学习型控制策略:理论和应用程序

先进控制算法的特点反映在他们在实际应用理论的完整性和有效性。控制算法应用程序通常需要以下属性,通常在权衡。1。实现控制目标快速和精确。2。抵制非理想内部/外部的干扰。3所示。通过低成本来实现在线计算。最近,在线学习控制算法显示强劲,准确、结构简单的属性导致航天器控制和陀螺milli-hertz频率跟踪应用程序。一个明显区别学习型控制方法与传统控制设计是它使用前面的控制信息和系统当前的信息,好像学习从以前的控制输入。 The traditional control approaches, on the other hand, do not fully utilize the existing knowledge and instead choose to disregard previous control input information when generating control instructions. Due to the obvious self-learning technique, the use of adaptive or observer-based tools for designing a robust control law may be avoided, resulting in a simple, effective algorithm that saves system resources.

这个研究课题是为了进一步探索的理论和应用上优于算法:增加其理论深度和应用到更广泛的场景。同时,我们非常感谢其他论文相关的主题,因此我们的控制算法可以组织只是在确保良好的控制性能。具体范围包括但不限于:

——改进在线自学习控制和学习强度设计;
——控制设计或应用程序与网络自主学习相结合的策略;
——控制设计与资源节约/低保守属性;
——学习观察者设计线性/非线性系统;
——学习策略在物联网工程;
——迭代/重复学习控制和应用程序;
——机器学习和数据驱动学习控制中的应用;
——参数识别和状态估计;
——神经网络在控制中的应用设计;
——网络系统设计和控制;
——故障诊断和容错控制;
——机器人和动力学控制,形成控制;
——最优滤波定轨和指导;
——智能任务规划和决策的政策;
——信号处理、多传感器信息融合;
——机器人路径规划和控制;
——自主驾驶策略;
——深入强化学习应用程序控制。

关键字学习:学习控制,观察员,机器人技术,自主系统,信息融合

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。