针对部分观测线性系统的所有稳定非线性控制器学习
系统与控制
2022-06-20 v3 机器学习
系统与控制
最优化与控制
摘要
本文提出一种用于部分观测线性动态系统控制的非线性策略架构，提供内置的闭环稳定性保证。该策略基于Youla参数化的非线性版本，并用一种最近发展的动态神经网络模型类——称为递归均衡网络（REN）——的非线性算子来增强已知的稳定线性控制器。我们证明REN是收缩且Lipschitz非线性系统的通用逼近器，并随后证明所提出的Youla-REN架构是稳定非线性控制器的通用逼近器。REN架构简化了学习过程，因为可以应用无约束优化，我们既考虑了精确梯度可用的基于模型的情况，也考虑了使用零阶预言机进行随机搜索的强化学习。在仿真示例中，我们的方法比现有方法更快地收敛到更好的控制器，且更具可扩展性，同时在学习瞬态期间保证稳定性。
引用
@article{arxiv.2112.04219,
title = {Learning over All Stabilizing Nonlinear Controllers for a Partially-Observed Linear System},
author = {Ruigang Wang and Nicholas H. Barbara and Max Revay and Ian R. Manchester},
journal= {arXiv preprint arXiv:2112.04219},
year = {2022}
}