非线性系统鲁棒镇定与跟踪控制的自适应动态规划方法

In this project, adaptive dynamic programming approaches for robust stabilization and tracking control of nonlinear systems are studied. To overcome the difficulties of designing controllers for nonlinear systems which exist control constraints and uncertainties, as well as completely unknown dynamics, a class of novel theories are established to handle these issues based on adaptive dynamic programming methods. And these new theories will provide new ways to solve the robust stabilization and tracking control problems of nonlinear systems. The main contents of the project include: 1.Research on robust control of uncertain constrained nonlinear systems using adaptive dynamic programming. 2.Research on robust guaranteed cost tracking control of uncertain nonlinear systems based on adaptive dynamic programming. 3.Research on robust optimal control of unknown nonlinear systems via adaptive dynamic programming. 4.Constructing simulation platform for robust stabilization and tracking control of nonlinear systems, and the validity and superiority of the above methods is illustrated by simulation examples. It will bring about novel perspectives for the development of the theory of robust control for nonlinear systems by studying the project. Meanwhile, the project shall generate many research contents of the theories of optimal control and robust control, as well as neural networks. In addition, the project will be beneficial for the further development of the theory of intelligent control and the automation techniques in our country.

本项目将研究非线性系统鲁棒镇定与跟踪控制的自适应动态规划方法。拟解决目前针对非线性系统存在输入受限、包含不确定项、动态信息完全未知等特点的控制器设计难题，建立以自适应动态规划方法为基础的一套新的理论分析体系和设计方案，开辟求解非线性系统鲁棒镇定与跟踪控制的新途径。主要研究内容包括：1.研究输入存在约束情况下不确定非线性系统鲁棒镇定的自适应动态规划方法。2.研究不确定非线性系统鲁棒保成本跟踪控制的自适应动态规划方法。3.研究动态信息完全未知情况下非线性系统鲁棒最优控制的自适应动态规划方法。4.构建非线性系统鲁棒镇定与跟踪控制的实验平台，通过仿真实验验证上述方法的有效性与优越性。本项目研究将为非线性系统鲁棒控制理论的发展提供新的思路，丰富最优控制理论和鲁棒控制理论以及神经网络科学的研究内容，同时将推动智能控制理论和我国自动化技术的深入发展。

随着人工智能和计算机技术的发展，现代生活和生产过程中所涉及的系统具有种类多、规模大、结构复杂以及非线性程度高等特征。一般地，人们难以针对这些系统建立精确的数学模型。然而，在实际生产过程中，人们通常需要使这些系统达到鲁棒镇定、跟踪既定目标以及实现优化的目的。在此背景下，本项目开展非线性系统鲁棒镇定与跟踪控制的自适应动态规划方法研究。首先，本项目基于自适应动态规划框架提出了辨识-评判的强化学习算法结构，设计出针对具有不匹配不确定项的非线性系统鲁棒控制器。在这之后，本项目建立了单一评判网络的自适应动态规划算法结构，用于研究具有不匹配不确定项的非线性鲁棒最优控制问题。该算法结构在执行过程中既不需要初始稳定条件，又不需要持续性激励条件。其次，本项目提出了积分强化学习算法，用于研究系统输入存在约束情况下的未知非线性系统鲁棒镇定问题。该算法在执行过程中，不需要获取系统的先验信息，仅利用系统运行过程中产生的数据来设计鲁棒控制器。基于该积分强化学习方法，本项目进行了一些延伸研究，如：一般非线性系统的状态调节和未知非线性大系统的鲁棒镇定。再次，本项目建立了观测-评判网络的自适应动态规划结构，实现了对未知非线性大系统目标的渐近跟踪。此外，作为延伸研究，本项目基于类似的网络结构设计了事件触发机制下的鲁棒优化控制器。最后，通过 MATLAB 仿真软件和基准模型(如倒立摆)以及实际问题(如电力系统)等，本项目中建立的控制方法的有效性得到了较好验证。本项目的顺利开展，有效推动了神经网络和非线性最优控制的理论研究。同时，该项目建立了最优控制和鲁棒控制的桥梁，提供了研究鲁棒控制的新思路。此外，本项目中的一些方法在电力系统中的成功应用，为理论应用于实际系统奠定了基础。