用于参数辨识的高阶调谐器中的并发学习
系统与控制
2022-04-05 v1 系统与控制
摘要
高阶调谐器是一类算法，在辨识参数模型参数和/或推动依赖此类模型的自适应行为的控制或优化算法进程方面，展现出比经典基于梯度的算法更高效率的前景。对于高阶调谐器，其鲁棒稳定性性质（即一致全局渐近（及指数）稳定性）目前依赖于持续激励（PE）条件。在本工作中，我们基于Matrosov定理通过一种新颖分析建立了此类稳定性性质，进而表明可通过由充分丰富的采样数据点驱动的并发学习技术放宽PE要求。我们通过数值表明并发学习可大幅提高效率。我们引入了重置方法，其在保持稳定性保证的同时提供额外改进，这可能在与相对较低额外计算成本下要求高精度参数估计的应用中具有重要意义。
引用
@article{arxiv.2204.01346,
title = {Concurrent learning in high-order tuners for parameter identification},
author = {Justin H. Le and Andrew R. Teel},
journal= {arXiv preprint arXiv:2204.01346},
year = {2022}
}