MARC

 008260126s2025        us                              c    eng  d
■001000017360255
■00520260202105328
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263328795
■035    ▼a(MiAaPQ)AAI32307924
■035    ▼a(MiAaPQ)GeorgiaTech78692
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a620
■1001  ▼aZhou,  Mi.
■24510▼aOptimal  Control  of  State-Dependent  Switched  Systems
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a129  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Abdallah,  Chaouki;Verriest,  Erik.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aThis  thesis  addresses  the  optimal  control  of  state-dependent  switched  systems-a  class  of  hybrid  dynamical  systems  characterized  by  state-triggered  transitions  across  known  interfaces.  Such  systems  arise  in  applications  ranging  from  robotics  and  chemical  process  control  to  electronic  circuits,  yet  the  classical  Pontryagin  Minimum  Principle  applies  only  to  continuously  differentiable  dynamics.  Moreover,  existing  numerical  toolboxes  often  lack  both  ease  of  use  and  rigorous  error  guarantees.  To  overcome  these  challenges,  this  thesis  develops  new  theoretical  foundations  and  efficient  computational  algorithms.In  the  first  part  of  the  thesis,  we  propose  a  generalized  Euler-Lagrange  Equation  (GEL)  which  clarifies  a  quantitative  property  of  the  co-state's  behavior  for  systems  with  a  timeinvariant  switching  interface.  We  derive  the  optimal  control  for  state-dependent  switched  systems  using  the  calculus  of  variations  technique.  We  further  extend  the  theory  to  systems  with  time-varying  switching  interfaces  and  constant  time  delays  in  states.  We  illustrate  our  theoretical  results  through  representative  simulation  examples.In  the  second  part  of  the  thesis,  we  develop  and  analyze  numerical  methods  for  the  optimal  control  of  state-dependent  switched  systems.  First,  we  propose  a  model-based  gradient  descent  method  grounded  in  our  hybrid  optimality  conditions  and  generalized  Euler-Lagrange  equation.  To  address  its  reliance  on  known  switching  sequences  and  its  limited  scalability,  we  then  propose  a  model-free  approximation  method  that  uses  basis  functions  to  approximate  the  control  input  and  gradient  descent  to  update  the  parameters  of  the  control  approximation.  A  precise  error  bound  of  this  approximation  is  derived  under  some  assumptions.  Simulation  results  are  provided  to  show  the  power  of  this  model-free  method.  We  next  extend  this  model-free  algorithm  to  systems  with  fixed  terminal  states  using  the  augmented  Lagrangian  method  and  dual  decomposition.  We  illustrate  our  approach  on  a  range  of  examples,  including  systems  with  differentiable  dynamics,  systems  with  state-dependent  switches,  systems  with  time  delays,  and  systems  with  both  switches  and  time  delays.  In  addition,  we  offer  a  user-friendly  MATLAB  toolbox  that  implements  this  model-free  method.In  the  third  part  of  the  thesis,  we  investigate  reinforcement  learning  techniques  for  hybrid  systems.  We  demonstrate  that  applying  the  deterministic  policy  gradient  directly  to  state-dependent  switched  systems  results  in  high  variance  and  instability.  To  remedy  this,  we  propose  a  piecewise  reinforcement  learning  scheme,  analogous  to  a  piecewise  control  approximation,  which  achieves  lower  variance  and  improved  suboptimal  control  performance.
■590    ▼aSchool  code:  0078.
■650  4▼aRobots
■650  4▼aDynamic  programming
■650  4▼aDynamical  systems
■650  4▼aOrdinary  differential  equations
■650  4▼aRobotics
■650  4▼aIndustrial  engineering
■650  4▼aMathematics
■690    ▼a0771
■690    ▼a0546
■690    ▼a0405
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360255▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서