Как улучшить робастное управление линейной нестационарной системой с помощью экспериментальных данных

Показано, что робастное управление, построенное только по априорной информации о неопределенности в объекте, может быть значительно улучшено за счет дополнительного использования экспериментальных данных. Излагается синтез обобщенных $H_{\infty}$-управлений неизвестной линейной нестационарной системой на конечном горизонте, которые оптимизируют уровни гашения внешнего и/или начального возмущений, а также максимальное уклонение терминального состояния системы. Метод не требует выполнения условия неисчезающего возбуждения или рангового условия, гарантирующих идентифицируемость системы, что позволяет значительно уменьшить объем экспериментальных данных.