基于学习的自触发控制的提升方法及其在高斯过程中的应用
系统与控制
2022-02-22 v1 系统与控制
摘要
本文研究网络控制系统(NCS)的自触发控制设计,其中被控对象的动力学先验未知。为处理状态测量非周期传输至控制器的自触发控制特性,我们提出通过将事件间隔时间作为附加输入,将连续时间动力学提升为一个新的动力学模型,随后利用高斯过程(GP)回归学习该提升模型。此外,我们提出一种基于学习的方法,通过最小化代价函数来自学习一个自触发控制器,从而使其能考虑采样间行为。通过采用提升方法,我们可以利用基于梯度的策略更新作为优化控制与通信策略的高效方法。最后,我们总结了整体算法并通过数值仿真说明了所提方法的有效性。
引用
@article{arxiv.2202.10174,
title = {A Lifting Approach to Learning-Based Self-Triggered Control with Gaussian Processes},
author = {Wang Zhijun and Kazumune Hashimoto and Wataru Hashimoto and Shigemasa Takai},
journal= {arXiv preprint arXiv:2202.10174},
year = {2022}
}
备注
submitted for publication