动态系统中的学习及其在自适应 PID 控制中的应用
系统与控制
2023-08-22 v1 系统与控制
摘要
使用神经网络的深度学习已经革新了机器学习，并将人工智能带入日常生活。为了将自学习引入神经网络之外的动态系统，我们将神经网络的 Brandt-Lin 学习算法推广到一大类动态系统。这一推广之所以可行，是因为 Brandt-Lin 算法不需要在神经网络中专门反向传播误差的步骤。为此，我们首先推广信号流图，使其可用于建模非线性系统以及线性系统。然后我们推导出扩展的 Brandt-Lin 算法，该算法可用于调整广义信号流图中分支的权重。我们通过将其应用于自适应 PID 控制来展示新算法的应用。特别地，我们推导了 PID 控制器的一种新的自适应律。我们使用针对线性和非线性对象、稳定以及不稳定对象的仿真验证了该方法的有效性。
引用
@article{arxiv.2308.10851,
title = {Learning in Dynamic Systems and Its Application to Adaptive PID Control},
author = {Omar Makke and Feng Lin},
journal= {arXiv preprint arXiv:2308.10851},
year = {2023}
}