数学 > 优化与控制
[提交于 2020年10月1日
]
标题: 无需先验知识的鲁棒无模型学习与控制
标题: Robust Model-Free Learning and Control without Prior Knowledge
摘要: 我们提出了一种简单的无模型控制算法,该算法能够鲁棒地学习并稳定一个未知的离散时间线性系统,在完全控制和状态反馈下受到任意有界扰动和噪声序列的影响。 控制器不需要任何关于系统动态、扰动或噪声的先验知识,但仍能保证鲁棒稳定性,并提供状态和输入轨迹的渐近和最坏情况边界。 据我们所知,这是第一个具有这种鲁棒稳定性保证的无模型算法,而无需对系统做出任何先验假设。 我们想强调在鲁棒稳定性分析中采用的新凸几何方法,这在我们的结果中起到了关键推动作用。 我们将通过仿真结果进行总结,这些结果表明,尽管算法具有通用性和简单性,但控制器展示了良好的闭环性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.