2024年7月，2022级研究生钟梅以第一作者身份在《IEEE Transactions on Circuits and Systems-I: Regular Papers》上刊发研究成果《Adaptive Neural Optimal Backstepping Control of Uncertain Fractional-Order Chaotic Circuit Systems via Reinforcement Learning》。该期刊是电路系统的国际顶级期刊，也是中科院SCI一区TOP期刊，2023年影响因子5.2。

论文针对受约束分数阶混沌电路系统，提出了一种基于强化学习的自适应神经网络最优控制方法。然而，由于分数阶导数的复杂形式，很难通过求解分数阶Hamilton-Jacobi-Belman方程来获得最优控制解。针对上述问题，该文为具有状态约束的分数阶混沌电路系统提出了一种神经网络最优自适应反步控制方案。为了避免最优控制过程中的状态超过约束，该文首先开发了一种将转换公式与非线性状态依赖函数相结合的方案，从而将原始系统转换为整数阶无约束系统。为了实现最优控制，该文引入了一种基于变换方案的强化学习自适应反步控制策略，其中强化学习的权重更新律是基于正函数的负梯度而不是Belman残差的平方构建的，这有效地简化了更新律的形式和设计过程。

论文信息：

Title: Adaptive Neural Optimal Backstepping Control of Uncertain Fractional-Order Chaotic Circuit Systems via Reinforcement Learning

Authors：Mei Zhong, Chengdai Huang, Jinde Cao, Heng Liu*

Source：IEEE Transactions on Circuits and Systems-I: Regular Papers

Published online：30 July 2024

论文链接：https://ieeexplore.ieee.org/document/10614753/