未知動態環境下非線性系統的確定學習及其性能分析

《未知動態環境下非線性系統的確定學習及其性能分析》是依託華南理工大學，由王敏擔任項目負責人的面上項目。

基本介紹

• 中文名：未知動態環境下非線性系統的確定學習及其性能分析
• 項目類別：面上項目
• 項目負責人：王敏
• 依託單位：華南理工大學

項目摘要

未知動態環境下的學習問題是智慧型控制領域研究的一個重要且具有挑戰性的課題。多年以來國內外許多學者主要是從統計學的角度對靜態環境下的學習問題進行了深入研究。本項目從自適應系統穩定性分析的角度系統地研究未知動態環境下非線性系統動態信息的獲取、表達和再利用等確定學習問題，並採用系統辨識領域的一致完全可觀測理論、輸出注入等技術對所提出的學習算法進行性能分析(學習速度、學習精度)，以此來揭示持續激勵條件、噪音等因素與學習性能之間的定量關係。在此基礎上，考慮到實際學習系統設計通常要求滿足一定的學習性能指標，本項目擬結合坐標變換、動態面控制、系統分解策略等技術進一步研究學習性能受限情況下非線性動態系統的學習問題。本項目的研究有望提出具有計算量小、回響速度快、智慧型自主性強等特點的確定學習方法，從而將推進智慧型控制技術的發展，並為解決實際工程中利用經驗知識實現高性能控制問題提供理論依據和技術手段。

結題摘要

本項目從系統穩定性分析角度出發系統地研究了未知動態環境下幾類非線性系統動態信息的獲取、表達和再利用等確定學習問題。 研究內容包括: 1、不同情況下（包括外部攝動、狀態不可測等）幾類非線性系統的確定學習問題；2、滿足指定跟蹤性能要求的幾類非線性系統確定學習問題並對其學習性能進行了分析；3、所提出的理論研究成果被套用來解決幾類實際系統（例如機械臂、移動機器人、水面無人艇等）的控制與學習問題。在上述研究內容中，首先通過採用動態面控制、輸入狀態穩定、小增益定理、系統解耦策略、濾波器技術以及均值定理等技術,本項目提出了新的確定學習方案來解決具有下三角結構的非線性系統的控制與學習問題。該方案降低了神經網路輸入變數個數，從而較容易地驗證了神經網路滿足持續激勵條件，進而解決了從穩定的自適應神經網路控制中實現具有下三角結構特徵的非線性系統閉環動態的知識獲取、存儲和再利用問題。在此基礎上，引入新的性能函式來表達滿足指定暫態性能要求的跟蹤誤差，隨後採用非線性映射技術將原受控系統的跟蹤性能受限問題轉換成增廣系統的鎮定控制問題。針對轉化後的增廣系統，結合RBF神經網路、線性時變系統的指數穩定條件，提出了新的確定學習方案。該方案不僅有效解決了高階非線性系統閉環動態的學習問題，而且保證了特定的跟蹤性能要求（如超調、收斂速度以及穩態精度）。基於所提出的理論研究結果，搭建了機械臂軌跡跟蹤控制與學習實驗平台，並在Baxter 機器人上進行了算法驗證。該平台採用 MATLAB與 GPU硬體平台實現了算法的並行計算，從而為解決動態環境下海量數據的高性能計算問題提供有效途徑。本項目的研究成果實現了具有計算量小、回響速度快、穩態精度搞強等特點的確定學習方法，從而為解決未知動態環境下非線性系統的學習問題提供新的設計方法和分析工具。項目的研究成果在機器人、無人水面艇、醫療大數據系統等諸多實際系統中有著廣泛的套用前景。