一种基于Lyapunov约束的学习控制方法及应用
针对非线性系统的稳定控制器直接设计问题,提出一种基于Lyapunov稳定性条件的学习控制器设计方法框架,将传统的控制器设计与稳定性证明分析问题转化为以控制器为求解项,Lyapunov稳定条件为约束的最优化问题,提供了一种直接求解全局稳定的最优控制器的新途径.首先建立了以系统跟踪误为目标函数与以Lyapunov稳定条件为约束的最优化问题,接着给出了一类基于神经网络实现的PID结合前馈控制器设计形式,最后分析并设计了学习控制器求解方法,采用相关深度学习技术以提升求解能力.二阶线性与非线性系统仿真测试与一级旋转倒立摆模拟实验表明所提方法具有快速收敛、低误差、控制输出平滑且低幅值等特点;在加入扰动、噪声、参数不确定性和不同的测试期望输出条件下的反步法对比测试结果表明所提方法对扰动与噪声具有强抑制能力,同时学习控制器具有高泛化能力.基于V-Rep的一级旋转倒立摆模拟与四旋翼单轴控制实物实验结果验证了所提方法对物理系统控制问题具有高控制精度与强抗扰能力.
直接控制器设计、Lyapunov约束、学习控制、深度学习技术
40
TH861;TP273+.1
国家自然科学基金61673101
2020-01-07（万方平台首次上网日期，不代表论文的发表时间）
共10页
189-198
