Fast H-infinty Control of Uncertain 2D Roesser Systems: A Learning-Driven LMI Approximation Approach
Dieses Paper schlägt ein maschinelles lernunterstütztes Framework vor, welches die rechenintensive Online-LMI-Optimierung durch ein trainiertes überwachtes Modell ersetzt, um verzögerungsabhängige H-unendlich-Regelungen für unsichere 2-D-Roesser-Systeme schnell vorherzusagen, wobei eine vergleichbare Stabilität und Störunterdrückung bei signifikant verbesserter Effizienz für Echtzeitanwendungen erreicht wird.