针对不确定非线性多智能体系统的最优协同控制问题, 提出了基于辨识-评价结构的在线自适应最优控制方案。由于存在不确定性, 针对每一个智能体, 分别使用一个辨识神经网络用于估计多智能体系统的动态, 以及一个评价神经网络用于近似耦合哈密顿-雅可比方程的解, 继而导出最优协同控制律。基于辨识-评价结构, 辨识神经网络和评价神经网络可以同步调整权值。通过李雅普诺夫(Lyapunov)直接法同时保证辨识神经网络和评价神经网络的权值误差一致最终有界, 及闭环系统的稳定。最后通过仿真验证了所提方案的有效性。
最优控制 不确定非线性系统 多智能体系统 协同控制 optimal control uncertain nonlinear system coordination control
针对存在执行器故障的一类仿射非线性系统, 基于自适应动态规划方法, 提出了一种新型的容错控制器。利用故障观测器估计执行器故障, 并利用故障信息构建一个改进型的性能指标函数, 将容错控制问题转化为最优控制问题。同时使用策略迭代(PI)算法, 通过构造评价神经网络来求解HJB方程, 获得近似最优容错控制律, 并且基于李雅普诺夫函数, 证明该容错控制器可以确保闭环系统渐近稳定。最后, 通过仿真验证了该方法的有效性
故障容错控制 自适应动态规划 神经网络 故障估计 Fault-Tolerant Control (FTC) Adaptive Dynamic Programming (ADP) neural network fault estimation