基于数据的非线性系统微分对策自学习最优控制方法研究

Many complex plants are steered by multiple controllers, and their models are very difficult to be built. Therefore, the design of controllers is not only independent of the system models, but also required to meet the balance of the performance indexes. For nonlinear systems with unknown dynamics, this project will establish a set of new self-learning optimal control theories and schemes based on differential games. The main works include: 1. For two-player zero-sum games with unknown system dynamics, data-based Bellman equation is presented, and robust optimal control method is proposed. 2. For nonlinear systems of multi-player zero-sum games, mixed optimal control method is designed using differential games theorem without Nash equilibrium condition and system dynamics. The results of this project can not only enrich the existing works based on data-based control, adaptive dynamic programming and differential games, but also provide useful references to improve the efficiency and intelligence of practical systems.

由于许多复杂被控对象受到多个控制器的共同作用，且系统模型难以建立，因此要求控制器的设计不仅独立于系统模型，而且要满足各控制器性能指标均衡性的要求。本项目针对未知动态非线性系统，将提出一套新的基于微分对策的自学习最优控制理论与方法。主要内容有：1.针对未知系统动态的连续时间二人零和问题，提出基于数据的新型Bellman方程，设计基于数据的鲁棒最优控制器设计方案；2.考虑非线性系统多人零和微分对策问题，当对策的均衡点存在性条件很难满足且系统动态未知时，利用微分对策原理，设计基于数据的控制方法，获得多人零和微分对策的混合最优解。该项研究不仅可以丰富现有基于数据控制理论、自适应动态规划理论及微分对策理论的研究内容，而且为提高实际系统的高效性和智能性提供有益借鉴。

由于许多复杂被控对象受到多个控制器的共同作用，且系统模型难以建立，因此要求控制器的设计不仅独立于系统模型，而且要满足各控制器性能指标均衡性的要求。本项目针对未知动态非线性系统，将提出一套新的基于微分对策的自学习最优控制理论与方法。主要内容有：1.针对未知系统动态的连续时间二人零和问题，提出基于数据的新型Bellman方程，设计基于数据的鲁棒最优控制器设计方案；2.考虑非线性系统多人零和微分对策问题，当对策的均衡点存在性条件很难满足且系统动态未知时，利用微分对策原理，设计基于数据的控制方法，获得多人零和微分对策的混合最优解。该项研究不仅可以丰富现有基于数据控制理论、自适应动态规划理论及微分对策理论的研究内容，而且为提高实际系统的高效性和智能性提供有益借鉴。