输入全状态约束随机系统自适应NN-RL控制器

投影算子防梯度爆炸

将强化学习与有界控制技术结合，在全状态约束下同时保证跟踪和约束满足。

Li, Hongyao · 王福利

International Journal of Systems Science 2025

技术优势

避免梯度爆炸

在评价-动作神经网络设计中引入投影算子，防止权重更新时梯度爆炸。

严格稳定性证明

采用正切型时变障碍Lyapunov函数证明闭环系统稳定性。

状态可估计

通过状态观测器估计不可测状态，为控制设计提供信息。

应用场景

• 约束下的强化学习控制：用强化学习优化跟踪性能，同时保证输入和状态满足时变约束。
• 随机系统自适应控制：针对随机非线性系统，自适应处理不确定性和随机扰动。
• 非线性系统控制：通过神经网络逼近非线性动态，结合反步法实现跟踪。
• 机器人安全控制：时变约束保证状态和输入不越界，适用于机器人安全关键场景。