不依赖观测器的不确定性系统输出反馈鲁棒控制

摘要

针对非匹配不确定性系统的静态输出反馈鲁棒控制问题在线求解难的难题，提出了一种基于数据驱动学习的自适应学习算法。首先，将不确定性系统的鲁棒控制问题转化为具有性能指标函数的标称系统的最优控制问题。其次，为实现输出反馈最优控制，根据状态反馈控制项构造了输出反馈黎卡提方程。再次，为实现该输出反馈黎卡提方程的在线求解，使用克罗内克积和向量化操作重构输出反馈黎卡提方程，进而设计了基于输入/输出数据的自适应学习算法，摒弃了传统观测器的使用，实现可一步求解的输出反馈鲁棒控制。最后，为实现被估参数的快速收敛，进一步放松了所要求的持续激励条件。仿真结果验证了本文控制方法和学习算法的有效性。

关键词

控制理论与控制工程 / 数据驱动学习 / 鲁棒控制 / 最优控制 / 持续激励条件