Aprendizaje de un controlador LMI mejorado basado en modelos Takagi-Sugeno mediante iteración de valor

Abstract

Este artículo propone una alternativa para formular el método de mejora de controladores conservadores basados en desigualdades matriciales lineales (LMI), funciones de acción-valor (función Q) y algoritmos de iteración de valor para aprender controladores óptimos utilizando datos del sistema. En este sentido, la propuesta utiliza ideas de trabajos previos que parametrizan de una manera particular la función Q. De esta forma, la función Q puede describirse con funciones de pertenencia polinómicas para modelos difusos de Takagi-Sugeno e inicializar un proceso de aprendizaje con el controlador LMI. El controlador obtenido utiliza tanto la información sobre las funciones de pertenencia como un conjunto de datos obtenidos del sistema para mejorar el controlador LMI. Se utiliza un sistema TORA para ilustrar el enfoque.