Self-Learning Optimal Control of Nonlinear Systems / Wei, Qinglai  

Público ISBD Ningún comentario para este título. Título : Self-Learning Optimal Control of Nonlinear Systems : Adaptive Dynamic Programming Approach Tipo de documento: documento electrónico Autores: Wei, Qinglai, ; Song, Ruizhuo, ; Li, Benkai, ; Lin, Xiaofeng, Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2018 Número de páginas: XVIII, 230 p. 86 ilustraciones, 73 ilustraciones en color. ISBN/ISSN/DL: 978-981-10-4080-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería de control  Inteligencia Computacional  Sistemas multicuerpo  Vibración  Mecánica Aplicada  Teoría de sistemas y control  Sistemas multicuerpo y vibraciones mecánicas Clasificación: 629.8312 Resumen: Este libro presenta una clase de esquemas de control óptimos novedosos, de autoaprendizaje, basados ​​en técnicas de programación dinámica adaptativa, que obtienen cuantitativamente los esquemas de control óptimos de los sistemas. Analiza las propiedades identificadas por los métodos de programación, incluyendo la convergencia de las funciones de valor iterativas y la estabilidad del sistema bajo leyes de control iterativas, ayudando a garantizar la efectividad de los métodos desarrollados. Cuando se conoce el modelo del sistema, el control óptimo de autoaprendizaje se diseña sobre la base del modelo del sistema; cuando no se conoce el modelo del sistema, se implementa programación dinámica adaptativa de acuerdo con los datos del sistema, lo que efectivamente hace que el rendimiento del sistema converja al óptimo. Con varios ejemplos del mundo real para complementar y fundamentar el análisis matemático, el libro es una guía valiosa para ingenieros, investigadores y estudiantes de ciencias e ingeniería del control. Nota de contenido: Chapter 1. Principle of Adaptive Dynamic Programming -- Chapter 2. An Iterative ϵ-Optimal Control Scheme for a Class of Discrete-Time Nonlinear Systems With Unfixed Initial State -- Chapter 3. Discrete-Time Optimal Control of Nonlinear Systems Via Value Iteration-Based Q-Learning -- Chapter 4. A Novel Policy Iteration Based Deterministic Q-Learning for Discrete-Time Nonlinear Systems -- Chapter 5. Nonlinear Neuro-Optimal Tracking Control Via Stable Iterative Q-Learning Algorithm -- Chapter 6. Model-Free Multiobjective Adaptive Dynamic Programming for Discrete-Time Nonlinear Systems with General Performance Index Functions -- Chapter 7. Multi-Objective Optimal Control for a Class of Unknown Nonlinear Systems Based on Finite-Approximation-Error ADP Algorithm -- Chapter 8. A New Approach for a Class of Continuous-Time Chaotic Systems Optimal Control by Online ADP Algorithm -- Chapter 9. Off-Policy IRL Optimal Tracking Control for Continuous-Time Chaotic Systems -- Chapter 10. ADP-Based Optimal Sensor Scheduling for Target Tracking in Energy Harvesting Wireless Sensor Networks. Tipo de medio : Computadora Summary : This book presents a class of novel, self-learning, optimal control schemes based on adaptive dynamic programming techniques, which quantitatively obtain the optimal control schemes of the systems. It analyzes the properties identified by the programming methods, including the convergence of the iterative value functions and the stability of the system under iterative control laws, helping to guarantee the effectiveness of the methods developed. When the system model is known, self-learning optimal control is designed on the basis of the system model; when the system model is not known, adaptive dynamic programming is implemented according to the system data, effectively making the performance of the system converge to the optimum. With various real-world examples to complement and substantiate the mathematical analysis, the book is a valuable guide for engineers, researchers, and students in control science and engineering. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Self-Learning Optimal Control of Nonlinear Systems : Adaptive Dynamic Programming Approach [documento electrónico] / Wei, Qinglai, ; Song, Ruizhuo, ; Li, Benkai, ; Lin, Xiaofeng,  . -  1 ed.  . - Singapore [Malasya] : Springer, 2018 . - XVIII, 230 p. 86 ilustraciones, 73 ilustraciones en color. ISBN : 978-981-10-4080-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Ingeniería de control  Inteligencia Computacional  Sistemas multicuerpo  Vibración  Mecánica Aplicada  Teoría de sistemas y control  Sistemas multicuerpo y vibraciones mecánicas Clasificación: 629.8312 Resumen: Este libro presenta una clase de esquemas de control óptimos novedosos, de autoaprendizaje, basados ​​en técnicas de programación dinámica adaptativa, que obtienen cuantitativamente los esquemas de control óptimos de los sistemas. Analiza las propiedades identificadas por los métodos de programación, incluyendo la convergencia de las funciones de valor iterativas y la estabilidad del sistema bajo leyes de control iterativas, ayudando a garantizar la efectividad de los métodos desarrollados. Cuando se conoce el modelo del sistema, el control óptimo de autoaprendizaje se diseña sobre la base del modelo del sistema; cuando no se conoce el modelo del sistema, se implementa programación dinámica adaptativa de acuerdo con los datos del sistema, lo que efectivamente hace que el rendimiento del sistema converja al óptimo. Con varios ejemplos del mundo real para complementar y fundamentar el análisis matemático, el libro es una guía valiosa para ingenieros, investigadores y estudiantes de ciencias e ingeniería del control. Nota de contenido: Chapter 1. Principle of Adaptive Dynamic Programming -- Chapter 2. An Iterative ϵ-Optimal Control Scheme for a Class of Discrete-Time Nonlinear Systems With Unfixed Initial State -- Chapter 3. Discrete-Time Optimal Control of Nonlinear Systems Via Value Iteration-Based Q-Learning -- Chapter 4. A Novel Policy Iteration Based Deterministic Q-Learning for Discrete-Time Nonlinear Systems -- Chapter 5. Nonlinear Neuro-Optimal Tracking Control Via Stable Iterative Q-Learning Algorithm -- Chapter 6. Model-Free Multiobjective Adaptive Dynamic Programming for Discrete-Time Nonlinear Systems with General Performance Index Functions -- Chapter 7. Multi-Objective Optimal Control for a Class of Unknown Nonlinear Systems Based on Finite-Approximation-Error ADP Algorithm -- Chapter 8. A New Approach for a Class of Continuous-Time Chaotic Systems Optimal Control by Online ADP Algorithm -- Chapter 9. Off-Policy IRL Optimal Tracking Control for Continuous-Time Chaotic Systems -- Chapter 10. ADP-Based Optimal Sensor Scheduling for Target Tracking in Energy Harvesting Wireless Sensor Networks. Tipo de medio : Computadora Summary : This book presents a class of novel, self-learning, optimal control schemes based on adaptive dynamic programming techniques, which quantitatively obtain the optimal control schemes of the systems. It analyzes the properties identified by the programming methods, including the convergence of the iterative value functions and the stability of the system under iterative control laws, helping to guarantee the effectiveness of the methods developed. When the system model is known, self-learning optimal control is designed on the basis of the system model; when the system model is not known, adaptive dynamic programming is implemented according to the system data, effectively making the performance of the system converge to the optimum. With various real-world examples to complement and substantiate the mathematical analysis, the book is a valuable guide for engineers, researchers, and students in control science and engineering. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200