Основные понятия
固定ゲイン制御と適応学習アーキテクチャを相乗的に統合することで、適応学習単独よりも予測可能な方法で不確定性の影響を軽減できる。
Аннотация
本論文では、不確定動的システムの制御に関する新しい共生制御フレームワークを提案している。
固定ゲイン制御と適応学習アーキテクチャを相乗的に統合することで、適応学習単独よりも予測可能な方法で不確定性の影響を軽減できる。
両方の手法の長所を活かし、不確定性に関する事前知識を必要としない。
パラメータ不確定性とノンパラメータ不確定性の両方を考慮している。
ノンパラメータ不確定性の場合は、ニューラルネットワークを用いて未知の不確定性基底を近似する。
提案手法は、ニューロン数が不十分な場合や適応学習パラメータが適切でない場合でも、所望のクローズドループ特性を達成できる。
Статистика
動的システムの状態方程式は、ẋ(t) = Ax(t) + BΛu(t) + δ(x(t))で表される。
名目制御入力は、un(t) = -K1x(t) + K2r(t)で定義される。
固定ゲイン制御入力は、uf(t) = -αBi(x(t)-x0) + αBi∫(Anx(s)+Bnr(s))dsで表される。
適応学習制御入力は、ua(t) = -ŴT(t)σ(x(t), un(t))で表される。
適応パラメータ調整則は、Ẇ̂(t) = β1κ'(eTPe)σ(x, un)eTPB - β2ασ(x, un)uT
fで表される。
Цитаты
"固定ゲイン制御は予測可能なクローズドループ特性を提供するが、不確定性の上界を知る必要がある。一方、適応学習は必ずしもそのような知識を必要としないが、固定ゲイン制御に比べてクローズドループ特性が予測しにくい。"
"提案する共生制御フレームワークは、固定ゲイン制御と適応学習アーキテクチャの長所を相乗的に活用し、適応学習単独よりも予測可能な方法で不確定性の影響を軽減できる。"