应控制。多德雷赫特,荷兰:Kluwer学术出版社;1999. ·兹比尔0934.93002 [37] 阿斯托尔菲A。非线性自适应控制。系统与控制百科全书。纽约州纽约市:斯普林格;2015:866‐870. [38] GuayM、AdetolaV、DeHaanD。非线性系统的鲁棒自适应模型预测控制。英国伦敦:工程技术学院;2015 [39] 斯拉戈维奇五世。自适应控制的数学理论。跨学科数学科学。第4卷。新加坡:世界科学;2006. ·Zbl 1204.93005号 [40] 斯米什利亚耶夫A,KrsticM。抛物线偏微分方程的自适应控制。新泽西州普林斯顿:普林斯顿大学出版社;2010. ·兹比尔1225.93005 [41] VrabieD、VamvoudakisK、LewisFL。基于强化学习原理的最优自适应控制和微分对策。英国:IET数字图书馆;2013. ·Zbl 1316.49007号 [42] Wang C,HillDJ。用于识别、识别和控制的确定性学习理论。佛罗里达州博卡拉顿:CRC出版社;2010. ·Zbl 1247.93001号 [43] 鄂尔多斯张C。极值寻优控制及其应用:一种基于数值优化的方法。纽约州纽约市:斯普林格;2012. ·Zbl 1255.49058号 [44] 本诺曼。基于学习的自适应控制:极值搜索方法理论与应用。英国牛津:Butterworth‐Heinemann;2016 [45] VamvoudakisKG,JagannathanS。复杂系统控制——理论与应用。英国牛津:Butterworth‐Heinemann;2016 [46] 刘德、魏奇、王德、杨X、李赫。自适应动态规划在最优控制中的应用。工业控制的进展。瑞士查姆:施普林格;2017. ·Zbl 1390.93003号 [47] DrenickRF BennerAH。自适应伺服系统。IRE公约记录,第4部分;1955 [48] DrenickRF,ShahbenderRA。自适应伺服机构。Trans-Am Inst Electr Eng.1957;76(2):286‐292. [49] 格雷戈里PC。自适应飞行控制系统研讨会论文集。WADC【技术报告】。俄亥俄州代顿:赖特航空发展中心;1959 [50] 埃克霍夫·奥斯特伦·科杰。系统识别——调查。自动化。1971;7:123‐162. ·Zbl 0219.93004号 [51] 贝尔曼R。动态编程。新泽西州普林斯顿:普林斯顿大学出版社;1957. ·Zbl 0077.13605号 [52] 贝尔曼R。自适应控制过程:导览。新泽西州普林斯顿:普林斯顿大学出版社;1961. ·兹伯利0103.12901 [53] TsypkinYZ公司。自动系统中的适应和学习。纽约,纽约:学术出版社;1971. ·Zbl 0221.68049号 [54] TsypkinYZ公司。学习系统理论基础。纽约州纽约市:学术出版社;1975 [55] 奥斯特罗姆KJ,WittenmarkB。自适应控制。马萨诸塞州北切姆斯福德:Courier Corporation;2013 [56] CaoC,霍瓦基米扬。一种具有保证瞬态性能的新型ℒ_1自适应控制结构的设计和分析。IEEE Trans Autom控制。2008;53(2):586‐591. ·Zbl 1367.93301号 [57] CaoC,霍瓦基米扬。L1自适应控制理论:具有快速自适应的保证鲁棒性。设计与控制进展。宾夕法尼亚州费城:SIAM系列;2010. ·Zbl 1214.93004号 [58] IoannouPA、AnnaswamyAM、NarendraKS等,L_1自适应控制:稳定性、鲁棒性和解释。IEEE Trans Autom控制。2014;59(11):3075‐3080. ·Zbl 1360.93353号 [59] van HeusdenK、TalebianK、DumontGA。ℒ_1自适应状态反馈控制分析。为什么它近似于可实现的LTI控制器?Eur J控制。2015;23:1‐7. ·Zbl 1360.93371号 [60] ParkBS、LeeJY、ParkJB、ChoiYH。输入受限线性系统的自适应控制。国际J控制自动化系统。2012;10(5):890‐896. [61] YehP‐C,KokotovitPV。使用backstepping的输入受限线性系统的自适应跟踪设计。论文发表于:IEEE美国控制会议;1995; 华盛顿州西雅图。 [62] RojasOJ、GoodwinGC、DesbiensA。交叉方向控制系统的自适应反饱和策略研究。论文发表于:IEEE决策与控制会议;2002; 内华达州拉斯维加斯。 [63] 阿贾米空军。存在输入约束的自适应飞行控制[硕士论文]。弗吉尼亚州布莱克斯堡:弗吉尼亚理工学院和州立大学;2005 [64] 拉夫雷茨基E,霍瓦基米扬N。存在输入约束时的稳定适应。系统控制许可。2007;56(11‐12):722‐729. ·Zbl 1120.93028号 [65] TurnerMC。正μ修正作为一种反卷绕机制。系统控制许可。2017;102:15‐21. ·Zbl 1377.93087号 [66] BalasM WenJ。希尔伯特空间中的鲁棒自适应控制。数学分析应用杂志。1989;143(1):1‐26. ·Zbl 0701.93086号 [67] NarendraKS,BalakrishnanJ。使用多个模型的自适应控制。IEEE Trans Autom控制。1997;42(2):171‐187. ·Zbl 0869.93025号 [68] NarendraKS、DriolletOA、FeilerM、GeorgeK。使用多模型、切换和调谐的自适应控制。国际J自适应控制信号处理。2003;17(2):87‐102. ·Zbl 1016.93034号 [69] GiovaniniL、SanchezG、BenosmanM。使用多模型切换和调谐的基于观测器的自适应控制。IET控制理论应用。2014;8(4):235‐247. [70] 纳伦德拉克斯。使用多模型的快速时变系统的分层自适应控制。收录:VamvoudakisK(编辑)、JagannathanS(编辑),编辑:复杂系统控制:理论与应用。英国牛津:Butterworth‐Heinemann;2016 [71] 乔达里。无持续激励的自适应控制收敛的并行学习[博士论文]。佐治亚州亚特兰大:佐治亚理工学院;2010 [72] ChowdharyG、YucelenT、MühleggM、JohnsonE。指数收敛界线性系统的并行学习自适应控制。国际J自适应控制信号处理。2013;27(4):280‐301. ·兹比尔1272.93069 [73] CarnevaleD、GaleaniS、SassanoM、AstolfiA。稳健的混合估计和多频信号的抑制。国际J自适应控制信号处理。2016;30(12):1649‐1673. ·Zbl 1353.93038号 [74] 马里诺、桑托索索格、多美。频率未知的有偏正弦扰动的鲁棒自适应补偿。自动化。2003;39(10):1755‐1761. ·Zbl 1054.93031号 [75] 托梅·马里诺。具有未知阶外系统的线性最小相位系统的输出调节。IEEE Trans Autom控制。2007;52(10):2000‐2005. ·Zbl 1366.93515号 [76] AranovskiyS,FreidovichLB。作为正弦信号和形成的扰动的自适应补偿,应用于主动振动控制基准。Eur J控制。2013;19(4):253‐265. ·Zbl 1293.93232号 [77] 道格拉斯·博德森。抑制频率未知正弦干扰的自适应算法。自动化。1997;33(12):2213‐2221. ·Zbl 0900.93146号 [78] 丁字。一类具有不确定内模的非线性系统的全局镇定和扰动抑制。自动化。2003;39(3):471‐479. ·Zbl 1012.93057号 [79] 兰道(LandauI)、君士坦丁士古(ConstantinescuA)、雷伊(ReyD)。自适应窄带干扰抑制应用于主动悬架-内模原理方法。自动化。2005;41(4):563‐574. ·Zbl 1061.93526号 [80] 塞拉尼。通过混合自适应外部模型抑制控制器输入处的谐波干扰。自动化。2006;42(7):1977‐1985. ·Zbl 1130.93369号 [81] LandauI、AirimitoaieT-B、SilvaAC。未知和时变窄带和宽带干扰的自适应衰减。国际J自适应控制信号处理。2015;29(11):1367‐1390. ·Zbl 1333.93173号 [82] 斯洛汀·J,LiW。应用非线性控制。新泽西州恩格尔伍德悬崖:普伦蒂斯·霍尔;1991:68‐73. ·Zbl 0753.93036号 [83] 雅库波维奇五世。自适应系统理论。Sov Phys Dokl公司。1969;13:852‐855. ·Zbl 0181.47604号 [84] IlchmannA,RyanEP。未经识别的高增益控制:一项调查。GAMM‐Mitteilungen公司。2008;31(1):115‐125. ·Zbl 1196.93036号 [85] FekriS、AthansM、PascoalA。鲁棒自适应控制的问题、进展和新成果。国际J自适应控制信号处理。2006;20(10):519‐579. ·Zbl 1132.93023号 [86] 弗拉德科瓦尔。非线性自适应控制:调节跟踪振荡。论文发表于:第一届IFAC研讨会:控制系统设计的新趋势;1994; 斯洛伐克Smolence。 [87] SeronM、HillD、FradkovA。反馈无源系统的非线性自适应控制。自动化。1995;31(7):1053‐1057. ·Zbl 0833.93033号 [88] 弗拉德科娃·奥尔特加。一类自适应系统的渐近稳定性。国际J自适应控制信号处理。1993;7(4):255‐260. ·Zbl 0791.93079号 [89] 弗拉德科瓦尔。速度梯度方案及其在自适应控制问题中的应用。自动遥控器。1980;40(9):1333‐1342. ·Zbl 0434.93036号 [90] KarsentiL、Lamnabhi‐LagarrigueF、BastingG。非线性参数化非线性系统的自适应控制。系统控制许可。1996;27(2):87‐97. ·兹伯利0875.93230 [91] 弗拉德科瓦尔,斯托茨基AA。机械系统的速度梯度自适应控制算法。国际J自适应控制信号处理。1992;6(3):211‐220. ·Zbl 0850.93406号 [92] 弗拉德科娃、奥尔特加、巴斯廷。凸参数化系统的半自适应控制,应用于化学反应器的温度调节。国际J自适应控制信号处理。2001;15(4):415‐426. ·Zbl 0984.93073号 [93] LiuX、OrtegaR、SuH、ChuJ。非线性参数化非线性系统的浸入和不变性自适应控制。IEEE Trans Autom控制。2010;55(9):2209‐2214. ·Zbl 1368.93306号 [94] Flores‐PerezA,GraveI,TangY。一类非线性参数化系统的基于收缩的自适应控制。论文发表于:IEEE美国控制会议;2013; 华盛顿特区。 [95] HungNVQ、TuanHD、NarikiyoT、ApkarianP。机器人操作器中非线性参数化不确定性的自适应控制。IEEE变速器控制系统技术。2008;16(3):458‐468. [96] 阿德托拉五世、瓜伊姆、莱勒D。一类非线性参数化动力系统的自适应估计。IEEE Trans Autom控制。2014;59(10):2818‐2824. ·Zbl 1360.93662号 [97] CaoC、AnnaswamyA、KojicA。非线性参数化系统中的参数收敛性。IEEE Trans Autom控制。2003;48(3):397‐412. ·Zbl 1364.93760号 [98] KojicA、AnnaswamyA、LohA‐P、LozanoR。一类凸/凹参数化非线性系统的自适应控制。系统控制许可。1999;37(5):267‐274. ·Zbl 0942.93016号 [99] 安娜斯瓦米·奈托姆。利用非确定性等价控制对一类多线性参数化系统进行自适应控制。论文发表于:IEEE决策与控制会议;2012; 你好,毛伊岛。 [100] 丘金一世、普罗霍罗夫德·特雷霍夫五世。具有非凸参数化的自适应控制。IEEE Trans Autom控制。2003;48(4):554‐567. ·Zbl 1364.93411号 [101] 王杰,曲泽。一类非线性参数化时变不确定系统的鲁棒自适应控制。IET控制理论应用。2008;3(6):617‐630. [102] ZhangT、GeS、HangC、ChaiT。非线性参数化一阶系统的自适应控制。IEEE Trans Autom控制。2000;45(8):1512‐1516. ·Zbl 0988.93043号 [103] 克拉索夫斯基AA。自适应模型辨识问题中的优化算法。Avtom Telemekh公司。1976;12:75‐82. [104] 克拉索夫斯基AA,ShendrikVS。连续过程最优控制的通用算法(俄语)。Avtomat i Telemekh公司。1977;2:5‐13. [105] ByrnesC、IsidoriA、WillemsJC。最小相位非线性系统的无源性、反馈等价性和全局稳定性。IEEE Trans Autom控制。1991;36(11):1228‐1240. ·Zbl 0758.93007号 [106] WillemsJC IsidoriA。非线性控制系统。通信与控制工程系列。第二版,英国伦敦:Springer‐Verlag;1989 [107] WangX、KharisovE、HovakimyanN。不确定网络控制系统的实时自适应控制。IEEE Trans Autom控制。2015;60(9):2500‐2505. ·Zbl 1360.93368号 [108] CaoC、XargayE、HovakimyanN。一类不确定非仿射非线性控制系统的L_1自适应控制。IEEE Trans Autom控制。2016;61(3):840‐846. ·Zbl 1359.93221号 [109] 纳伦德拉克,杜阿尔特马。自适应控制的直接和间接组合方法。IEEE Trans Autom控制。1989;34(10):1071‐1075. ·Zbl 0695.93057号 [110] SlotineJ‐JE,LiW公司。机械手的复合自适应控制。自动化。1989;25(4):509‐519. ·Zbl 0696.93045号 [111] 拉夫雷茨基E。组合/复合模型参考自适应控制。IEEE Trans Autom控制。2009;54(11):2692‐2697. ·Zbl 1367.93314号 [112] RoyAB,BhasinS,KarIN。未知MIMO LTI系统的组合MRAC与参数收敛。IEEE Trans Autom控制。2018;63(1):283‐290. ·Zbl 1390.93453号 [113] 刘毅、林毅、黄锐。在未知滞后之前的互联非线性系统的分散自适应输出反馈控制。国际J控制。2015;88(9):1712‐1725. ·Zbl 1338.93192号 [114] 王C、林毅。具有规定跟踪性能的MIMO非线性时变系统的自适应动态表面控制。国际J控制。2015;88(4):832‐843. ·Zbl 1316.93063号 [115] ShangF、LiuY。未知控制系数平面非线性系统的自适应输出反馈镇定。国际J控制。2013;88(8):1609‐1618. ·Zbl 1337.93074号 [116] SunZ‐Y、LiT、YangS‐H。一种统一的时变反馈方法及其在高阶不确定非线性系统自适应镇定中的应用。自动化。2016;70:246‐257. ·Zbl 1339.93098号 [117] PisanoA、TanelliM、FerraraA。二阶滑模控制的切换/基于时间的自适应。自动化。2016;64:126‐132. ·Zbl 1329.93044号 [118] EfimovD,EdwardsC,ZolghadriA.应用滑模技术增强自适应观测器的鲁棒性。自动化。2016;72:53‐56. ·Zbl 1344.93026号 [119] 赵X、郑X、牛B、刘L。一类不确定切换非线性系统的自适应跟踪控制。自动化。2015;52:185‐191. ·Zbl 1309.93081号 [120] XingL、WenC、LiuZ、SuH、CaiJ。一类不确定非线性系统的事件触发自适应控制。IEEE Trans Autom控制。2017;62(4):2071‐2076. ·Zbl 1366.93305号 [121] DashkovskiyS,PavlichkovS。具有任意切换的非线性MIMO系统自适应控制器的构造性设计。IEEE Trans Autom控制。2016;61(7):2001‐2007. ·Zbl 1359.93223号 [122] 潘妮,YuH。自适应动态曲面控制的复合学习。IEEE Trans Autom控制。2016;61(9):2603‐2609. ·Zbl 1359.93231号 [123] SongY、ZhaoK、KrstićM。在没有持续激励的情况下,具有指数调节的自适应反推。论文发表于:IEEE美国控制会议;2016; 马萨诸塞州波士顿。 [124] SunZ‐Y、Zhang C‐H、WangZ。广义高阶不确定非线性系统的自适应干扰衰减。自动化。2017;80:102‐109. ·Zbl 1370.93101号 [125] MichailidisI、BaldiS、KosmatopoulosEB、IoannouPA。大规模非线性系统的自适应最优控制。IEEE Trans Autom控制。2017;62(11):5567‐5577. ·Zbl 1390.93449号 [126] 黄C,YuCB。具有多个未知控制方向的非线性自适应控制系统的调节函数设计。自动化。2018;89:259‐265. ·Zbl 1388.93053号 [127] LiZ、ChenZ、FuJ、SunC。具有时变时滞和死区输入的不确定MIMO动态系统的直接自适应控制器。自动化。2016;63:287‐291. ·Zbl 1329.93087号 [128] LinY,ZhangX。非线性时滞系统的自适应控制及其在两级化学反应器中的应用。IEEE Trans Autom控制。2015;60(4):1074‐1079. ·Zbl 1360.93370号 [129] SelivanovA、FridmanE、FradkovA。基于传递的自适应控制:不确定的输入和输出延迟。自动化。2015;54:107‐113. ·兹比尔1318.93047 [130] 贾克斯、许仕、马奇、李毅、蔡毅。具有未知输入和状态时滞的前馈非线性系统的通用自适应控制。国际J控制。2016;89(11):2311‐2321. ·Zbl 1360.93355号 [131] ZhuY,KrstićM,SuH。不确定线性时滞系统的自适应输出反馈控制。IEEE Trans Autom控制。2017;62(2):545‐560. ·Zbl 1364.93416号 [132] LinY,ZhangX。一类大规模非线性时滞系统的自适应输出反馈控制。自动化。2015;52:87‐94. ·Zbl 1309.93088号 [133] ShiX、XuS、LiY、ChenW、ChuY。具有未建模动态和时变时滞的严格反馈非线性系统的鲁棒自适应控制。国际J控制。2017;90(2):334‐347. ·Zbl 1359.93129号 [134] 马杰、丁芙、熊伟、杨娥。使用卡尔曼滤波对具有时滞的Hammerstein系统进行组合状态和参数估计。国际自适应控制信号处理。2017;31(8):1139‐1151. ·Zbl 1373.93326号 [135] NguyenK‐D,LiY,DankowiczH。一类具有未知匹配非线性系统的ℒ_1自适应控制器的时滞鲁棒性。IEEE Trans Autom控制。2017;62(10):5485‐5491. ·Zbl 1390.93451号 [136] HussainH、YildizY、MatsutaniM、AnnaswamyA、Lavretsky E。状态变量可访问的自适应系统的可计算延迟裕度。IEEE Trans Autom控制。2017;62(10):5039‐5054. ·Zbl 1390.93438号 [137] 刘志光、吴义清。不同结构非线性时滞系统显式自适应控制的通用策略。自动化。2018;89:151‐159. ·Zbl 1387.93101号 [138] 欧特加R,PanteleyE。参数化控制器何时适用于自适应控制?Eur J控制。2015;22:13‐16. ·Zbl 1367.93318号 [139] SelivanovA、FradkovA、LiberzonD。具有量化测量和有界扰动的可通过线性系统的自适应控制。系统控制许可。2016;88:62‐67. ·Zbl 1336.93091号 [140] LiY‐X,YangG‐H。具有输入量化和执行器故障的不确定非线性系统的自适应渐近跟踪控制。自动化。2016;72:177‐185. ·Zbl 1344.93061号 [141] LaiG、LiuZ、ChenCLP、ZhangY。输入量化不确定非线性系统的自适应渐近跟踪控制。系统控制许可。2016;96:23‐29. ·Zbl 1347.93153号 [142] 是的,琳妮。一类非线性系统的自适应反推量化控制。IEEE Trans Autom控制。2017;62(2):981‐985. ·Zbl 1364.93353号 [143] 林·利格。一类输入输出量化的非线性系统的自适应输出反馈控制。国际J控制。2017;90(2):239‐248. ·Zbl 1359.93417号 [144] 王C、文C、林毅、王伟。一类具有输入量化的互联非线性系统的分散自适应跟踪控制。自动化。2017;81:359‐368. ·Zbl 1372.93030号 [145] LiuY‐J,TongS。一类具有全状态约束的非线性纯反馈系统基于Barrier Lyapunov函数的自适应控制。自动化。2016;64:70‐75. ·Zbl 1329.93088号 [146] LiuY‐J,TongS。全状态约束非线性系统Nussbaum增益自适应控制的Barrier Lyapunov函数。自动化。2017;76:143‐152. ·Zbl 1352.93062号 [147] 格伦瓦尔德BC、瓦格纳D、尤塞伦特、博物馆JA。计算模型参考自适应控制的执行器带宽限制。国际J控制。2016;89(12):2434‐2452. ·兹比尔1360.93351 [148] ThielM、Schwarzmann D、AnnaswamyA、SchultalbersM、JeinschT。改进了具有输入饱和的系统的自适应控制性能。论文发表于:IEEE美国控制会议;2016; 马萨诸塞州波士顿。 [149] López‐AraujoD、LoriaA、Zavala‐RíoA。具有有界控制的欧拉-拉格朗日系统的自适应跟踪控制。国际J自适应控制信号处理。2016;31(3):299‐313. ·Zbl 1362.93074号 [150] LiH、ShiP、YaoD、WuL。非线性马尔可夫跳跃系统基于观测器的自适应滑模控制。自动化。2016;64:133‐142. ·Zbl 1329.93126号 [151] LiH、ShiS、YaoD。带有执行器故障的马尔可夫跳变非线性系统的自适应滑模控制。IEEE Trans Autom控制。2017;62(4):1933‐1939. ·兹比尔1366.93718 [152] LiY、SunH、ZongG、HouL。具有部分已知转移率和多重干扰的马尔可夫跳跃系统的复合自适应抗干扰弹性控制。国际J自适应控制信号处理。2017;31(7):1077‐1097. ·Zbl 1370.93244号 [153] 王CY,JiaoXH。一类非线性参数化切换非线性系统的任意切换自适应控制。国际J控制。2015;88(10):2044‐2054. ·Zbl 1334.93099号 [154] KerstingS,BussM公司。多变量分段仿射系统的直接和间接模型参考自适应控制。IEEE Trans Autom控制。2017;62(11):5634‐5649. ·Zbl 1390.93442号 [155] 袁S、德舒特B、巴尔迪S。不确定时间驱动切换线性系统的自适应渐近跟踪控制。IEEE Trans Autom控制。2017;62(4):5802‐5807. ·Zbl 1390.93467号 [156] FuJ、MaR、ChaiT。通过基于逻辑的切换实现一类不确定非线性系统的自适应有限时间镇定。IEEE Trans Autom控制。2017;62(11):5998‐6003. ·Zbl 1390.93682号 [157] AstolfiA,ParisiniT,AscencioP。一类抛物型偏微分方程的自适应观测器,基于反推偏微分方程设计的凸优化方法。论文发表于:IEEE美国控制会议;2016; 马萨诸塞州波士顿。 [158] BialyJB、ChakrabortyI、CekicSC、DixonWE。柔性机翼储存诱发振动的自适应边界控制。自动化。2016;70:230‐238. ·Zbl 1339.93065号 [159] Ahmed‐AliT、GiriF、KrstićM、BurlionL、Lamnabhi‐LagarrigueF。具有区域和边界参数不确定性的抛物线偏微分方程的自适应边界观测器。自动化。2016;72:115‐122. ·Zbl 1344.93021号 [160] 安芬森·H、迪亚格尼姆、阿莫姆、克里斯蒂奇·M。基于交换的n+1耦合线性双曲偏微分方程自适应观测器设计。IEEE Trans Autom控制。2016;61(12):3979‐3990. ·Zbl 1359.93202号 [161] 安芬森H,AamoOM。具有不确定边界参数的n+1耦合线性双曲型系统的边界传感自适应镇定。系统控制许可。2017;99:72‐84. ·Zbl 1353.93097号 [162] 安芬森H,AamoOM。线性2×2双曲系统的自适应控制。自动化。2018;87:69‐82. ·Zbl 1378.93101号 [163] GibsonTE、QuZ、AnnaswamyAM、Lavretsky E。基于闭环参考模型的自适应输出反馈。IEEE Trans Autom控制。2015;60(10):2728‐2733. ·Zbl 1360.93350号 [164] BartoliniG、EstradaA、PuntaE。一类非线性非最小相位系统的观测与输出自适应跟踪。国际J控制。2016;89(9):1807‐1820. ·Zbl 1353.93059号 [165] SokolovVF公司。Lipschitz不确定性下仿射参数最小相位对象的自适应镇定。自动化。2016;73:64‐70. ·Zbl 1372.93175号 [166] DaiS、RenZ、BernsteinDS。使用移位Laurent级数的非最小相位系统的自适应控制。国际J控制。2015;90(3):407‐427. ·兹比尔1359.93222 [167] JohnsonCR、GoodwinGC、SinKS。一些非最小相位对象的直接自适应输入匹配控制的全局收敛性。论文发表于:Allerton通信、控制和计算年度会议;2017; 伊利诺伊州蒙蒂塞洛。 [168] 贾法里斯,爱荷华州。不确定多输入多输出系统中未知周期扰动的鲁棒自适应衰减。自动化。2016;70:32‐42. ·Zbl 1339.93043号 [169] BasturkHI,KrstićM。未知LTI系统的自适应正弦干扰消除,尽管存在输入延迟。自动化。2015;58:131‐138. ·Zbl 1330.93131号 [170] PyrkinAA、BobtsovAA。具有输入时滞和输出扰动的线性系统的自适应控制器。IEEE Trans Autom控制。2016;61(12):4229‐4234. ·兹比尔1359.93232 [171] JafariS、IoannouP、FitzpatrickB、WangY。未知周期扰动自适应抑制的鲁棒性和性能。IEEE Trans Autom控制。2015;60(8):2166‐2171. ·Zbl 1360.93451号 [172] WenL、TaoG、YangH、ZhangY。一种多变量非线性系统的自适应干扰抑制控制方案。国际J控制。2016;89(3):594‐610. ·Zbl 1332.93100号 [173] 托梅·马里诺。混合自适应多正弦干扰消除。IEEE Trans Autom控制。2017;62(8):4023‐4030. ·Zbl 1373.93227号 [174] BuchstallerD,法语M。多模型自适应控制的鲁棒稳定性:第一部分:框架。IEEE Trans-Autom控制。2016;61(3):677‐692. ·Zbl 1359.93408号 [175] BuchstallerD,法语M。多模型自适应控制的鲁棒稳定性:第二部分-增益界。IEEE Trans Autom控制。2016;61(3):693‐708. ·Zbl 1359.93409号 [176] 宾夕法尼亚州巴尔迪。基于Lyapunov的切换准则的自适应混合控制中的稳定裕度。IEEE Trans Autom控制。2016;61(5):1194‐1207. ·Zbl 1359.93219号 [177] 黄M,王X,王Z。一类线性有界非线性系统的多模型自适应控制。IEEE Trans Autom控制。2015;60(1):271‐276. ·Zbl 1360.93352号 [178] TanC、TaoG、QiR、YangH。一种基于直接MRAC的多变量多模型切换控制方案。自动化。2017;84:190‐198. ·Zbl 1376.93057号 [179] KanieskiJM、TambaraRV、PinheiroH、CardosoR、GründlingHA。基于卡尔曼滤波的鲁棒自适应控制器与线性二次调节器相结合。IEEE Trans-Autom控制。2016;61(5):1373‐1378. ·Zbl 1359.93227号 [180] 夏克斯·朱布。具有参数不确定性的无约束离散时间线性系统的自适应模型预测控制。IEEE Trans Autom控制。2016;61(10):3171‐3176. ·Zbl 1359.93254号 [181] HeirungT、YdstieB、FossB。双自适应模型预测控制。自动化。2017;80:340‐348. ·Zbl 1370.93316号 [182] EscrenoJ‐A、RakotondrabeM、HabinezaD。非线性2自由度压电致动器的基于反推的鲁棒自适应控制。控制工程实践。2015;41:57‐71. [183] 阿汀·本诺曼。电磁执行器的非线性自适应控制。IET控制理论应用。2015;9(2):258‐269. [184] 邱兹、桑蒂略、扬科维奇、孙杰。复合自适应内模控制及其在涡轮增压汽油机增压压力控制中的应用。IEEE变速器控制系统技术。2015;23(6):2306‐2315. [185] WangN、QianC、SunJ‐C、LiuY‐C。全驱动水面车辆的自适应鲁棒有限时间轨迹跟踪控制。IEEE变速器控制系统技术。2016;24(4):1454‐1462. [186] GrigoriadisKM卢斯帕伊。血管活性药物输注下血压动力学的自适应参数估计。IEEE变速器控制系统技术。2016;24(3):779‐787. [187] deRuiterAHJ公司。具有保证性能边界的基于观测器的自适应航天器姿态控制。IEEE Trans Autom控制。2016;61(10):3146‐3151. ·Zbl 1359.93255号 [188] AminiMR、ShahbakhtiM、PanS、HedrickJK。通过自适应鲁棒离散滑模控制,缩小设计和实现控制器之间的差距。控制工程实践。2017;59:1‐15. [189] EvangelistaA、PisanoA、PulestonP、UsaiE。基于双馈感应发电机的风力发电机组的二阶滑模变结构控制。IEEE变速器控制系统技术。2017;25(1):73‐84. [190] 张毅、徐强。具有参数估计和卡尔曼滤波器的自适应滑模控制,用于压电驱动微夹持器的精确运动控制。IEEE变速器控制系统技术。2017;25(2):728‐735. [191] 瓜卢斯ChaouiH。具有参数和热不确定性的锂离子电池的自适应充电状态估计。IEEE变速器控制系统技术。2017;25(2):752‐759. [192] HuY、ChenMZQ、XuS、LiuY。半主动惯性仪及其在自适应调谐减振器中的应用。IEEE变速器控制系统技术。2017;25(1):294‐300. [193] JinX、HaddadWM、YucelenT。用于缓解网络物理系统中传感器和执行器攻击的自适应控制体系结构。IEEE Trans Autom控制。2017;62(11):6058‐6064. ·Zbl 1390.93440号 [194] XieC‐H,YangG‐H。具有外部干扰和执行器故障的大型系统的分散自适应容错控制。自动化。2017;85:83‐90. ·Zbl 1375.93011号 [195] OuyangH、LinY。执行器故障的自适应容错控制:一种切换策略。自动化。2017;81:87‐95. ·Zbl 1372.93121号 [196] 德国米勒。凸性在快速时变系统自适应控制中的作用。系统控制许可。2017;97:91‐97. ·Zbl 1350.93050号 [197] HosseinzadehM,YazdanpanahMY。通过切换非二次Lyapunov函数来增强模型参考自适应控制的性能。系统控制许可。2015;76:47‐55. ·Zbl 1307.93197号 [198] FarokhiF,JohanssonKH。结构化模型信息限制下的自适应控制设计:一种有成本偏向的最大似然方法。系统控制许可。2015;75:8‐13. ·Zbl 1305.93207号 [199] 张杰、刘毅、穆克斯。关于一类不确定随机非线性系统全局自适应镇定的进一步结果。国际J控制。2015;88(3):441‐450. ·Zbl 1328.93232号 [200] SumerED,伯恩斯坦DS。子空间零点在非平方对象回溯成本自适应控制中的作用。国际J控制。2015;88(2):295‐323. ·Zbl 1328.93146号 [201] 达蒙斯基省米什科夫。参数估计误差渐近稳定的非线性自适应控制系统设计。国际J控制。2018;91(1):181‐203. ·Zbl 1390.93450号 [202] ShtesselY、FridmanL、PlestanF。自适应滑模控制和观察。国际J控制。2016;89(9):1743‐1746. ·Zbl 1353.93030号 [203] IncremonaGP,费拉拉A。基于自适应模型的事件触发滑动模式控制。国际J自适应控制信号处理。2016;30(8):1298‐1316. ·Zbl 1348.93068号 [204] YangH、WangY、YangY。具有不匹配扰动的高阶非线性系统的自适应有限时间控制。国际J自适应控制信号处理。2017;31(9):1296‐1307. ·Zbl 1375.93070号 [205] ArabiE、GruenwaldBC、YucelenT、NguyenNT。集理论模型参考自适应控制体系结构,用于干扰抑制和不确定性抑制,具有严格的性能保证。国际J控制。2017:1‐14. [206] 阿比迪克、伊尔迪兹、安娜斯瓦米。不确定采样数据系统的控制:一种自适应posicast控制方法。IEEE Trans Autom控制。2017;62(5):2597‐2602. ·Zbl 1366.93282号 [207] HussainHS、AnnaswamyA、Lavretsky E。鲁棒自适应控制的一种新方法。论文发表于:IEEE美国控制会议;2016; 马萨诸塞州波士顿。 [208] LewisFW、JagannathanS、YesildirakA。机器人机械手和非线性系统的神经网络控制。英国伦敦:Taylor&Francis;1999 [209] Al-TaminiA、LewisFL、Abu‐KhalafM。应用于H∞控制的线性离散时间零和博弈的无模型Q学习设计。自动化。2007;43(3):473‐481. ·Zbl 1137.93321号 [210] VamvoudakisKG,路易斯安那州。在线actor-critic算法求解连续时间无限时域最优控制问题。自动化。2010;46(5):878‐888. ·Zbl 1191.49038号 [211] 刘易斯FL,VamvoudakisKG。部分可观测动态过程的强化学习:使用测量输出数据的自适应动态规划。IEEE Trans Syst Man Cybern B Cybern公司。2011;41(1):14‐25. [212] HouZ、Jin S。一类离散时间非线性系统的新型数据驱动控制方法。IEEE变速器控制系统技术。2011;19(6):1549‐1558. [213] LewisFL、VrabieD、VamvoudakisKG。强化学习和反馈控制:使用自然决策方法设计最优自适应控制器。IEEE控制系统杂志2012;32(6):76‐105. http://doi.org/10.109/MCS.2012.2214134 ·Zbl 1395.93584号 ·doi:10.1109/MCS.2012.2214134 [214] WangC、HillDJ、GeSS、ChenG。用于纯反馈系统自适应神经控制的ISS模块化方法。自动化。2006;42(5):723‐731. ·Zbl 1137.93367号 [215] GuayM、Zhang。参数不确定性非线性动态系统的自适应极值搜索控制。自动化。2003;39:1283‐1293. ·Zbl 1035.93041号 [216] 圭亚那DehaanD。状态约束非线性系统的极值寻求控制。自动化。2005;41(9):1567‐1574. ·兹比尔1086.93025 [217] VrabieD、PastravanuO、LewisF、Abu‐KhalafM。基于策略迭代的连续时间线性系统自适应最优控制。自动化。2009;45(2):477‐484. ·Zbl 1158.93354号 [218] KoszakaL、RudekR、Pozniak‐KoszalkaI。在自适应控制系统中使用强化学习的想法。论文发表于:国际网络会议、国际系统会议和国际移动通信与学习技术会议(ICNICONSMCL'06);2006年4月;毛里求斯莫恩。 [219] GuayM、DochainD、Perrier、HudonN。基于平坦度的周期轨道极值搜索控制。IEEE Trans Autom控制。2007;52(10):2005‐2012. ·Zbl 1366.90230号 [220] LeeJY、ParkJB、ChoiYH。连续时间线性系统自适应最优控制的积分Q学习和探索性策略迭代。自动化。2012;48(11):2850‐2859. ·兹比尔1254.49019 [221] HaringM、van de WouwN、NešićD。具有周期稳态输出的非线性系统的极值寻求控制。自动化。2013;49(6):1883‐1891. ·Zbl 1360.93373号 [222] FrihaufP、KrstićM、BasarT。通过极值搜索实现未知离散时间线性系统的有限时域LQ控制。Eur J控制。2013;19(5):399‐407. ·Zbl 1293.49080号 [223] HaghiP,AriyurK。关于高维系统中模型参考自适应控制的极值搜索。论文发表于:IEEE美国控制会议;2011; 加利福尼亚州旧金山。 [224] HaghiP,AriyurK。使用ES‐MRAC对非线性MIMO系统进行自适应反馈线性化。论文发表于:IEEE美国控制会议;2013; 华盛顿特区。 [225] 阿汀·本诺曼。电磁执行器基于极值搜索的自适应控制。国际J控制。2013;88(3):517‐530. ·Zbl 1328.93141号 [226] ModaresH、LewisF、YucelenT、ChowdharyG。部分未知约束输入系统的自适应最优控制,使用策略迭代和经验重演。论文发表于:AIAA制导、导航和控制会议;2013; 马萨诸塞州波士顿。http://doi.org/10.2514/6.2013-4519 ·doi:10.2514/6.2013-4519 [227] BenosmanM,XiaM。时变不确定性非线性系统基于极值搜索的间接自适应控制。在IEEE欧洲控制会议上发表的论文;2015; 奥地利林茨。 [228] AnguloMT公司。基于二阶滑模的非线性极值搜索。自动化。2015;57:51‐55. ·Zbl 1330.93054号 [229] 本诺曼。基于多参数极值搜索的自动调谐,用于鲁棒输入输出线性化控制。国际J鲁棒非线性控制。2016;26(18):4035‐4055. ·Zbl 1351.93039号 [230] Gruenwald B,尤克兰。自适应控制体系结构的瞬态性能改进。国际J控制。2015;88(11):2305‐2315. ·Zbl 1334.93094号 [231] VamvoudakisKG、MirandaMF、HespanhaJP。具有饱和执行器和放松持续激励的渐近稳定自适应最优控制算法。IEEE Trans Neural Netw学习系统。2016;27(11):2386‐2398. [232] 本诺曼·苏巴拉曼纳。基于极值搜索的迭代学习模型预测控制(ESILC-MPC)。论文发表于:第十二届IFAC控制与信号适应与学习研讨会;2016; 荷兰埃因霍温。 [233] BenosmanM,FarahmandA‐M。一类非线性系统基于贝叶斯优化的模块化间接自适应控制。论文发表于:第十二届IFAC控制和信号处理适应与学习国际研讨会;2016; 荷兰埃因霍温。 [234] SongY、HuangX、WenC。一类未知非方MIMO非仿射系统的跟踪控制:一种基于深根信息的鲁棒自适应方法。IEEE Trans Autom控制。2016;61(10):3227‐3233. [235] 姜碧、申克、石鹏。任意切换下切换非线性纯反馈系统的神经网络自适应跟踪控制。自动化。2012;61:119‐125. ·Zbl 1327.93246号 [236] ZhaoX、ShiP、ZhengX、Zhang L。具有未知执行器死区的切换随机非线性系统的自适应跟踪控制。自动化。2015;60:193‐200. ·兹比尔1331.93194 [237] YangQ、GeSS、SunY。多执行器不确定非线性系统的自适应执行器容错控制。自动化。2012;60:92‐99. ·Zbl 1331.93117号 [238] 姜瑜、姜振平。连续时间非线性系统的全局自适应动态规划。IEEE Trans Autom控制。2015;60(11):2917‐2929. ·Zbl 1360.49017号 [239] 高伟、江泽平。线性系统的自适应动态规划和自适应最优输出调节。IEEE Trans Autom控制。2016;61(12):4164‐4169. ·Zbl 1359.93224号 [240] BianT、JiangY、JiangZP。具有状态和控制相关噪声的随机系统的自适应动态规划。IEEE Trans Autom控制。2016;61(12):4170‐4175. ·Zbl 1359.93546号 [241] LuW,ZhuP,FerrariS。非线性切换系统无模型控制的混合自适应动态规划方法。IEEE Trans Autom控制。2016;61(10):3203‐3208. ·Zbl 1359.90146号 [242] BrüggemannS、PossieriC、PovedaJI、TeelAR。具有持久模型自适应的鲁棒约束模型预测控制。论文发表于:IEEE决策与控制会议;2016; 内华达州拉斯维加斯。 [243] NarendraKS、WangY、MukhopadhayS S。使用多个模型进行快速强化学习。论文发表于:IEEE决策与控制会议;2016; 内华达州拉斯维加斯。 [244] 张特、夏明、易。具有全状态约束和未建模动态的严格反馈非线性系统的自适应神经动态表面控制。自动化。2017;81:232‐239. ·Zbl 1372.93125号 [245] SongY、ZhangB、ZhaoK。传感器失效下未知MIMO系统跟踪不确定目标的间接神经自适应控制。自动化。2017;77:103‐111. ·Zbl 1355.93096号 [246] LimonD、CalliessJ、MaciejowskiJM。基于学习的非线性模型预测控制。IFAC‐在线论文。2017;50(1):7769‐7776. [247] 博雷利·罗索利亚。迭代任务的学习模型预测控制:线性系统的计算效率方法。IFAC‐在线论文。2017;50(1):3142‐3147. [248] 法雷尔JA,PolycarpouMM。基于自适应逼近的控制:统一神经、模糊和传统自适应逼近方法。新泽西州霍博肯:John Wiley&Sons;2006 [249] 纳伦德拉克斯,ParthasarathyK。使用神经网络识别和控制动态系统。IEEE Trans神经网络。1990;1(1):4‐27. [250] MukhopadhyayS,NarendraKS。使用神经网络和近似模型的自适应控制。IEEE Trans神经网络。1997;8(3):475‐485. [251] 路易斯安那州纳伦德拉克斯。神经网络反馈控制专题。自动化。2001;37(8). ·Zbl 0986.00038号 [252] BechlioulisCP,RovithakisGA。具有规定性能的反馈线性化MIMO非线性系统的鲁棒自适应控制。IEEE Trans Autom控制。2008;53(9):2090‐2099. ·Zbl 1367.93298号 [253] RenB、GeSS、TeeKP、LeeTH。使用屏障李亚普诺夫函数的输出反馈非线性系统的自适应神经控制。IEEE Trans神经网络。2010;21(8):1339‐1345. [254] 乔治亚州罗维塔基斯的TheodorakopoulosA。针对不确定MIMO反馈线性化系统,提出了一种简化的自适应神经网络性能控制器。IEEE Trans Neural Netw学习系统。2015;26(3):589‐600. [255] SiW‐J公司。具有输入和输出约束的非严格反馈随机非线性时滞系统的自适应神经控制。国际J自适应控制信号处理。2017;31(10):1401‐1417. ·Zbl 1376.93095号 [256] TehraniRD、ShabaniniaF、Khayataina、AsemaniMH。使用基于扰动的极值搜索标识符提高间接模型参考自适应控制的瞬态性能。国际J自适应控制信号处理。2017;31(8):1152‐1161. ·Zbl 1373.93182号 [257] 石井吉田。基于模型的强化学习:计算模型和fMRI研究。神经计算。2005;63:253‐269. [258] PowellWB公司。近似动态规划:解决维数问题。新泽西州霍博肯:约翰·威利父子公司;2007. ·Zbl 1156.90021号 [259] BusoniuL、BabuskaR、De SchutterB、ErnstD。使用函数逼近器的强化学习和动态编程。自动化与控制工程,佛罗里达州博卡拉顿:CRC出版社;2010 [260] 江泽平,江毅。线性和非线性系统的鲁棒自适应动态规划:综述。Eur J控制。2013;19(5):417‐425. ·Zbl 1293.49053号 [261] Vamvudakis KG公司。连续时间非线性系统的事件触发最优自适应控制算法。IEEE/CAA自动化杂志。2014;1(3):282‐293. [262] VamvoudakisKG、VrabieD、LewisFL。带积分强化学习的在线自适应最优控制算法。国际J鲁棒非线性控制。2014;24(17):2686‐2710. ·Zbl 1304.49059号 [263] PolydorosAS,NalpantisL公司。基于模型的强化学习综述:机器人应用。智能机器人系统杂志。2017;86(2):153‐173. [264] VamvoudakisKG、MojoodiA、FerrazH。非线性系统的事件触发最优跟踪控制。国际J鲁棒非线性控制。2017;27(4):596‐619. ·Zbl 1356.93056号 [265] VamvoudakisKG,FerrazH。具有最佳性能的连续时间线性系统的无模型事件触发控制算法。自动化。2018;87:412‐420. ·Zbl 1378.93083号 [266] Vamvudakis KG公司。连续时间线性系统的Q学习:无模型无限时域最优控制方法。系统控制许可。2017;100:14‐20. ·Zbl 1356.93044号 [267] 王德、贺、刘德。自适应批评家非线性鲁棒控制:综述。IEEE Trans Cybern公司。2017;47(10):3429‐3451. [268] 刘迪·刘易斯FL。反馈控制的强化学习和近似动态规划。新泽西州霍博肯:约翰·威利/IEEE出版社,计算智能系列;2012. [269] Werbos PJ公司。用于实时控制和神经建模的近似动态编程。收录:WhiteDA(编辑)、SofgeDA(主编)、eds.《智能控制手册:神经、模糊和自适应方法》。纽约州纽约市:Van Nostrand Reinhold Libarary;1992 [270] 凯拉特。线性系统。新泽西州上鞍河:Prentice‐Hall版;1980 [271] Ahmed‐AliT、GiriF、KrstićM、Lamnabhi‐LagarrigueF、BurlionL。一类抛物线偏微分方程的自适应观测器。IEEE Trans Autom控制。2016;61(10):3083‐3090. ·Zbl 1359.93201号 [272] ChenX、FengY、SuC‐Y。带有执行器和传感器滞后的连续时间系统的自适应控制。自动化。2016;64:196‐207. ·Zbl 1328.93142号 [273] AriyurKB,KrstićM。极值搜索控制的实时优化。纽约州纽约市:John Wiley&Sons,Inc;2003. ·Zbl 1031.93002号 [274] ScheinkerA,KrstićM。通过极值搜索实现无模型稳定。瑞士查姆:施普林格;2016 [275] 勒布朗。法国高等教育委员会(Sur l’e lectrification des Chemins de fer au Moyen de Courants Alternations de Fréquence e leve e e)。《电气评论》;1922 [276] 克里斯蒂奇·M。极值搜索的性能改进和限制。系统控制许可。2000;39:313‐326. ·Zbl 0948.93033号 [277] AriyurKB,KrstićM。多变量极值寻求反馈:分析与设计。论文发表于:《网络与系统数学理论学报》;2002年8月;印第安纳州南本德。 [278] CoitoF、LemosJ、AlvesS。约束条件下的随机极值搜索。IFAC世界大会。2005;16(1):266‐271. [279] TanY、NešicD、MareelsI。极值搜索控制的非局部稳定性。自动化。2006;42:889‐903. ·Zbl 1117.93362号 [280] 内西奇·D·。极值寻求控制:收敛性分析。Eur J控制。2009;15(34):331‐347. ·Zbl 1298.93209号 [281] TanY、NešicD、MareelsI。极值搜索控制中的抖动选择。自动化。2008;44:1446‐1450. ·Zbl 1283.93130号 [282] TanY、NešicD、MareelsI、AstolfiA。局部极值存在时的全局极值搜索。自动化。2009;45(1):245‐251. ·Zbl 1154.93356号 [283] RoteaM公司。多变量极值搜索算法分析。论文发表于:IEEE美国控制会议;2000; 伊利诺伊州芝加哥。 [284] StankovićMS,StipanovićDM。随机噪声下的极值搜索及其在移动传感器中的应用。自动化。2016;46(8):1243‐1251. ·Zbl 1204.93111号 [285] NešićD、NguyenT、TanY、ManzieC。全局极值搜索的非梯度方法:Shubert算法的改进。自动化。2013;49(3):809‐815. ·Zbl 1269.49058号 [286] JonesDR、PerttunenCD、StuckmanBE。无Lipschitz常数的Lipschitsian优化。最优化理论应用杂志。1993;79(1):157‐181. ·Zbl 0796.49032号 [287] ScheinkerA,KrstićM。CLF的最大寻优:未知控制方向下的通用半全局稳定反馈。IEEE Trans Autom控制。2013;58:1107‐1122. ·Zbl 1369.93506号 [288] ScheinkerA公司。未知时变系统的同时镇定和优化。论文发表于:IEEE美国控制会议;2013; 华盛顿特区。 [289] KhongSZ、NešićD、TanY、ManzieC。采样数据极值寻求控制的统一框架:全局优化和多单元系统。自动化。2013;49(9):2720‐2733. ·Zbl 1364.93441号 [290] NoaseW、TanY、NešićD、ManzieC。多变量极值搜索方案的非局部稳定性。论文发表于:IEEE澳大利亚控制会议;2011年11月;澳大利亚墨尔本。 [291] 是的,HuG。时变极值系统在输入约束下的极值搜索。论文发表于:IEEE决策与控制会议;2013; 意大利佛罗伦萨。 [292] TanY、LiY、MareelsI。极值搜索受限输入。IEEE Trans Autom控制。2013;58(9):2405‐2410. ·Zbl 1369.93316号 [293] Liu S‐J,KrstićM。基于牛顿的随机极值搜索。自动化。2014;50(3):952‐961. ·Zbl 1298.93358号 [294] GuayM,DochainD。一种最小最大极值搜索控制器设计技术。IEEE Trans Autom控制。2015;59(7):1874‐1886. ·Zbl 1360.49012号 [295] 基亚诺·波维达吉。Shahshahani梯度型极值搜索。自动化。2015;58:51‐59. ·Zbl 1330.49040号 [296] GuayM、MoshksarE、DochainD。约束极值搜索控制方法。国际J鲁棒非线性控制。2015;25(16):3132‐3153. ·Zbl 1327.93114号 [297] GuayM,DochainD。一种时变极值寻求控制方法。自动化。2015;51:356‐363. ·Zbl 1309.93085号 [298] GuayM,DochainD。一种多目标极值搜索控制器设计技术。国际J控制。2015;88(1):38‐53. ·Zbl 1328.93111号 [299] 瓜伊姆。基于扰动的比例积分极值寻求控制方法。IEEE Trans Autom控制。2016;61(11):3370‐3381. ·Zbl 1359.93183号 [300] WangL、ChenS、MaK。无稳态振荡极值寻优控制的稳定性及应用。自动化。2016;68:18‐26. ·Zbl 1334.93100号 [301] Liu S‐J,KrstićM。离散时间的随机平均及其在极值搜索中的应用。IEEE Trans Autom控制。2016;61(1):90‐102. ·Zbl 1359.93450号 [302] 阿尔特曼RadenkovicMS。在控制方向未知的情况下,通过极值搜索实现随机自适应稳定。IEEE Trans Autom控制。2016;61(11):3681‐3686. ·Zbl 1359.93519号 [303] 阿尔特曼RadenkovicMS。随机扰动极值搜索算法的几乎必然收敛性。系统控制许可。2016;94:133‐141. ·Zbl 1344.93112号 [304] AttaKT、HostettlerR、BrikW、JohanssonA。自适应扰动幅值的相量极值搜索控制。在IEEE第55届决策与控制会议上发表的论文;2016; 内华达州拉斯维加斯。 [305] LiuSJ、KrstićM、BasarT。通过随机极值搜索实现未知离散时间线性系统的批对批有限时域LQ控制。IEEE Trans Autom控制。2017;62(8):4116‐4123. ·Zbl 1373.93309号 [306] HaringM,JohansenT‐A。非线性对象基于扰动的极值寻求控制的渐近稳定性。IEEE Trans Autom控制。2017;62(5):2302‐2317. ·Zbl 1366.93549号 [307] PovedaJ、VamvoudakisK、BenosmanM。使用混合学习动力学的极值搜索控制的神经自适应结构。论文发表于:IEEE美国控制会议;2017; 华盛顿州西雅图。 [308] PovedaJI,TeelAR。一类具有动态包含的混合极值搜索控制器的框架。自动化。2017;76:113‐126. ·Zbl 1352.93044号 [309] PovedaJI,TeelAR。一种稳健的事件触发方法,用于快速采样数据极端化和学习。IEEE Trans Autom控制。2017;62(10):4949‐4964. ·Zbl 1390.93374号 [310] KrstićM,WangH‐H。一般非线性动力系统极值搜索反馈的稳定性。自动化。2000;36(4):595‐601. ·Zbl 0986.93039号 [311] TsitsiklisJ,BertsekasD。神经动力学编程。马萨诸塞州贝尔蒙特:雅典娜科学;1996. ·Zbl 0924.68163号 [312] 萨顿RS,BartoAG。强化学习:简介。马萨诸塞州剑桥:麻省理工学院出版社;1998 [313] BusonioL、BabuskaR、SchutterBD。多智能体强化学习的综合综述。IEEE Trans-Syst Man Cybern第C部分应用版本2008;38(2):156‐172. [314] 塞佩斯瓦里奇。强化学习算法。加州圣拉斐尔:Morgan&Claypool Publishers;2010. ·Zbl 1205.68320号 [315] KormushevP、Calinon S、CaldwellDG。机器人运动技能与基于EM的强化学习相协调。论文发表于:2010 IEEE/RSJ智能机器人和系统国际会议;2010; 台湾台北。 [316] 法拉赫曼德A‐M。强化学习中的规则化[论文]。加拿大埃德蒙诺:阿尔伯塔大学;2011 [317] GeramifardA、WalshJT、TellexS、ChowdharyG、RoyN、HowJ。用于动态规划和强化学习的线性函数逼近器教程。发现趋势马赫学习。2013;6(4):375‐451. ·Zbl 1311.90169号 [318] DannC、NeumannG、PetersJ。具有时间差异的政策评估:一项调查和比较。J Mach Learn Res.2014;15(1):809‐883. ·Zbl 1317.68150号 [319] ArulkumaranK、DeisenrothMP、BrundageM、BharaAA。深度强化学习:一个简短的调查。IEEE信号处理杂志2017;34(6):26‐38. [320] 罗B、刘德、吴翰、王德、刘易斯FL。基于数据的最优控制的策略梯度自适应动态规划。IEEE Trans Cybern公司。2017;47(10):3341‐3354. [321] 桑迪凯尔。动物智力:实验研究。纽约州纽约市:麦克米伦公司;1911 [322] 德拉科普洛斯D。神经自适应控制的进化学习算法。英国伦敦:施普林格;2013 [323] PrabhuSM、GargDP。基于人工神经网络的机器人控制:综述。智能机器人系统杂志。1996;15(4):333‐365. [324] MartinetzT,SchultenK。机器人控制的神经网络:神经单元之间的协作是学习的要求。计算机电子工程1993;19(4):315‐332. [325] 莱文斯。探索用于最佳控制的深层和递归架构。论文发表于:2013年神经信息处理系统深度学习研讨会;2013; 加利福尼亚州塔霍湖。 [326] 王Z、刘Z、郑C。具有时滞的复杂神经网络的定性分析与控制。第34卷。德国柏林:Springer‐Verlag;2016. ·Zbl 1321.93002号 [327] LvY、NaJ、YangQ、WuX、GuoY。具有完全未知动态的连续非线性系统的在线自适应最优控制。国际J控制。2016;89(1):99‐112. ·Zbl 1332.93174号 [328] TanaskovicM、FagianoL、NovaraC、MorariM。非线性系统的数据驱动控制:在线直接方法。自动化。2017;75:1‐10. ·Zbl 1351.93062号 [329] TeixeiraFC、QuintasJ、MauryaP、PascoalA。稳健的粒子滤波公式,应用于地形辅助导航。国际J自适应控制信号处理。2017;31(4):608‐651. ·Zbl 1369.93654号 [330] 布里斯托DA、塔拉伊尔M、阿连尼AG。迭代学习控制综述。IEEE控制系统。2006;26(3):96‐114. [331] 穆雷KL。迭代学习控制:一个解释性概述。In:应用和计算控制、信号和电路。马萨诸塞州波士顿:Springer Birkhäuser;1999:151‐214. ·Zbl 0955.93500号 [332] AhnH‐S、ChenY、MooreKL。迭代学习控制:简要调查和分类。IEEE Trans-Syst Man Cybern第C部分,2007年;37(6):1099‐1121. [333] 欧文斯DH,冯克。迭代学习控制中的参数优化。国际J控制。2003;76(11):1059‐1069. ·Zbl 1064.93014号 [334] XuJ‐X,YanR。迭代学习控制中的初始条件。IEEE Trans Autom控制。2005;50(9):1349‐1354. ·Zbl 1365.93561号 [335] TanY、YangSPD、XuJX。关于不具有全局Lipschitz连续性条件的非线性系统的P型迭代控制。论文发表于:2015 IEEE美国控制会议;2015; 伊利诺伊州芝加哥。 [336] LinT、OwensDH、HätönenJ。离散非线性系统基于牛顿法的迭代学习控制。国际J控制。2006;79(10):1263‐1276. ·Zbl 1330.93250号 [337] KhongSZ、NešićD、KrstićM。基于极值搜索的迭代学习控制。自动化。2016;66:238‐245. ·Zbl 1335.49049号 [338] 欧文斯DH,HätönenJ。迭代学习控制优化范式。国际J控制。2005;29(1):57‐70. [339] 许继\X。非线性系统迭代学习控制综述。国际J控制。2011;84(7):1275‐1294. ·Zbl 1227.93053号 [340] 欧文斯DH。迭代学习控制:一种优化范式。英国伦敦:施普林格;2015 [341] Zhang R、HouZ、ChiR、JiH。具有未知时变时滞和输入饱和的非线性参数化系统的自适应迭代学习控制。国际J控制。2015;88(6):1133‐1141. ·Zbl 1316.93065号 [342] Shen D、Zhang W、XuJ‐X。迭代长度随机变化的离散非线性系统的迭代学习控制。系统控制许可。2016;96:81‐87. ·Zbl 1347.93238号 [343] ShenD、ZhangW、WangY、ChienC‐J。关于P型迭代学习控制器在随机变化迭代长度下的几乎确定和均方收敛性。自动化。2016;63:359‐365. ·Zbl 1329.93091号 [344] FarahmandA‐M,BenosmanM。基于学习控制的稳定性:基于贝叶斯优化的自适应控制器。论文发表于:2017年强化学习和决策多学科会议(RLDM);2017; 密歇根州安娜堡。 [345] BerkenkampF、TurchettaM、SchoelligAP、KrauseA。基于安全模型的强化学习,具有稳定性保证。论文发表于:2017年神经信息处理系统会议;2017; 加利福尼亚州长滩。 [346] PorikliF、ShanS、SnoekC、SukthankarR、WangX。视觉理解的深度学习:最新进展:第1部分。IEEE信号处理杂志2017;34(6). [347] PorikliF、ShanS、SnoekC、SukthankarR、WangX。视觉理解的深度学习:最新进展:第2部分。IEEE信号处理杂志2017;35(1). [348] FawziA、Moosavi‐DezfouliS‐M、FrossardP。深层网络的稳健性:几何观点。IEEE信号处理杂志2017;34(6):50‐62. [349] Lamnabhi‐LagarrigueF、AnnaswamyA、EngellS等。人类未来的系统和控制,研究议程:当前和未来的作用、影响和重大挑战。年收入控制。2017;43:1‐64. [350] SaxeAM、McClellandJL、GanguliS。深度线性神经网络中非线性学习动力学的精确解。论文发表于:第六届学习代表国际会议;2014; 苏格兰爱丁堡。 [351] 奥利维尔。神经网络的黎曼度量I:前馈网络。Inf推断:J IMA。2015;4(2):108‐153. ·Zbl 1380.68337号 [352] 奥利维尔。神经网络的黎曼度量II:递归网络和符号数据序列的学习。Inf推断:J IMA。2015;4(2):154‐193. ·Zbl 1380.68338号 [353] 拉亚·豪瑟姆。神经网络中的黎曼几何原理。论文发表于:第31届神经信息处理系统会议(NIPS 2017);2017; 加利福尼亚州长滩。 [354] ChaudhariP、ObermanA、OsherS、SoattoSG、CarlierG。深度松弛:用于优化深度神经网络的偏微分方程。arXiv预打印arXiv:1704.04932;2017 [355] VidalR、BrunaJ、GiryesR、SoattoS。深度学习的数学。论文发表于:2017 IEEE决策与控制会议;2017; 澳大利亚墨尔本。 [356] GoebelR、SanfeliceRG、TeelAR。混合动力系统。IEEE控制系统;2012;29(2):28‐93. ·Zbl 1395.93001号 [357] LukeS PanaitL公司。合作多智能体学习:最新技术。Auton-agent multi-agent系统。2005;11(3):387‐434. [358] DörflerF,公告。相位振荡器复杂网络中的同步:综述。自动化。2014;50(6):1539‐1564. ·Zbl 1296.93005号 [359] PovedaJ、BenosmanM、TeelAR。网络化多智能体系统中的混合在线学习控制:一项调查。国际J自适应控制信号处理。2018年出版。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。