基于高斯UT变换H∞滤波的改进PF算法

比较老的一本书了，网上找了好久才找到的，Springer1987年出的Lecture Notes in Control and Information Sciences 系列中的，但还算经典

本文介绍了在线增强Q学习算法，以为未知离散时间线性系统设计H∞跟踪控制器。 构建了由原始系统和命令生成器组成的扩充系统，并引入了折现性能函数，建立了折现博弈代数Riccati方程（GARE）。 提出了GARE解的存在条件，并为折现因子找到了下界，以保证H∞跟踪控制解的稳定性。 然后推导Q函数Bellman方程，在此基础上开发了强化Q学习算法，以在不了解系统动力学的情况下学习H∞跟踪控制问题的解决方案。 提出了状态数据驱动和输出数据驱动的强化Q学习算法来寻找控制策略。 与基于值函数逼近（VFA）的方法不同，事实证明，在满足持久激励（PE）条件的探测噪声下，Q学习方案不会带来Q函数Bellman方程解的偏差，因此，收敛到名义折扣GARE解决方案。 而且，所提出的输出数据驱动方法比状态数据驱动方法更强大，因为在实际应用中可能无法完全测量整个系统的状态。 以单相电压源UPS逆变器为例，验证了所提出的Q学习算法的有效性。

具有时滞的不确定网络TS模糊系统的事件触发H∞控制

最优状态估计 卡尔曼，H∞及非线性滤波（中文）最优状态估计 卡尔曼最优状态估计 卡尔曼最优状态估计 卡尔曼最优状态估计 卡尔曼

最优状态估计 卡尔曼，H∞及非线性滤波英文原版，国外经典教材，非常值得学习和收藏，讲解详细具体容易理解，适合初学者，也可作为工程技术人员参考书。

连续时间TS模糊系统局部非二次H∞滤波器设计的LMI解决方案

具有基于 MOPSO 的自动加权选择的 H∞ 混合灵敏度控制器，可以使用有限的资源有效地使用以实现性能规格。

为提高车辆的操纵稳定性,建立了包括侧向、横摆运动在内的7自由度整车模型以及车辆理想跟踪目标模型。以车辆质心侧偏角尽量小,实际车辆尽量跟踪参考横标角速度为目标,运用H2 /H∞混合控制理论设计了车辆主动前轮转向与直接横摆力矩混合鲁棒集成控制器,并与H∞控制进行比较。仿真结果表明:采用H2 / H∞混合控制的系统具有更好的性能和抵抗外界干扰的鲁棒稳定性,能更好的提高车辆的操纵稳定性。

一级倒立摆基于LMI的状态反馈H无穷控制器设计，希望对大家有帮助