一类历史依赖泛函微分方程的在线估计与自适应控制
最优化与控制
2017-06-15 v1
摘要
本文针对一类历史依赖的泛函微分方程，给出了在线估计方法收敛性和自适应控制策略稳定性的充分条件。该研究的动机在于，人们对控制方程中包含历史依赖非线性的机器人系统的估计与控制技术日益关注。本文中的泛函微分方程是利用依赖于分布参数的积分算子构造的。因此，所得的估计和控制方程是分布参数系统的例子，其状态和分布参数分别在有限维和无限维空间中演化。本文讨论了其运动控制方程中带有历史依赖力的全驱动机器人系统的适定性、存在性和唯一性。通过推导本文中历史依赖算子类的逼近速率，得出了保证在线估计方程的有限维逼近收敛于无限维分布参数系统解的充分条件。利用 Barbalat 引理，建立了历史依赖泛函微分方程的滑模自适应控制策略的收敛性和稳定性。
引用
@article{arxiv.1706.04251,
title = {Online Estimation and Adaptive Control for a Class of History Dependent Functional Differential Equations},
author = {Shirin Dadashi and Parag Bobade and Andrew Kurdila},
journal= {arXiv preprint arXiv:1706.04251},
year = {2017}
}
备注
submitted to Nonlinear Dynamics