用于控制系统的时间一致性双线性循环自编码器

本文引入了时序一致性双线性循环自编码器（tcBLRAN），这是一种基于庞加莱算子的数学方法，用于建模控制仿射非线性控制系统。该方法通过纳入跨预测一致的双线性循环动力学，扩展了传统的庞加莱自编码器（KAE），从而实现对控制仿射系统的准确长期预测。这克服了KAE在面对有限且带噪声训练数据集时因训练数据不一致性导致的泛化性不足的问题。通过深度学习与动力系统理论的融合，tcBLRAN在捕捉复杂行为和控制系统动力学方面表现出优越性能，为控制系统提供了卓越的数据驱动建模技术，优于基于自编码器网络学习的庞加莱双线性形式（KBF）。