基于回声状态网络的有限时间非线性系统自适应最优控制

Adaptive dynamic programming (ADP) is an effective approach to solve optimized control problems of nonlinear systems. The project study on optimized control theory and key technology of engineering application which is based on ADP，a research thought and new method are proposed to solve the shortage of the current finite-time ADP optimal control. For complex nonlinear systems, we apply iterative ADP method to design neural network controller. A new finite-time ADP algorithm which doesn't need to know initial stable control sequence is proposed, The algorithm use action network and critic network which are constructed by echo state network (ESN) to approximate the optimal control policy and the optimal performance index function respectively, it makes performance index function close to the optimum within an ε-error bound and gets near optimal control law. Furthermore, the stability of system, the convergence and optimality of performance index function are proved. We also research the implementation technique of combining data-based control theory, ESN, with finite-time ADP theory. By collecting data from the calciner production process of cement precalcining kiln system, we can model the system dynamic by ESN. Finally we will develop an effective algorithm which is fit for calciner production process of cement precalcining kiln system and realize optimized control of the production process. For theory research and application of ADP, the project will have very important academic value and practical significance.

自适应动态规划(ADP)是解决非线性系统优化控制问题的有效方法，本项目研究基于ADP优化控制理论以及工程应用关键技术，提出解决现有的有限时间ADP优化控制不足的研究思路和新方法。针对复杂非线性系统，采用迭代ADP方法设计神经网络控制器；建立一种新的有限时间ADP算法，该算法无需初始容许控制序列,用回声状态神经网络(ESN)构成的执行网络、评价网络近似最优控制策略和最优性能指标函数，使得性能指标函数在误差限ε达到近似最优，得到近似最优控制律；并证明该系统的稳定性、性能指标函数的收敛性以及最优性。研究数据控制理论、ESN网络和有限时间ADP集成理论和实现技术，采集水泥预分解窑系统分解炉的生产过程数据，运用ESN网络建模来描述系统动态特征；形成适合水泥预分解窑系统分解炉的生产过程的有效算法，实现该生产过程的优化控制。本项目对ADP的理论研究及其在实际应用都具有十分重要的学术价值和实际意义。

本项目研究基于自适应动态规划(ADP)优化控制理论以及工程应用关键技术，提出了解决现有的有限时间ADP优化控制不足的研究思路和新方法。针对复杂非线性系统，采用迭代ADP方法设计神经网络控制器；建立了新的有限时间ADP算法，该算法无需初始容许控制序列,用回声状态神经网络(ESN)和极限学习机(LEM)网络构成的执行网络、评价网络近似最优控制策略和最优性能指标函数，使得性能指标函数在误差限ε达到近似最优，得到近似最优控制律；并证明该系统的稳定性、性能指标函数的收敛性以及最优性。研究了数据控制理论、ESN网络和LEM网络和有限时间ADP集成理论和实现技术，采集水泥立磨系统、铸铝电解槽电压、砖瓦隧道窑的生产过程数据、微电网控制数据，运用ESN网络、极限学习机(LEM)建模来描述系统动态特征；形成了适合水泥立磨系统、铸铝电解槽电压、砖瓦隧道窑的生产过程、微电网控制过程的有效算法，实现这些生产过程的有限时间ADP优化控制应用。.本项目在国内外期刊和学术会议发表论文37篇，其中SCI 6篇、CSSSCI 1篇、EI 6篇、北大版核心期刊20篇；出版英文学术专著1部；获得发明专利1项，获得软件著作权1项。本项目对ADP的理论研究及其实际应用都具有十分重要的学术价值和实际意义。