基于深度强化学习的部分已知非线性系统滑模控制设计
系统与控制
2023-01-19 v1 系统与控制
摘要
模型不确定性的存在给基于模型的控制设计带来挑战，而在处理非线性系统时控制设计的复杂性进一步加剧。本文通过将数据驱动与基于模型的方法相融合，提出一种面向动态部分已知的非线性系统的滑模控制（SMC）设计方法。首先，针对非线性系统可用的（标称）模型设计 SMC。将可用模型的闭环状态轨迹用作部分已知非线性系统状态的期望轨迹。接着，使用深度策略梯度方法处理系统动态中未知部分，并调节滑模控制输出以达成期望状态轨迹。最后通过数值算例检验了所提设计方法的性能（与可行性）。
引用
@article{arxiv.2205.02975,
title = {A Deep Reinforcement Learning-based Sliding Mode Control Design for Partially-known Nonlinear Systems},
author = {Sahand Mosharafian and Shirin Afzali and Yajie Bao and Javad Mohammadpour Velni},
journal= {arXiv preprint arXiv:2205.02975},
year = {2023}
}
备注
Accepted for presentation and publication in the proceedings of the 2022 European Control Conference (ECC), July 12-15, 2022