希·诺瓦克;德克·Söffker 使用基于认知的框架实现未知非线性动力系统的数据驱动镇定。 （英语） 兹比尔1349.93306 非线性动力学。 86，第1期，第1-15页（2016）. 小结：本文介绍了认知稳定器的概念。该框架作为一种自适应离散控制方法。认知稳定器的目标是稳定一类特定的未知非线性MIMO系统。认知稳定器能够获得假设为未知系统的有用局部知识。该方法能够自主定义合适的控制输入以稳定系统。要考虑的系统类别由以下假设描述：未知输入/输出行为、完全可控、稳定零动态和测量的状态向量。认知稳定器由四个主要模块实现：（1）使用系统标识符进行系统局部动态在线识别和多步头部预测的“感知和解释”；（2） 与二次稳定性准则有关的“专家知识”，以确保受控系统所考虑运动的稳定性；（3） “计划”，根据某一成本函数生成合适的控制输入序列；（4） “执行”以相应的反馈形式生成最佳控制输入。每个模块可以使用不同的方法实现。本文将阐述两种实现方式。使用认知稳定器，无需针对不同类型的未知系统进行单独的控制设计，即可有效地实现控制目标。数值例子（如混沌非线性MIMO系统-Lorenz系统）证明了所提方法的成功应用。 引用于5文件 MSC公司： 93立方厘米 控制理论中的应用模型 93C40型 自适应控制/观测系统 93E20型 最优随机控制 关键词：数据驱动方法;自适应稳定器;未知非线性动态MIMO系统;认知的;高度自治 PDF格式BibTeX公司 XML格式引用 \textit｛X.Nowak｝和\textit｛D.Söffker｝，非线性Dyn。86，第1号，第1-15号（2016；Zbl 1349.93306） 全文： 内政部 参考文献： [1] Ahle，E.，Söffker，D.：智能和自治系统的交互——认知技术系统的实现。数学。计算。模型。动态。系统。14(1), 319-339 (2008) ·Zbl 1214.93015号 ·doi:10.1080/13873950801983852 [2] Barmish，B.：不确定系统二次稳定的充分必要条件。J.优化。理论应用。46(4), 399-408 (1985) ·Zbl 0549.93045号 ·doi:10.1007/BF00939145 [3] Bukkems，B.、Kostic，D.、de Jager，B.、Steinbuch，M.：直接驱动机器人的基于学习的识别和迭代学习控制。IEEE传输。控制系统。Technol公司。13, 537-549 (2005) ·doi:10.1109/TCST.2005.847335 [4] Cacciabue，P.：系统控制中人类行为的建模与仿真。施普林格，伦敦（1998年）·数字对象标识代码：10.1007/978-1-4471-1567-0 [5] Campi，M.，Savaresi，S.：直接非线性控制设计：虚拟参考反馈调谐方法。IEEE传输。自动。控制51，14-27（2006）·Zbl 1366.93251号 ·doi:10.1109/TAC.2005.861689 [6] Gill，P.，Murray，W.，Wright，M.：实用优化。学术出版社，伦敦（1981）·Zbl 0503.90062号 [7] Girard，A.、Rasmussenand，C.、Murray-Smith，R.：非线性动态系统的多步超前预测——具有不确定性传播的高斯过程处理。高级神经信息处理。系统。15, 529-536 (2003) [8] Haykin，S.：神经网络。普伦蒂斯·霍尔国际，新泽西州（1999）·Zbl 0934.68076号 [9] Hjalmarsson，H.，Gevers，M.，Gunnasson，S.，Lequin，O.：迭代反馈调整：理论和应用。IEEE控制系统。18(4), 26-41 (1998) ·数字对象标识代码：10.1109/37.710876 [10] Hou，Z.，Jin，S.：一类mimo非线性离散时间系统的数据驱动无模型自适应控制。IEEE传输。神经网络。22, 2173-2188 (2011) ·doi:10.10109/TN.2011.2176141 [11] 姜瑜，姜瑜：非线性系统的鲁棒自适应动态规划和反馈镇定。IEEE传输。神经网络。学习。系统。25, 882-893 (2014) ·doi:10.1109/TNNLS.2013.2294968号文件 [12] Kocijan，J.、Girard，A.、Banko，B.、Murray-Smith，R.：高斯过程的动态系统识别。数学。计算。模型。动态。系统。11（4），411-424（2005）·Zbl 1122.93081号 ·数字对象标识代码：10.1080/13873950500068567 [13] 郭，C.，福克斯，D.，梅拉，M.：实时粒子过滤器。程序。IEEE 92，469-484（2004） [14] Liu，D.，Wang，D.，Zhao，D.：未知非线性离散时间系统最优控制的自适应动态规划。2011年IEEE自适应动态规划和强化学习研讨会，第242-249页（2011年） [15] Meiser，S.：超平面排列中的点位置。Inf.计算。106, 286-303 (1993) ·Zbl 0781.68121号 ·doi:10.1006/inco.1993.1057 [16] Murray，J.、Cox，C.、Lendaris，G.、Saeks，R.：自适应动态编程。IEEE传输。系统。曼赛本。C部分申请。第32版，第140-153页（2002年）·doi:10.1109/TSMCC.2002.801727 [17] Niu，B.，Zhao，J.：约束非线性切换系统输出跟踪控制的Barrier Lyapunov函数。系统。控制信函。62（10），963-971（2013）·Zbl 1281.93092号 ·doi:10.1016/j.sysconle.2013.07.003 [18] Nowak，X.，Söffker，D.：一种新的基于无模型稳定性的认知控制方法。摘自：ASME 2014动态系统和控制（DSC）会议记录，第3卷，第V003T47A002页（2014）·Zbl 1366.93251号 [19] Precup，R.，Rédac，M.，Tomescu，M.、Petriu，E.、Preitl，S.：离散时间单变量系统模糊控制器的稳定和收敛迭代反馈调谐。专家系统。申请。40(1), 188-199 (2013) ·doi:10.1016/j.eswa.2012.07.023 [20] Rasmussen，C.，Williams，C.：机器学习的高斯过程。麻省理工学院出版社，剑桥（2006）·Zbl 1177.68165号 [21] Rojas，J.，Flores-Alsina，X.，Jeppsson，U.，Vilanova，R.：废水处理厂控制的多元虚拟参考反馈调谐应用。控制工程实践。20(5), 499-510 (2012) ·doi:10.1016/j.connengprac.2012.01.004 [22] Shen，X.，Söffker，D.：未知非线性系统的无模型稳定自适应控制方法。摘自：ASME 2012动态系统和控制（DSC）会议记录，第1卷，第65-73页（2012）·Zbl 1214.93015号 [23] Siegelmann，H.，Horne，B.，Giles，C.：递归narx神经网络的计算能力。IEEE传输。系统。曼赛本。B部分赛博。27(2), 208-215 (1997) ·doi:10.1109/3477.558801 [24] Strube，G.，Habel，C.，Hemforth，B.，Konieczny，L.，Becker，B.：Kognition，摘自Einführung in die künstliche Intelligenz，第二版。Addison-Wesley，德国波恩（1995） [25] Vernon，D.，Metta，G.，Sandini，G.：人工认知系统调查：对计算主体自主发展心理能力的影响。IEEE传输。进化。计算。11(2), 151-180 (2007) ·doi:10.1109/TEVC.2006.890274 [26] Xu，J.，Qu，Z.：一类非线性系统的鲁棒迭代学习控制。Automatica 34（8），983-988（1998）·Zbl 1040.93519号 ·doi:10.1016/S0005-1098（98）00036-3 [27] Xu，J.，Tan，Y.：线性和非线性迭代学习控制。施普林格，伦敦（2003）·Zbl 1021.93002号 [28] Zhang，C.，Li，J.：控制方向未知的严格反馈非线性时变系统非均匀轨迹跟踪的自适应迭代学习控制。申请。数学。模型。39(10-11), 2942-2950 (2015) ·Zbl 1443.93071号 ·doi:10.1016/j.apm.2014.10.070 [29] Zhang，F.，Söffker，D.：数据驱动的二次稳定性条件及其在稳定未知非线性系统中的应用。非线性动力学。77（3），877-889（2014）·Zbl 1314.93054号 ·doi:10.1007/s11071-014-1348-7 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。