严格反馈非线性系统的记忆增强神经网络自适应控制器
系统与控制
2020-03-10 v7 系统与控制
摘要
在这项工作中，我们考虑严格反馈非线性系统的自适应非线性控制问题，其中决定系统动力学的函数完全未知。我们假设系统的函数 的某些上界是已知的。控制设计的目标是设计一种自适应控制器，能够适应未知函数甚至突变的变化。我们提出了一种新颖的反步记忆增强神经网络（MANN）自适应控制方法，用于控制严格反馈非线性系统。这里，反步神经网络自适应控制器中的每个神经网络都由一个外部工作记忆增强。该神经网络可将相关信息写入其工作记忆，随后检索以修改其输出，从而使其能够有效利用过去学习到的信息并提高学习速度。我们提出了该外部记忆接口的一种具体设计，并证明所提出的控制设计实现了闭环系统的有界稳定性。我们还提供了大量数值证据，表明所提出的记忆增强显著提高了学习速度。
引用
@article{arxiv.1906.05421,
title = {Memory Augmented Neural Network Adaptive Controller for Strict Feedback Nonlinear Systems},
author = {Deepan Muthirayan and Pramod P. Khargonekar},
journal= {arXiv preprint arXiv:1906.05421},
year = {2020}
}