【标题】Data-driven optimal tracking control for SMA actuated systems with prescribed performance via reinforcement learning

【作者团队】Hongshuai Liu, Qiang Cheng, Jichun Xiao, Lina Hao

【发表日期】2022.5.6

【论文链接】https://www.sciencedirect.com/sdfe/reader/pii/S0888327022003466/pdf

【推荐理由】本文解决了模型知识完全未知的形状记忆合金 (SMA) 驱动系统的数据驱动性能规定的连续时间最优跟踪控制问题。首先，通过规定性能控制（PPC）方法将误差约束问题转化为无约束误差跟踪问题。然后，通过建立无约束的增强系统对最优跟踪控制问题（OTCP）进行预处理。此外，OTCP 的 Hamilton-Jacobi-Bellman 方程 (HJBE) 通过利用强化学习 (RL) 迭代求解，而无需 SMA 执行器模型信息要求。RL 的价值函数和执行策略由两个神经网络近似，分别充当actor和critic，并且基于 actor-critic 的 RL 是使用最小二乘法实现的。此外，Lyapunov 方法确保了 SMA 驱动的闭环系统的稳定性，以及用户指定的误差收敛速度、超调量和跟踪精度等误差约束。最后，实验结果和比较说明了所提方法的有效性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除