具有互质因子不确定性的鲁棒 LQG 控制器的样本复杂度
系统与控制
2022-07-05 v2 系统与控制
摘要
本文针对具有未知动力学且可能不稳定的线性时不变 (LTI) 系统,研究了学习 H2 最优控制器(线性二次高斯 (LQG) 问题)的端到端样本复杂度界限。鲁棒 LQG 综合过程是通过在被控对象的互质因子上考虑有界加性模型不确定性来实现的。真实被控对象标称模型的闭环辨识是通过使用 Sarkar et al. (2020) 的普通最小二乘算法,从单段含噪有限长度输入输出时间序列数据中构造类 Hankel 矩阵来完成的。随后,给出了估计模型误差的 H 无穷界,并通过凸优化设计了鲁棒控制器,这在精神上与 Boczar et al. (2018) 和 Zheng et al. (2020a) 的方法一致,同时允许模型互质因子上存在有界加性不确定性。我们的结论与之前关于学习 LQG 和 LQR 控制器的结果一致。
引用
@article{arxiv.2109.14164,
title = {Sample Complexity of the Robust LQG Regulator with Coprime Factors Uncertainty},
author = {Yifei Zhang and Sourav Kumar Ukil and Ephraim Neimand and Serban Sabau and Myron E. Hohil},
journal= {arXiv preprint arXiv:2109.14164},
year = {2022}
}
备注
Minor Edits on closed loop identification, 30 pages, 2 figures, 3 algorithms