数据赋能梯度流作为反馈控制器：将线性动力系统调节至未知函数极小化器

本文考虑将线性动力系统调节至具有未知或部分已知代价的凸优化问题解的问题。我们设计了一种基于梯度流动力的数据驱动反馈控制器，其（i）辅以学习方法，基于不频繁（且可能有噪声）的函数评估来估计代价函数；同时（ii）被设计为将动力系统的输入和输出驱动至该问题的优化器。我们推导了关于学习误差和控制器增益的充分条件，以确保问题的优化器与闭环系统状态之间的误差最终有界；该误差界考虑了函数估计误差以及影响线性动力系统的未知扰动的时变特性。我们的结果直接导出闭环系统的指数输入到状态稳定性。所提方法和理论界通过数值验证。