Deep Reinforcement Learning with Guaranteed Performance

Cet ouvrage traite des méthodes et algorithmes de contrôle adaptatif quasi optimal des systèmes non linéaires, y compris l'analyse théorique correspondante et des exemples de simulation, et présente deux méthodes innovantes pour la résolution de redondance des manipulateurs redondants en prenant en compte l'incertitude des paramètres et les perturbations périodiques.

Il fait également état d'une série d'études systématiques sur une méthode de contrôle adaptatif presque optimale basée sur l'expansion de Taylor, les réseaux de neurones, les approches de conception d'estimateurs et l'idée du contrôle en mode glissant, en se concentrant sur le problème du contrôle de suivi des systèmes non linéaires sous différents scénarios. Le livre se termine par une présentation de deux nouvelles méthodes de résolution de redondance ; l'une traite du contrôle cinématique adaptatif des manipulateurs redondants et l'autre de l'effet des perturbations périodiques d'entrée sur la résolution de redondance.

Chaque chapitre autonome est clairement écrit, ce qui rend le livre accessible aux étudiants diplômés ainsi qu'aux chercheurs universitaires et industriels dans les domaines du contrôle adaptatif et optimal, de la robotique et des réseaux neuronaux dynamiques.