14、未知量化网络控制系统的最优控制

未知量化网络控制系统的最优控制

在网络控制系统中，对于未知量化系统的最优控制是一个重要的研究方向。通过对比不同方法的成本函数差异，以及采用特定的观测器和调节器设计，可以实现对系统的有效控制。

1. 成本函数差异对比

为了验证所提出方案的有效性，对基于已知系统动态的反向时间RE方法和具有未知系统动态的正向时间方案进行了成本函数差异对比。仿真结果表明，成本差异会收敛到零，类似于系统响应，这验证了所提出方案的有效性。

2. 有限时域非线性量化网络控制系统的近最优调节

对于具有输入约束的不确定量化非线性网络控制系统，采用输出反馈的近最优调节方案。考虑无损通信网络和完美输出测量，具体步骤如下：
1. 扩展Luenberger观测器设计 ：由于系统状态向量不可用和系统动态不确定，提出了使用神经网络的扩展Luenberger观测器。该观测器可以在线重建系统状态向量和控制系数矩阵，其设计如下：
- 系统动态可表示为：
[
\begin{cases}
x_{k + 1} = Ax_k + F(x_k) + g(x_k)u_{qk}\
y_k = Cx_k
\end{cases}
]
其中，$A$ 是Hurwitz矩阵，$(A, C)$ 是可观测的，$F(x_k) = f(x_k) - Ax_k$。
- 基于神经网络，系统状态向量可表示为：
[
x_{k + 1} = Ax_k + W_F^T\sigma_F(x_k) + W_g^T\sigma_g(x_k, u_{qk}) + \epsilon
]