关于可正则性及其在不稳定线性时不变系统在线控制中的应用
系统与控制
2022-01-21 v3 机器学习
系统与控制
摘要
通过学习（例如通过直接策略更新）往往需要先验假设，如已知初始策略（增益）是稳定的，或可获得持续激励（PE）输入输出数据。本文研究（可能不稳定的）部分未知线性系统的在线调节，无需事先获得初始稳定控制器或 PE 输入输出数据；我们转而利用输入矩阵的知识进行在线调节。首先，我们引入并刻画了线性系统的“可正则性”概念，该概念衡量系统在有限时间内可被调节的程度，与其渐近行为（通常由可稳定性/可控性刻画）形成对比。其次，在仅能获取输入矩阵的情况下，我们提出数据引导调节（DGR）综合过程，顾名思义，其在调节底层状态的同时生成信息性数据，随后可用于数据驱动的稳定化或系统辨识。我们通过秩一更新进一步提升了 DGR 的计算性能，并展示了其在 X-29 飞机在线调节中的效用。
引用
@article{arxiv.2006.00125,
title = {On Regularizability and its Application to Online Control of Unstable LTI Systems},
author = {Shahriar Talebi and Siavash Alemzadeh and Niyousha Rahimi and Mehran Mesbahi},
journal= {arXiv preprint arXiv:2006.00125},
year = {2022}
}