• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Multiple Actor-Critic Structures for Continuous-Time Optimal Control Using Input-Output Data
【24h】

Multiple Actor-Critic Structures for Continuous-Time Optimal Control Using Input-Output Data

机译：使用输入-输出数据进行连续时间最优控制的多个Actor-Critic结构

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In industrial process control, there may be multiple performance objectives, depending on salient features of the input-output data. Aiming at this situation, this paper proposes multiple actor-critic structures to obtain the optimal control via input-output data for unknown nonlinear systems. The shunting inhibitory artificial neural network (SIANN) is used to classify the input-output data into one of several categories. Different performance measure functions may be defined for disparate categories. The approximate dynamic programming algorithm, which contains model module, critic network, and action network, is used to establish the optimal control in each category. A recurrent neural network (RNN) model is used to reconstruct the unknown system dynamics using input-output data. NNs are used to approximate the critic and action networks, respectively. It is proven that the model error and the closed unknown system are uniformly ultimately bounded. Simulation results demonstrate the performance of the proposed optimal control scheme for the unknown nonlinear system.
机译：在工业过程控制中，取决于输入输出数据的显着特征，可能会有多个性能目标。针对这种情况，本文提出了多种行为批评结构，以通过输入输出数据获得未知非线性系统的最优控制。分流抑制人工神经网络（SIANN）用于将输入输出数据分类为几种类别之一。可以为不同的类别定义不同的绩效评估功能。包含模型模块，评论网络和动作网络的近似动态规划算法用于建立每个类别的最优控制。递归神经网络（RNN）模型用于使用输入输出数据重建未知的系统动力学。 NN分别用于近似评论家和行动网络。事实证明，模型误差和封闭的未知系统统一有界。仿真结果证明了所提出的未知非线性系统最优控制方案的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号