KIT | KIT-Bibliothek | Impressum | Datenschutz

Adaptive Dynamic Programming: Solltrajektorienfolgeregelung und Konvergenzbedingungen

Köpf, Florian

Abstract:

In diesem Werk werden erstmals zeitdiskrete und zeitkontinuierliche Methoden präsentiert und analysiert, um flexible Solltrajektoriendarstellungen in Adaptive-Dynamic-Programming-Ansätze zu integrieren. Zudem werden theoretische Bedingungen an den Systemzustand hergeleitet, die eine zentrale Anregungseigenschaft für die Konvergenz der Adaption sicherstellen. Reale Anwendungen der vorgestellten adaptiven optimalen Trajektorienfolgeregelungsmethoden offenbaren das Potenzial dieser Ansätze.

Abstract (englisch):

In this work, discrete-time and continuous-time methods that integrate flexible reference trajectory representations into Adaptive Dynamic Programming approaches are presented and analyzed for the first time. Moreover, theoretical conditions on the system state are derived that ensure the persistent excitation property, which is crucial for the convergence of the adaptation. Real-world applications of the presented adaptive optimal trajectory tracking control methods reveal their potential.


Volltext §
DOI: 10.5445/KSP/1000145970
Veröffentlicht am 07.11.2022
Die gedruckte Version dieser Publikation können Sie hier kaufen.
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Regelungs- und Steuerungssysteme (IRS)
Publikationstyp Hochschulschrift
Publikationsjahr 2022
Sprache Deutsch
Identifikator ISBN: 978-3-7315-1193-9
ISSN: 2511-6312
KITopen-ID: 1000145970
Verlag KIT Scientific Publishing
Umfang xxi, 213 S., LVII
Serie Karlsruher Beiträge zur Regelungs- und Steuerungstechnik / Karlsruher Institut für Technologie, Institut für Regelungs- und Steuerungssysteme ; 16
Art der Arbeit Dissertation
Fakultät Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut Institut für Regelungs- und Steuerungssysteme (IRS)
Prüfungsdaten 13.01.2022
Prüfungsdatum 13.01.2022
Schlagwörter Adaptive Dynamic Programming (ADP), Reinforcement Learning (RL), Persistent Excitation (PE), adaptive Optimalregelung, lernende Regler, KI, Adaptive Dynamic Programming (ADP), Reinforcement Learning (RL), Persistent Excitation (PE), Adaptive Optimal Control, Learning-Based Control, AI
Relationen in KITopen
Referent/Betreuer Hohmann, S.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page