XiaoMi-AI文件搜索系统
World File Search System线性系统
强化学习基于通用干扰的非线性系统的输出稳定控制
摘要 - 本文提出了一种新的干扰观察者（DO）基于无线性干扰的非线性系统的基于基于（RL）的控制方法。虽然非线性干扰观察者（NDO）用于测量植物的不确定性，但植物中可能通过与控制信号的障碍存在障碍；从理论上讲，所谓的不匹配的障碍很难在系统状态的渠道内衰减。通过消除输出通道的不确定性影响来解决不确定性取消问题，以解决不确定性取消问题。con-目前，通过求解与补偿系统有关的理想价值函数的综合参与者RL方案，通过求解与补偿系统有关的理想价值函数，以求解汉密尔顿 - 贾科比·贝尔曼（HJB）方程的在线和同时进行流量。稳定性分析验证了所提出的框架的收敛性。仿真结果以说明拟议方案的有效性。
一种基于强化学习的方法，用于在不匹配干扰的不确定的非线性系统中进行最佳输出跟踪
摘要 - 在本文中，考虑了非线性非线性系统的最佳控制问题。提出了一个非线性干扰观察者（NDO）来测量系统中存在的不存在的不存在。干扰与控制信号（所谓的不匹配的干扰）的干扰很难直接在控制通道内拒绝。为了克服挑战，通过衰减其对输出渠道的影响，实施了广义的基于观察者的补偿器来解决不确定性补偿问题。实时通过增加输出跟踪错误来增强系统状态，我们开发了一个复合参与者批判性的加固学习（RL）方案，以近似最佳控制策略以及与赔偿系统有关的理想价值函数，通过求解汉密尔顿 - 雅各布蒂 - 雅各布 - 雅各布·贝尔曼（HJB）方程。通过使用系统的已知模型的记录数据在本文中应用，以通过取消探测信号的影响来增强系统的鲁棒性。仿真结果证明了所提出的方案的有效性，为二阶模型中的输出跟踪问题提供了最佳解决方案，这是不匹配的干扰。
Willems的非线性系统的基本引理，带有Koopman线性嵌入
摘要 - Koopman操作员理论和Willems的典型诱饵都可以为非线性系统提供（近似）数据驱动的线性表示。但是，为Koopman操作员选择提升功能是具有挑战性的，并且来自Willems的基本引理中数据驱动模型的质量无法保证对上的非线性系统。在本文中，我们将Willems的基本引理扩展到接受Koopman线性嵌入的一类非线性系统。我们首先表征非线性系统的轨迹空间与其Koopman线性嵌入的关系之间的关系。然后，我们证明了Koopman线性嵌入的轨迹空间可以通过非线性系统的丰富轨迹的线性组合形成。结合这两个结果会导致非线性系统的数据驱动表示，该系统绕过了对提升函数的需求，从而消除了相关的偏差误差。我们的结果表明，轨迹库的宽度（更多轨迹）和深度（较长的轨迹）对于确保数据驱动模型的准确性很重要。
ch4：线性和非线性系统
为了进行控制系统的分析和设计，必须使用基本物理定律（例如，牛顿 - 欧拉（Newton-Euuler）的机械系统法律和柯尔乔夫（Kirchhoff）的电气系统定律，使用数学上的数学对动态系统（即机械，电气，热，经济，生物学等）进行数学建模。
automatica koopman形式的非线性系统带有输入
Koopman框架通过通常无限的全球线性嵌入来提出有限维非线性系统的线性表示。最初，Koopman形式主义是为自主系统得出的。在具有输入的系统应用程序中，通常假定了Koopman模型的线性时间不变（LTI）形式，因为它有助于使用控制技术，例如线性二次调节和模型预测控制。但是，可以很容易地表明，此假设不足以捕获基础非线性系统的动力学。对具有线性或控制仿射输入的启动的连续时间系统的适当理论扩展才开始制定，但是尚未开发到离散时间系统和一般连续时间系统的扩展。在本文中，我们在连续和离散的时间内系统地调查并分析了在输入中提出的表格。我们证明，所产生的提升表示形式在状态转换是线性的情况下给出了库普曼模型，但是输入矩阵依赖于状态依赖性（在离散时间中的状态和输入依赖于状态和输入依赖性），从而产生了特殊结构的线性参数 - 变化（LPV）的描述。我们还提供了有关输入矩阵的依赖性对产生表示形式的贡献以及系统行为的依赖程度的误差界限。©2024作者。由Elsevier Ltd.引入的理论洞察力极大地有助于使用Koopman模型在系统识别中执行适当的模型结构选择，并为通过Koopman方法控制非线性系统的LTI或LPV技术做出适当的选择。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
无源耐受性的增强神经Lyapunov控制法律的系统综合非线性系统
摘要 - 执行器故障可能会危害控制系统的性能和闭环稳定性。执行器与适当控制定律结合使用可以提高系统对效率丧失或障碍的弹性。被动故障控制（FTC）系统旨在设计独特的控制定律，并在名义和故障场景中保证稳定性。在这项工作中，一种新型基于机器学习的方法是为由执行器故障影响的系统系统合成控制法的，同时正式认证闭环稳定性的。学习体系结构训练两个人工神经网络，一个代表控制定律，另一个类似于控制Lyapunov功能（CLF）。同时，使用满意度模型理论求解器来证明所获得的CLF正式保证Lyapunov条件。该方法用于两种情况，一种涵盖了具有冗余执行器的倒摆的稳定，而另一种则涵盖了自主水下车辆的控制。该框架显示能够通过最小的高参数调整以及有限的计算资源来合成线性和非线性控制定律。
线性系统 L2 稳定的输出反馈律和事件触发条件的共同设计
我们研究了使用输出反馈事件触发控制器的线性系统的 L 2 稳定性。特别是，我们感兴趣的场景是，工厂输出和控制输入分别通过两个不同的数字通道传输到控制器和执行器，这两个数字通道有自己的采样规则。工厂动态受外部干扰的影响，输出测量和控制输入受噪声干扰。我们提出了一种协同设计程序，用于同时合成动态输出反馈定律和事件触发条件，使得闭环系统在 L 2 增益上界给定的情况下是 L 2 稳定的。所需条件以线性矩阵不等式 (LMI) 的可行性来表述。然后，我们利用这些 LMI 来最大化工厂输出和/或控制输入两次传输之间的保证最短时间。我们还提出了一种启发式方法来减少每个通道的传输量。所开发的技术将时间驱动（因此是周期性的）采样作为特殊情况，并且结果在此背景下也是新颖的。所提出方法的有效性通过数值示例得到说明。
用于证明量子的线性系统的完整层次...
量子纠缠是现代物理学的核心特征之一，确定量子系统中何时存在纠缠的问题是其最活跃的研究领域之一 [1, 2]。该领域中特别令人感兴趣的是确定给定子空间是否纠缠的问题。也就是说，确定子空间中的每个纯态是否都是纠缠的（即不是乘积态）[3, 4]。在两个量子系统的二分设置中，证明子空间中纠缠的标准用途之一是，任何支持在纠缠子空间上的混合量子态必然是纠缠的 [5, 6]，但近年来还出现了许多其他应用。例如，纠缠子空间可用于构造纠缠见证 [7, 8] 并执行量子纠错 [9, 10]。该问题及其稳健变体的进一步应用包括确定 QMA(2) 协议的性能、计算纠缠的几何测度以及确定平均场哈密顿量的基态能量等 [11]。（对于更多应用，参考文献 [11] 包含了量子信息和计算机科学中 21 个等效或密切相关的问题的汇编！）在三个或更多量子系统的多部分设置中，子空间的纠缠有不同的概念。完全纠缠子空间不包含任何乘积态 [6]，而真正纠缠的子空间是不包含任何跨二分乘积态的子空间（真正纠缠的要求比完全纠缠更严格）[12, 13]。完全纠缠子空间可用于局部区分纯量子态 [14, 15]，而真正的纠缠子空间已被证明可用于量子密码学 [16]。确定子空间是否纠缠是一个
系统辨识中一般矩阵的量子线性系统算法
摘要：求解线性方程组是经典辨识系统中最常见、最基本的问题之一。给定一个系数矩阵A和一个向量b，最终任务是寻找解x使得Ax=b。基于奇异值估计技术，该文提出一种改进的量子方案，对于一般的m×n维矩阵A，在O（κ2√rpolylog（mn）/ϵ）时间内得到线性方程组解对应的量子态|x⟩，该方案优于现有的量子算法，其中κ为条件数，r为矩阵A的秩，ϵ为精度参数。同时，我们还设计了一个针对齐次线性方程组的量子电路，并取得了指数级的提升。我们方案中的系数矩阵A是与稀疏性无关的非方阵，可以应用于更一般的场合。我们的研究提供了一个通用的量子线性系统求解器，可以丰富量子计算的研究范围。
TILT：在囚禁离子线性系统上实现更高的保真度......
摘要 — 离子阱量子比特是实用量子计算的领先技术。在这项工作中，我们对离子阱的线性磁带架构进行了架构分析。为了实现我们的研究，我们开发并评估了该架构的映射和调度算法。特别是，我们引入了 TILT，这是一种线性“图灵机式”架构，具有多激光控制“头”，其中线性离子链在激光头下来回移动。我们发现，与同等大小的量子电荷耦合器件 (QCCD) 架构相比，TILT 可以大大减少通信。我们还为 TILT 开发了两种重要的调度启发式方法。第一个启发式方法通过将沿相反方向传输的数据匹配为“反向交换”来减少交换操作的数量，并且还避免了跨头部宽度的最大交换距离，因为最大交换距离使得在一个头部位置调度多次交换变得困难。第二种启发式方法通过将磁带调度到每次移动时可执行操作最多的位置来最小化离子链运动。我们从模拟中提供了应用程序性能结果，这表明 TILT 在一系列 NISQ 应用程序中的成功率可以胜过 QCCD（平均高达 4.35 倍和 1.95 倍）。我们还讨论了使用 TILT 作为构建块来扩展现有的可扩展离子阱量子计算方案。索引术语 — 量子计算、离子阱架构、电路优化