非线性系统最优控制理论综述
非线性系统控制理论与应用
非线性系统控制理论与应用（一）引言随着现代科技不断发展，控制领域也不断扩展。
非线性系统控制理论因其强大的可控性和应用领域广泛，越来越得到了研究者的重视。
在本文中，我们将着重介绍非线性系统控制理论的基本概念、应用场景、方法和工具等内容。
（二）基本概念非线性系统有许多不同的定义，但一般来说，它指的是在系统响应中出现了不符合线性关系的情况。
为了更好的了解非线性系统控制理论，我们需要了解一些基本概念：1.非线性函数：非线性函数是指不满足线性性质的函数，即其函数值不是直接与自变量成比例。
这些函数通常表现出复杂的行为，如非常量的斜率、极大值和极小值等。
2.非线性系统：非线性系统是指包含一个或多个非线性函数的系统。
它的输入、输出和状态之间都不遵循线性关系。
3.控制系统：控制系统是指能够监控和改变系统行为的系统。
它可以实现所需的响应、鲁棒性、准确性和饱和控制。
4.反馈控制：反馈控制是指通过将输出作为输入的控制信号来调节控制系统所需的状态。
它通常是通过检查输出的误差和目标值之间的差异来实现的。
（三）应用场景非线性系统控制理论可应用于多个领域：1.航空航天：飞行器控制通常涉及外推、模型推理和非线性响应等领域。
非线性系统控制理论可帮助实现可靠的建模和精细的控制，以实现飞行器的稳定性和可控性。
2.机器人：机器人通常需要承载大量的重量、在各种困难环境下操作和实现高精度的动作控制。
非线性系统控制理论可以帮助机器人模型的开发和改进，从而实现更高效、更精确的控制。
3.自然知识的建模：生物系统是复杂、非线性的。
这种系统可用非线性控制理论来实现研究和建模，从而更好地理解生物的行为和生理机制。
（四）方法和工具在非线性系统控制理论中，一些常见的方法和工具包括：1.李雅普诺夫稳定性定理：它是一种判断非线性系统稳态的工具。
非线性系统被认为是稳定的，当且仅当它相应的李雅普诺夫函数消失。
2.后效应：后效应是指在非线性系统中，输入量在某一时刻发生变化时，响应的瞬时变化可能会延迟出现。
非线性控制系统理论与应用
非线性控制系统理论与应用第一章线性控制系统概述线性控制系统是一类基于线性系统理论的控制系统。
线性系统是指系统的输入与输出成比例的关系，即如果输入信号增加一倍，输出信号也会增加一倍。
线性系统具有稳定性和可控性的优点，因此在控制系统设计中有广泛的应用。
线性控制系统分为时不变系统和时变系统两种。
在时不变系统中，系统参数固定不变。
在这种情况下，可以针对系统的等效传递函数或状态方程进行设计和分析。
时变系统中，系统参数随时间变化。
需要对系统进行时变分析，以便针对不同时间点设计控制器。
第二章非线性控制系统概述非线性系统是指系统的输入与输出不成比例的关系。
非线性系统不同于线性系统的特点是可能出现复杂的动态行为和稳定性问题。
因此，非线性系统的控制设计比线性系统更加复杂，需要更高级的系统理论和控制方法。
非线性控制系统包括分段线性系统、滞后系统、时变系统和混沌系统等。
非线性控制系统设计需要掌握许多高级数学工具，如微积分、变分法、拓扑学、非线性动力学和控制理论等。
第三章非线性控制系统的分析由于非线性系统比线性系统更为复杂，因此非线性控制系统的分析也更加困难。
但是，通过一些数学工具和技术，可以对非线性系统进行分析和解决。
非线性系统最重要的特征之一是稳定性。
非线性系统有时会出现不稳定的情况。
在设计非线性控制系统时，需要对系统的稳定性进行分析，以便在设计和实现控制器时考虑哪些因素会对稳定性产生影响。
另外一个重要的因素是动态行为。
非线性系统可能显示出复杂的动态行为，如周期性行为或混沌行为。
在非线性控制系统设计中，控制器必须能够应对这些复杂的动态行为。
第四章非线性控制系统的设计在非线性控制系统设计中，需要考虑许多因素。
首先，需要选择适当的控制策略，如状态反馈、输出反馈、模糊控制或神经网络控制。
其次，需要选择适当的控制器类型，如比例控制器、PID控制器或先进控制器。
最后，在设计非线性控制系统时，需要注意以下几个方面：1、控制器必须能够适应系统的非线性特性。
复杂系统控制中的非线性最优控制技术研究
复杂系统控制中的非线性最优控制技术研究随着科技的发展，越来越多的实际问题需要用到复杂系统控制技术。
而复杂系统往往具有多变、非线性等特点，如何实现复杂系统的最优控制是一个难点。
本文将从非线性最优控制技术的角度探讨该问题。
一、复杂系统控制中的非线性最优控制在复杂系统控制中，最优控制是一种常用的方法，其目的是在控制系统中选取最佳的控制变量，使系统响应更快、更稳定、误差更小，控制系统的性能更优。
而非线性最优控制则是通过对非线性系统的数学建模与分析，运用最优控制原理，研究非线性系统的最优控制方法。
非线性最优控制方法有多种，其中最常用的是基于泛函分析的方法、基于逆动力学的方法、基于模糊理论的方法、基于神经网络的方法等。
这些方法的本质都是将最优控制问题转化为极值问题，通过求解极值问题得到最优控制方式。
二、基于变结构控制的非线性最优控制研究变结构控制是一种最优控制的分支，它主要是针对复杂系统中的非线性问题所提出的一种方法。
该方法的核心思想是利用系统控制变量的“切换”行为，对复杂系统进行有效地控制。
基于变结构控制的非线性最优控制研究主要分为两大类：一类是利用变结构控制对不确定性系统进行控制，这类系统的特点是系统模型难以精确定量化；另一类是利用变结构控制对跳跃系统进行控制，这类系统的特点是系统状态难以连续变化。
三、基于随机过程的非线性最优控制研究随机过程是一种具有随机性质的过程，它的发展促进了控制系统理论的进步。
在非线性最优控制研究中，基于随机过程的方法是一种常用的数学建模方式。
该方法是将非线性系统建模为一个随机过程，通过对随机过程的分析求解最优控制问题。
基于随机过程的非线性最优控制研究主要包括两个方面：一是随机过程的数学性质的分析，二是通过分析随机过程的特性来获取最优控制策略。
四、基于鲁棒控制的非线性最优控制研究鲁棒控制是一种针对带有不确定性的系统提出的控制方法，该方法的核心思想是通过系统建模与鲁棒分析得到鲁棒控制器，对系统进行控制。
非线性系统控制理论与应用研究
非线性系统控制理论与应用研究随着科技的不断进步以及社会的发展，非线性系统控制理论在近年来的应用研究中得到了越来越广泛的应用。
在传统的线性控制理论的框架下，非线性系统的分析和控制非常困难，而采用非线性系统控制理论，则可以更好地解决这类问题。
本文将介绍非线性系统控制理论的基本概念、应用领域以及未来研究方向。
一、非线性系统控制理论的基本概念非线性系统是指系统的输入与输出之间的关系不满足叠加性原理的系统。
在实际应用中，非线性系统比线性系统更为常见，例如电力系统、机械系统等。
在过去的几十年间，人们利用微积分、微分方程等数学工具逐渐掌握了线性控制理论，并取得了极大的成功。
但随着技术的不断进步和科技的发展，越来越多的研究表明，非线性系统对于一些实际应用问题的表述更为准确，具有更好的应用前景。
非线性系统控制理论是针对非线性系统的控制方法研究。
其基本概念包括：控制系统、非线性系统、稳态、非线性反馈控制等。
控制系统是指通过调节控制器参数，使得被控对象的输出状态遵从某种规定或满足某种要求的系统。
非线性系统则是指输入与输出之间不满足线性可加性原理的系统。
稳态即指控制对象稳定达到一定的状态；而非线性反馈控制则是指通过对非线性控制系统进行反馈调节，实现对系统动态行为的控制。
二、非线性系统控制理论的应用领域在实际应用中，非线性系统控制理论的应用范围越来越广泛，包括航空、航天、机械、化工、冶金、电力等多个领域。
其中，航空航天领域中，非线性系统控制更加突出。
例如，非线性自适应控制、非线性模型预测控制等理论方法在飞行器中得到了大量的应用。
在机械领域中，非线性系统控制理论的研究也非常重要。
例如，电动汽车等能源环保方面的发展，都需要通过非线性控制理论来实现控制。
此外，在化工中，非线性系统控制理论主要应用于高分子聚合反应控制、反应动力学等方面。
在冶金和电力工业中，非线性控制理论则主要应用于超高温熔炼等领域。
三、未来研究方向随着科技的不断发展，非线性系统控制理论的研究也在逐渐深入。
非线性系统的控制研究
非线性系统的控制研究随着科技的进步，非线性系统的研究也变得越来越重要。
传统的线性控制方法已经无法完全适用于非线性系统的控制，因此需要开发新的控制方法来处理这些系统。
本文将探讨非线性系统的控制研究进展以及其中的一些重要理论。
一、非线性系统的定义及特点非线性系统是指系统行为不能用线性方程描述的系统，它们通常表现出非常复杂的动态行为。
与线性系统相比，非线性系统的特点包括非线性、不可逆、混沌和复杂等。
非线性系统是一类包含相互作用的元素和关系的系统，因此它们的行为很难被简单的模型所描述。
二、非线性系统的控制方法针对非线性系统的控制方法包括线性控制、非线性控制和自适应控制等。
1、线性控制线性控制是指用线性控制器来控制非线性系统的控制方法。
它的优点是简单易行，易于理解和实现。
但是，它的适用性很有限，因为非线性系统的行为不完全可以被线性模型所描述。
2、非线性控制非线性控制是指用非线性控制器来控制非线性系统的控制方法。
它可以更好地模拟和控制非线性系统的行为，但也存在一些问题。
例如，非线性控制器难以设计，需要对非线性系统进行精确的建模以及运用非常复杂的数学方法来求解系统参数。
3、自适应控制自适应控制是指使用自适应控制器来控制非线性系统的方法。
它的主要优点是它可以在不知道系统模型的情况下对非线性系统进行控制。
这使得它非常适合那些需要对未知系统进行实时控制的应用领域。
例如，自适应控制器可以用于自动驾驶汽车、无人机、人工智能和机器人等。
三、非线性系统的控制研究进展随着科学技术的发展和应用需求的不断提高，非线性控制的研究也逐渐成为控制理论的热点。
以下是非线性系统控制方面的一些研究进展。
1、模型预测控制模型预测控制是一种近年来比较流行的非线性控制方法。
该方法依赖于预测模型来确定下一次控制输入，并采取在当前时刻将控制输入应用于非线性系统的行为模式的策略。
模型预测控制的优点是可以在一个长期时间内最优地约束非线性系统的行为。
2、反馈线性化反馈线性化是一种非线性控制的方法，它利用非线性反馈控制器使系统在自适应控制目标下成为类似于线性系统行为的线性化体系。
非线性系统的控制理论研究
非线性系统的控制理论研究一、绪论非线性系统是指系统中存在非线性元素，导致系统动态行为具有非线性特点的一类系统。
非线性系统控制理论研究是探究非线性系统控制方法和理论的学科。
随着科技的发展，非线性系统控制理论研究逐渐成为工程领域中不可或缺的重要学科。
本文旨在对非线性系统控制理论的研究进行简要介绍。
二、非线性系统的数学模型非线性系统的数学模型一般为微分方程或差分方程形式。
常见的非线性系统包括传统的物理模型、生物模型、经济模型、控制系统模型等等。
非线性系统的数学模型通常难以求解，因此非线性系统的控制方法也更具挑战性。
三、非线性系统的控制方法1. 线性化控制方法线性化控制方法是将非线性系统在某一工作点附近进行泰勒级数展开，得到一个线性系统，在此基础上设计线性控制器来控制非线性系统。
该方法虽然容易实现但只适合于某一工作点附近，非常局限。
2. 非线性控制方法非线性控制方法是一种以非线性原理为基础的方法。
其中包括反馈线性化方法、滑模控制方法、自适应控制方法、模糊控制方法、神经网络控制方法等。
这些方法均以不同的方式考虑了非线性的特性以及控制器自身的复杂性，针对不同的非线性系统设计相应的控制器。
四、非线性控制理论的应用非线性控制理论在各个领域都有广泛的应用。
例如在机器人控制、化工过程控制、飞行器控制、智能家居系统等方面都有用武之地。
非线性控制理论为各种工程问题提供了新的解决方法，同时也推动了数学、物理、计算机科学等诸多学科的发展。
五、结语在现代工程领域中，非线性系统控制理论的研究越来越受到重视。
掌握非线性系统控制理论能力的工程师将能够更好地解决实际工程问题，提高工程设计的效率和应用范围。
我们相信，在不断发展的科技领域中，非线性系统控制理论的研究将愈发重要。
非线性系统控制与优化
非线性系统控制与优化随着现代科学技术的不断发展，越来越多的实际系统被发现是非线性系统，如机器人控制、生物系统模拟、流体力学控制、化工过程控制等。
这些系统具有复杂性、多变性、不确定性和耦合性等特点，传统的线性控制和优化方法已经难以满足对这些系统的要求，这时非线性控制与优化理论应运而生。
一、非线性系统特点非线性系统是指系统的各种因素之间相互作用现象使得系统的输出与输入之间不是线性关系。
非线性系统的出现主要由于以下一些因素：1. 复杂动态性：非线性系统通常是由多种部分参与并且通过相互作用来完成某种功能，与另一些系统的简单性质不同。
它们具有复杂的动力学，其中包括周期性、混沌、分支和相位对齐等现象。
2. 不确定的耦合性：不同部分之间的耦合可能会导致不稳定性、激励等混乱现象。
因此，对非线性模型的精确描述往往需要用到图形工具，如微分方程、拓扑图和二元网等。
3. 大量未知因素：非线性系统中存在大量的未知变量，这些变量的存在使得对系统的研究变得异常复杂和困难。
二、非线性控制非线性控制是指对于非线性系统采取的一种控制策略。
非线性控制是控制系统理论研究的一个重要分支，在各种真实应用中都有着重要的地位。
其主要作用是对于非线性系统建立一个数学模型，利用控制策略来稳定非线性系统，达到预期的目标。
1. 基本思想非线性控制的基本思想是利用数据处理、模型设计和算法分析三个步骤来设计一个合适的控制器，以实现对非线性动力系统的控制。
通常，设计一个非线性控制系统需要以下考虑：（1）研究对象——对于被研究对象的特性、定义、行为和建模进行全面的研究和分析。
（2）系统性质——对于所研究的非线性系统的各种性质，如稳定性、可控性、可观性、非线性等特性进行研究和评估。
（3）算法分析——对于研究到的非线性动力系统的控制方法和算法进行系统的分析和比较，以确定最合适的控制方式。
（4）控制器设计——根据所选的算法和控制策略对控制器进行具体的设计和实现。
2. 主要控制方法非线性控制的常用方法包括：（1）反馈线性化控制反馈线性化方法是一种比较成熟的非线性控制方法，其核心思想是将非线性系统转化为等效的线性系统进行控制。
非线性系统控制理论及其应用研究
非线性系统控制理论及其应用研究随着科技的进步和发展，越来越多的系统被广泛应用在各个领域，比如机器人控制、飞行器控制、化工系统控制等等。
而这些系统往往呈现出非线性特点，传统的线性控制理论已无法胜任对复杂系统的分析和设计，因此非线性控制理论应运而生。
本文将介绍非线性控制理论的产生、发展和应用，并着重分析非线性控制在现代工业中的应用和未来的发展方向。
一、非线性控制理论的发展历程非线性控制理论最初起源于19世纪70年代的机械系统控制的研究，当时人们通过试错法掌握了一些非线性控制技术。
20世纪中期，随着计算机技术、优化理论和微机电系统等的发展，人们逐渐掌握了较为成熟的非线性调节技术。
非线性控制理论发展到80年代，人们逐渐对非线性控制技术进行深入研究，推动了非线性控制理论的进一步发展。
90年代以后，非线性控制领域取得了许多重要的成果，如反应块、绿色制造、有源振动控制等。
二、非线性控制理论的应用非线性控制理论在现代工业中有广泛的应用。
随着现代工业的不断发展，越来越多的系统呈现出非线性特点。
比如，在飞行器的控制系统中，要求对飞行器的时间响应性、稳定性和精度要求越来越高；在机器人控制中，要求机器人能够自主寻找任务目标，具有科学性、智能化等多种功能。
此时，传统的线性控制方法无法满足要求，非线性控制理论成为研究的热点。
在机器人控制中的应用非线性控制理论在机器人控制中的应用主要体现在以下三个方面：机器人的自主寻找任务目标、利用敏捷动态和实现多种功能。
首先，机器人需要自主寻找任务目标。
机器人必须具有两个最基本的功能：自主寻找任务目标和自主完成任务。
这两个功能的实现都需要非线性控制的支持。
机器人的自主寻找任务目标需要考虑机器人的环境感知和情境判断等问题，这是非线性控制的一个重要研究方向。
其次，利用敏捷动态。
机器人在运动过程中需要维持平衡，这就需要研究机器人的敏捷动态。
非线性控制理论中的反馈线性化技术、括号化技术等，都可以用来解决机器人的敏捷动态控制问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要：非线性系统，其最优控制求解相当困难，寻求近似的最优控求解方法是当下解决这一问题的主要途径。
目前，比较成熟的最优控制求解方法主要有七类，本文对这七种方法进行了详细的阐述，并对其优缺点进行了客观的对比。
论文关键词：非线性,最优控制
近年来，最优控制理论[1,2]的研究，无论在深度和广度上，都有了很大的发展，已成为系统与控制领域最热门的研究课题之一，取得了许多研究成果。
同时，也在与其他控制理论相互渗透，出现了许多新的最优控制方式，形成了更为实用的学科分支。
例如鲁棒最优控制[3]、随机最优控制[4]、分布参数系统的最优控制[5]、大系统的次优控制[6]、离散系统的最优控制及最优滑模变结构控制[7,8]等。
而对于非线性系统，其最优控制求解相当困难，需要求解非线性HJB方程或非线性两点边值问题，除简单情况外[9]，这两个问题都无法得到解析解。
因此，许多学者都致力于寻求近似的求解方法[10~13]，通过近似解得到近似的最优控，即次优控制。
1、非线性最优控制理论研究成果分类
目前，较为流行的近似最优控制求解方法主要有以下几类[6][13]。
1）幂级数展开法：幂级数展开方法通过一个幂级数来构造控制律，得到序列形式的近似最优解，或者将系统中的非线性项以幂级数形式分解，或者通过引进一个临时变量并围绕它展开。
将上式代入HJB方程求得级数近似解，也可利用Adomian分解将非线性项进行分解，由此寻求非线性HJB方程级数的近似解。
2）Galerkin逐次逼近方法：由动态规划得到的一般性偏微分HJB方程，引入一个迭代过程来求解一般非线性HJB方程的一个近似解序列。
3）广义正交多项式级数展开法：其主要思想是将最优控制问题中的状态变量，控制输入，性能指标和各个参数分别用广义正交多项式展开，利用广义正交多项式的积分、乘积运算阵
将描述系统的微分方程转化为一系列的代数方程。
然后，得到
，T非奇异时由得到的控制律是一个多项式级数解。
该方法将最优控制问题转化为代数极值问题，从而避免了求解时变非线性Riccati方程。
4）有限差分和有限元方法：经典的有限差分和有限元方法可以用来近似求解非线性
HJB方程。
近年来，这类方法用来近似求取非线性HJB方程的粘性解。
5）状态相关Riccati方程方法：这种方法适用的模型是仿射非线性系统，通过极大值原理假设最优控制律具有如下形式
其中为下式所述里卡提方程的解
这样，问题的关键归结于近似求解。
状态相关里卡提方程方法通过在中引入灵敏度参数变量ε，在邻域内将展为幂级数
通过比较幂级数同次项系数将状态相关里卡提方程分解为一组矩阵微分方程序列，由此求得其近似解。
状态相关里卡提方程方法所设计的近似最优控制律是一种级数形式的状态反馈控制律。
6）Riccati方程近似序列法：该方法对非线性系统构造线性时变序列以及相应的线性二次型时变性能指标，得到线性时变序列的最优反馈控制序列
其中是里卡提方程近似序列的解。
此方法计算量较大，但是当系统的维数不是很大时，较里卡提方程近似序列方法具有很快的收敛速度，并表现出很好的鲁棒性。
7）逐次逼近法：该方法是针对非线性的一次项和高次项可分离的一类非线性系统进行近似最优控制问题的求解，给出了一种逐次逼近的近似求解方法。
该方法针对由极大值原理导致的两点边值问题，构造近似的等价序列将其转化为一组线性非齐次两点边值问题序列，通过迭代求解一系列的向量微分方程，包括状态向量方程序列和共态向量方程序列，得到原非线性系统近似最优控制问题的解。
该方法被广泛应用到各类非线性系统，其最大优点是在迭代过程中每次计算的不是矩阵微分或代数方程，而是向量微分或代数方程，计算量大大减少，而且实时性很高。
2、非线性最优控制理论研究成果对比
比较以上方法，各有优缺点。
其中，幂级数展开方法要求系统关于状态向量x解析，才能够进行展开，这在实际工程应用中是不现实的。
Galerkin逐次逼近法的收敛性过于依赖系统的初值，收敛性在很多情况下是无法保证的。
广义正交多项式级数展开法和有限差分、有限元方法都是采用不同的数学工具来解决近似求解非线性系统的最优控制问题，但这两种方法的计算收敛性不好，所需的巨大计算量也使得它们离工程实际应用有很大一段距离。
状态相关里卡提方程适用于一类仿射非线性系统。
里卡提方程近似序列方法同样适用于一类仿射非线性系统，当处理高维系统时，其计算量将很大。
而逐次逼近法，从计算复杂度看，是
对向量迭代，得到的最优控制律是由精确的线性反馈项和非线性补偿项组成，将最优控制的求解转化为非线性补偿向量序列的求极限过程，大大减少了计算量，容易被实际工程所应用。
简言之，逐次逼近法通过较为简单的计算设计得到系统的近似最优控制律，具有计算量少，易于工程实现的优点，有很好的工程应用前景。
然而，逐次逼近法的缺点在于其对外部扰动和系统内部参数摄动以及未建模动态敏感，因此提高最优控制的鲁棒性是非常必要的。
3、结束语
对于非线性系统，其最优控制的解一般是不存在的。
再加上非线性系统的复杂性和多样性，这方面的研究成果还很少，尚待解决的问题还很多，，本文对非线性最优控制理论现有研究成果对比进行了详细的阐述，并对其优缺点进行了客观的对比，为非线性最优控制理论的进一步研究提
参考。
[1]胡寿松，王执铨，胡维礼.最优控制理论与系统(第二版).北京:科学出版社,2005
[2]郑大钟.线性系统理论(第二版).北京:清华大学出版社.2002
[3]Nata Kumara Dinata.Control Relevant Identification for Robust Optimal Control.For the Degree of Master of Applied Science,University of Toronto,Canada.2003
[4]Ozer Elbeyli.Analysis and Control of Nonlinear Stochastic Systems.For the Doctor of Philosophy in Mechanical Engineering,The University of Delaware.Winter,2004.
[5]Sanjay Chawla.Applications of Optimal Control Theory to Distributed Parameter Systems.For the Degree of Doctor of Philosophy,The University of Tennessee,Knoxville.August,1995
[6]张会.非线性系统最优控制的改进逐次逼近法研究.[D]海洋舰艇学院博士论文,2007.[J].
[7]Najia.AL-Musabi.Design of Optimal Variable structure Controllers:Applications to Power System Dynamics.For the Degree of Master of Science,King Fahd University of Petroleum&Minerals,Dhahran,Saudi Arabia.June 2004
[8]逄海萍.不确定时滞非线性系统的最优滑模控制.[D]中国海洋大学博士论文,2007.[J].
[9]J.L.Leeper,R.J.Mulholland.Optimal control of nonlinear single-input systems. IEEE Transactions onAutomatic Control, 1972, AC-17(3): 401-402
[10] S.Ito.Numerical methods of nonlinear optimal control based on mathematical programming. NonlinearAnalysis, Theory, Methods and Applications, 1997, 30(6): 3843~3854
[11] M.Abu-Khalaf,F.L.Lewis. Nearly optimal control laws for nonlinear systems with saturating actuatorsusing a neural network HJB approach. Automatica, 2005, 41(5): 779~791
[12]M.Diehl,H.G.Bock, J.P.Schloder.A real-time iteration scheme for nonlinear optimation in optimalfeedback control. SIAM Journal on Control and Optimization, 2005,43(5): 1714~1736
[13] T.Itami.Nonlinear optimal control as quantum mechanical eigenvalue problems. Automatica, 2005, 41(9):1617~1622。