基于李雅普诺夫的迭代学习方法:用于自主系统的吸引域识别

《IEEE Open Journal of Control Systems》:Lyapunov-Based Iterative Learning of Regions of Attraction for Autonomous Systems

【字体: 大 中 小 】 时间:2026年05月11日 来源:IEEE Open Journal of Control Systems 1.2

编辑推荐:

   摘要:本文提出了一种新颖的算法,用于估计非线性离散时间自治系统平衡点的吸引域。该方法通过构建以神经网络参数化的子水平集的并集,迭代扩展对吸引域的初始估计。与依赖于单一全局李雅普诺夫函数的传统技术不同,所提出的方法提供了一组局部类李雅普诺夫函数,从而实现了更丰富的表示,并可能获得

  

摘要:

本文提出了一种新颖的算法,用于估计非线性离散时间自治系统平衡点的吸引域。该方法通过构建以神经网络参数化的子水平集的并集,迭代扩展对吸引域的初始估计。与依赖于单一全局李雅普诺夫函数的传统技术不同,所提出的方法提供了一组局部类李雅普诺夫函数,从而实现了更丰富的表示,并可能获得更大的吸引域估计。这些函数使用采样的状态空间数据进行训练,其利普希茨连续性确保了所需属性能够扩展到训练样本之外。通过数值模拟验证了所提出策略的有效性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号