行业分类-物理装置-数据驱动的故障诊断与最优控制系统一体化设计方法.zip

周克敏的经典鲁棒书籍，可以当字典用， 非常难得

文中分析了悬臂梁的振动情况，建立了悬臂梁的动力学系统方程，设计了基于最优模糊控制算法的悬臂梁振动控制系统。系统将采集进来的信号通过最优控制理论计算得到理论输出值，建立拥有最优解的模糊控制规则，使得一个输入得到一个最优的控制输出，从而产生相应的抑制力来减弱梁的振动。使用Matlab对振动控制系统进行了仿真，结果表明该算法能够很好地抑制悬臂梁的振动。

加州伯克利数学学院（Department of Mathematics, University of California, Berkeley）Lawrence C. Evans教授的最优控制笔记，非常简明扼要。原版没有目录，我添加了目录： 1 Introduction 3 2 Controllability, bang-bang principle 15 3 Linear time-optimal control 31 4 The Pontryagin Maximum Principle 41 5 Dynamic programming 72 6 Differential Game theory 88 7 Introduction to stochastic control theory 96 Appendix Proofs of the Pontryagin Maximum Principle 110

清华大学智能驾驶实验室官网：http://www.idlab-tsinghua.com/thulab/labweb/index.html 本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第十一讲，主要介绍RL的各类拾遗，包括POMDP、鲁棒性、多智能体、元学习、逆强化学习以及训练平台等。

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第三讲，主要介绍免模型学习的蒙特卡洛法，包括Monte Carlo估计，On-policy/off-policy，重要性采样等。

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第五讲，主要介绍介绍带模型学习的动态规划法，包括策略迭代、值迭代、收敛性原理等。

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第六讲，主要介绍间接型RL的函数近似方法，包括常用近似函数，值函数近似，策略函数近似以及所衍生的Actor-critic架构等。

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第七讲，主要介绍直接型RL的策略梯度法，包括各类Policy Gradient, 以及如何从优化的观点看待RL等。

本课程为强化学习与控制，由清华大学开设，长聘教授李升波主讲，共十一讲，本讲为第八讲，主要介绍深度强化学习，即以神经网络为载体的RL，包括深度化典型挑战、经验性处理技巧等。