解不可用 MARE 的模型方法——基于 Q 学习算法
系统与控制
2024-07-19 v1 系统与控制
摘要
本文解决当系统模型完全不可用时离散时间修改代数 Riccati 方程(MARE)的问题。为实现此目标，首先提出一种基于标准离散时间代数 Riccati 方程(DARE)及其输入加权矩阵的新型迭代方法来求解 MARE。对于单输入情形，若 MARE 有收敛解，则可使用任意正输入加权矩阵初始化迭代；然而对于多输入情形，当特征参数属于指定子集时，需要使用预先给定的足够大的模量的输入加权矩阵进行迭代。凭借所发展的特定迭代结构，Q 学习(Q-learning)算法可被用于仅使用系统输入/输出数据从而在无需系统模型的情况下求解 MARE。最后给出一个数值仿真例来验证理论结果和算法的有效性。
引用
@article{arxiv.2407.13227,
title = {Solving the Model Unavailable MARE using Q-Learning Algorithm},
author = {Fei Yan and Jie Gao and Tao Feng and Jianxing Liu},
journal= {arXiv preprint arXiv:2407.13227},
year = {2024}
}