王、丁;徐欣;赵明明 面向鲁棒动态稳定的神经批判性学习。 (英文) Zbl 1465.93174号 国际J鲁棒非线性控制 2020-2032年第5期30号(2020年). 摘要:在本文中,我们致力于开发一种基于神经网络的批评性学习策略,以实现一类不确定非线性系统的鲁棒动态镇定。考虑了内部动力学和输入矩阵中涉及的一类一般不确定性。对原装置进行动力学分解和组合,构造出具有实际动作和辅助信号的辅助系统。从理论上证明了控制问题从鲁棒镇定到最优反馈设计的合理性。然后,建立了基于神经网络的自适应批评家学习方法,推导出变换控制问题的近似最优解。临界权重可以初始化为零向量,这显然有助于学习过程。最后,通过数值仿真验证了该批判学习方法对神经鲁棒镇定的有效性。 引用于6文件 MSC公司: 93D21号 自适应或鲁棒稳定 93B52号 反馈控制 关键词:批判性学习;动态不确定性;神经网络;最优反馈设计;鲁棒稳定 PDF格式BibTeX公司 XML格式引用 \textit{D.Wang}等人,《国际鲁棒非线性控制》30,第5期,2020年--2032年(2020;Zbl 1465.93174) 全文: 内政部