文献

J-GLOBAL ID：202202262725619438   整理番号：22A0924334

Euler-Lagrangeシステムのフォールトトレラント適応追跡制御 強化学習により駆動されたエコー状態ネットワークアプローチ【JST・京大機械翻訳】

Fault-tolerant adaptive tracking control of Euler-Lagrange systems - An echo state network approach driven by reinforcement learning

著者 (4件)： Chen Qing (School of Electrical Engineering, Chongqing University of Science and Technology, Chongqing 401331, China) ,  Jin Yaochu (Department of Computer Science, University of Surrey, Guildford, GU2 7XH, UK) ,  Song Yongduan (State Key Laboratory of Power Transmission Equipment ¥& System Security and New Technology, School of Automation, Chongqing University, Chongqing 400044, China) ,  Song Yongduan (Chongqing Key Laboratory of Intelligent Autonomous Systems, School of Automation, Chongqing University, Chongqing 400044, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 484  ページ： 109-116  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 強化学習(RL)は,非線形システムへの適用においてかなりの成功を enjoy受している。しかし,アクチュエータ故障を受けるMIMO非線形システムの制御問題を明示的に扱う,非常に少ないRLベースの研究しかない。本研究では,作動故障を受けるEuler-Lagrangeシステムのための強化学習により駆動されるエコー状態ネットワーク(ESN)と融合したフォールトトレラント適応追跡制御法を開発した。提案した制御は,連想探索ネットワーク(ASN),制御利得ネットワーク(CGN),および適応批評ネットワーク(ACN)を含み,制御システムの未知アイテム,時変と未知の制御利得行列を扱うためのCGN,および強化信号を生成するACN,全てを安定追跡を保証して,モデリング不確実性と作動故障を収容する。動径基底関数ニューラルネットワーク(RBFNN)またはファジィシステムを利用する従来の強化学習制御装置と異なり,提案したものは,ASN,ACNおよびCGNを実装するために,エコー状態ネットワークを採用し,そして,ASN,ACNおよびCGNを実装し,それにより,外部不確実性および外乱に対する強化学習能力およびより強いロバスト性をもたらし,その結果,より良好な制御性能をもたらした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 非線形系 ,  故障 ,  *ネットワーク ,  不確実性 ,  可制御性 ,  制御 ,  ニューラルネットワーク ,  制御方式 ,  利得 ,  *フォールトトレランス ,  ロバスト性 ,  *強化学習
準シソーラス用語： ファジィシステム ,  *エコー状態ネットワーク ,  動径基底関数ニューラルネットワーク ,  アクチュエータ故障 , 【Automatic Indexing@JST】

著者キーワード (4件)： Echo状態ネットワーク ,  強化学習 ,  Euler-Lagrange系 ,  作動故障

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： Euler ,  フォールトトレラント ,  適応 ,  追跡制御 ,  強化学習 ,  エコー状態ネットワーク