Output Feedback Reinforcement Learning Control for Linear Systems
Cập nhật vào: Thứ tư - 16/10/2024 15:20
Nhan đề chính: Output Feedback Reinforcement Learning Control for Linear Systems
Nhan đề dịch: Điều khiển học tăng cường phản hồi đầu ra cho hệ thống tuyến tính
Tác giả: Syed Ali Asad Rizvi
Nhà xuất bản: Birkhäuser, Cham
Năm xuất bản: 2022
Số trang: XVI, 294 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-15857-5
SpringerLink
Lời giới thiệu: Cuốn sách giới thiệu đến bạn đọc những phân tích và thiết kế các hệ thống điều khiển tối ưu không mô hình dựa trên lý thuyết học tăng cường (RL), trình bày các phương pháp mới khắc phục những thách thức gần đây mà RL phải đối mặt. Những phát triển mới trong thiết kế các thuật toán RL hiệu quả về dữ liệu cảm biến được chứng minh không chỉ làm giảm yêu cầu về cảm biến thông qua phản hồi đầu ra mà còn đảm bảo tính tối ưu và ổn định. Nhiều thách thức thực tế được xem xét, bao gồm loại bỏ nhiễu, ràng buộc điều khiển và độ trễ truyền thông. Các ý tưởng từ lý thuyết trò chơi được kết hợp để giải quyết các vấn đề loại bỏ nhiễu phản hồi đầu ra và các khái niệm về điều khiển phản hồi độ lợi thấp được sử dụng để phát triển các bộ điều khiển RL đạt được độ ổn định toàn cục trong điều kiện ràng buộc điều khiển. Kiểm soát học tăng cường phản hồi đầu ra cho các hệ thống tuyến tính là tài liệu tham khảo có giá trị cho sinh viên sau đại học, các nhà lý thuyết điều khiển làm việc trên các hệ thống điều khiển tối ưu, các kỹ sư và các nhà toán học ứng dụng.
Từ khóa: Thuật toán học tăng cường. Điều khiển không mô hình. Điều khiển theo dõi tối ưu. Thuật toán điều khiển không mô hình.
Nội dung cuốn sách gồm những phần sau
Giới thiệu về kiểm soát tối ưu và học tăng cường
Thiết kế không mô hình của bộ điều chỉnh tuyến tính bậc hai
Loại bỏ nhiễu H∞ không mô hình và trò chơi tổng bằng không bậc hai tuyến tính
Ổn định không mô hình khi có bão hòa bộ truyền động
Kiểm soát không mô hình của hệ thống trễ thời gian
Kiểm soát theo dõi tối ưu không mô hình và đồng bộ hóa nhiều tác nhân