Fast H-infinty Control of Uncertain 2D Roesser Systems: A Learning-Driven LMI Approximation Approach
Ce document propose un cadre assisté par l'apprentissage automatique qui remplace l'optimisation LMI en ligne, coûteuse en calcul, par un modèle supervisé entraîné pour prédire rapidement les gains de rétroaction d'état pour le contrôle H-infini dépendant du retard de systèmes de Roesser 2-D incertains, atteignant une stabilité et une réjection des perturbations comparables avec une efficacité nettement améliorée pour les applications en temps réel.