Fast H-infinty Control of Uncertain 2D Roesser Systems: A Learning-Driven LMI Approximation Approach
Este artigo propõe uma estrutura assistida por aprendizado de máquina que substitui a otimização intensiva de LMI online por um modelo supervisionado treinado para prever rapidamente ganhos de feedback de estado para o controle H-infinito dependente de atraso de sistemas de Roesser 2-D incertos, alcançando estabilidade e rejeição de distúrbios comparáveis com eficiência significativamente melhorada para aplicações em tempo real.