面向线性二次控制的事件触发学习
系统与控制
2022-07-19 v2 系统与控制
摘要
当模型不准确时，基于模型控制的性能会下降。针对线性二次控制，提出了一种事件触发学习框架，该框架能够自动检测不准确的模型，并在需要时触发新过程模型的学习。这是通过分析线性二次代价的概率分布并设计利用Chernoff界的学习触发器来实现的。特别地，当经验观测到的代价信号位于导出的置信区间之外时，我们可以高概率地保证这是由于模型失配所致。借助数值和硬件实验，我们证明了所提出的界是紧的，并且事件触发学习算法能够有效区分不准确的模型和过程噪声等概率效应。因此，获得了一种结构化方法，用于决定何时模型学习是有益的。
引用
@article{arxiv.1910.07732,
title = {Event-triggered Learning for Linear Quadratic Control},
author = {Henning Schlüter and Friedrich Solowjow and Sebastian Trimpe},
journal= {arXiv preprint arXiv:1910.07732},
year = {2022}
}
备注
13 pages, 8 figures, accepted for publication in IEEE Transactions on Automatic Control