基于强化学习的不确定非线性系统的事件触发最优输出调节OA

针对一类由外系统驱动的事件触发非线性系统的最优输出调节问题,提出了一种基于强化学习的事件触发最优控制策略,设计了前馈-反馈结构的控制器.首先,通过坐标变换将不确定非线性系统的输出调节问题转化为非线性增广系统的镇定问题,利用内模设计前馈控制器;其次,将强化学习中的评价神经网络算法引入事件触发控制,利用神经网络在线逼近Hamilton-Jacobi-Bellman方程的解,引入鲁棒补偿器抑制系统不确定性,基于事件触发的最优控制问题设计最优反馈控制器,实现了计算效率与控制性能的优化权衡;然后设计了事件触发机制,不仅保证了闭环系统的稳定性,而且严格证明了触发时间间隔存在非零下界,有效避免Zeno行为.最后,通过李雅普诺夫定理证明了闭环系统的所有信号有界性及跟踪误差一致最终有界性.仿真结果表明,相比传统方法,本文所提出的策略在控制性能和计算效率方面均具有显著优势.