Iterative learning control on nonlinear stochastic networked systems with non-differentiable dynamics

Abstract

In the design of iterative learning control (ILC) algorithm for stochastic nonlinear networked systems, the underlying assumption is differentiability of the system dynamics. In many cases, in reality, stochastic nonlinear networked systems have non-differentiable dynamics, but their dynamics functions after discretization by using conventional methods have global Lipschits’ continuous (GLC) condition. In this paper, we apply an ILC algorithm for stochastic nonlinear networked systems that have the GLC condition. We demonstrate that to design the ILC algorithm, differentiability of the system dynamics is not necessary, and the GLC condition is sufficient for designing the ILC algorithm for stochastic nonlinear networked systems with non-differentiable dynamics. We investigate the analysis of convergence and the tracking performance of the proposed update law for stochastic nonlinear networked systems with GLC condition. We show that there exists no limited condition for the stochastic data dropout probabilities in the convergence investigation of the input error. Then, the results are reviewed and confirmed with a numerical example. При разработке алгоритма управления с итеративным обучением (ILC) для стохастических нелинейных сетевых систем основным предположением является дифференцируемость динамики системы. Во многих случаях в действительности стохастические нелинейные сетевые системы обладают недифференцируемой динамикой, но их динамические функции после дискретизации с использованием обычных методов имеют глобальное непрерывное условие Липшица (GLC). В этой статье мы применяем алгоритм ILC для стохастических нелинейных сетевых систем, которые имеют условие GLC. Мы демонстрируем, что для разработки алгоритма ILC дифференцируемость динамики системы не требуется, а условие GLC достаточно для разработки алгоритма ILC для стохастических нелинейных сетевых систем с недифференцируемой динамикой. Мы исследуем анализ сходимости и отслеживаемость предложенного обновленного закона для стохастических нелинейных сетевых систем с условием GLC. Мы показываем, что не существует ограниченного условия для вероятностей выпадения стохастических данных при исследовании сходимости входной ошибки. Затем результаты рецензируются и подтверждаются численным примером.