論文の概要: Stability of Finite Horizon Optimisation based Control without Terminal Weight

• arxiv url: http://arxiv.org/abs/2011.14193v3
• Date: Mon, 20 Jun 2022 15:08:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 19:30:09.886653
• Title: Stability of Finite Horizon Optimisation based Control without Terminal Weight
• Title（参考訳）: 終端重みのない有限水平最適化に基づく制御の安定性
• Authors: Wen-Hua Chen
• Abstract要約: 本稿では,モデル予測制御(MPC)のための安定性解析ツールを提案する。 制御動作は、有限地平線上でのコスト関数の最適化によって生成される。 ステージコストに関する補助的なワンステップ最適化に基づいて,新しい値関数を定義する。
• 参考スコア（独自算出の注目度）: 5.596752018167751
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a stability analysis tool for model predictive control (MPC) where control action is generated by optimising a cost function over a finite horizon. Stability analysis of MPC with a limited horizon but without terminal weight is a well known challenging problem. We define a new value function based on an auxiliary one-step optimisation related to stage cost, namely optimal one-step value function (OSVF). It is shown that a finite horizon MPC can be made to be asymptotically stable if OSVF is a (local) control Lyapunov function (CLF). More specifically, by exploiting the CLF property of OSFV to construct a contractive terminal set, a new stabilising MPC algorithm (CMPC) is proposed. We show that CMPC is recursively feasible and guarantees stability under the condition that OSVF is a CLF. Checking this condition and estimation of the maximal terminal set are discussed. Numerical examples are presented to demonstrate the effectiveness of the proposed stability condition and corresponding CMPC algorithm.
• Abstract（参考訳）: 本稿では,有限地平線上でのコスト関数の最適化により制御動作が生成されるモデル予測制御(MPC)の安定性解析ツールを提案する。 地平線が制限されているが終端重量を持たないmpcの安定性解析は、よく知られた課題である。 ステージコストに関連する補助的なワンステップ最適化、すなわち最適なワンステップ値関数(osvf)に基づいて、新しい値関数を定義する。 OSVF が(局所)制御リャプノフ函数 (CLF) であれば、有限地平面 MPC を漸近的に安定にすることができる。 より具体的には、OSFVのCLF特性を利用して、契約型端末セットを構築することにより、新しい安定化MPCアルゴリズム(CMPC)を提案する。 CMPC は再帰的に実現可能であり,OSVF が CLF である条件下での安定性を保証する。 この条件の検証と最大終端集合の推定について述べる。 提案した安定性条件と対応するCMPCアルゴリズムの有効性を示す数値的な例を示す。

関連論文リスト

• Stability-informed Bayesian Optimization for MPC Cost Function Learning [5.643541009427271]
  本研究では,不完全な情報の下での予測制御パラメータの閉ループ学習について検討する。 フィードフォワードニューラルネットワークとしてパラメータ化されたモデル予測制御器(MPC)コスト関数の学習には,制約付きベイズ最適化を用いる。 Lyapunov 候補として基礎となる MPC の最適値関数を利用して,学習した制御パラメータの安定性制約によってこの枠組みを拡張した。
  論文  参考訳（メタデータ） (2024-04-18T13:49:09Z)
• Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
  本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。 システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
  論文  参考訳（メタデータ） (2023-10-07T15:07:10Z)
• Reliably-stabilizing piecewise-affine neural network controllers [5.203329540700177]
  モデル予測制御(MPC)ポリシーのニューラルネットワーク(NN)近似に影響を与える一般的な問題は、NNベースのコントローラの動作の下でクローズドループシステムの安定性を評価するための分析ツールがないことである。 本稿では、そのような制御器の性能を定量化したり、与えられたMPCスキームの望ましい特性を保持する最小の複雑性NNを設計するための一般的な手順を提案する。
  論文  参考訳（メタデータ） (2021-11-13T20:01:43Z)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)
• Stable Online Control of Linear Time-Varying Systems [49.41696101740271]
  COCO-LQは、大規模なLTVシステムの入出力安定性を保証する効率的なオンライン制御アルゴリズムである。 COCO-LQの性能を実証実験とパワーシステム周波数制御の両例で実証した。
  論文  参考訳（メタデータ） (2021-04-29T06:18:49Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)
• Neural Lyapunov Model Predictive Control: Learning Safe Global Controllers from Sub-optimal Examples [4.777323087050061]
  多くの実世界の産業アプリケーションでは、例えば人間の操作者による実行など、既存の制御戦略を持つことが典型的である。 この研究の目的は、安全と安定性を維持する新しいコントローラを学習することで、この未知の、安全だが、最適でないポリシーを改善することである。 提案アルゴリズムは、端末コストを学習し、安定性基準に従ってMPCパラメータを更新する。
  論文  参考訳（メタデータ） (2020-02-21T16:57:38Z)
• Infinite-Horizon Differentiable Model Predictive Control [11.23458396295289]
  本稿では,安全な模倣学習のための微分線形2次モデル予測制御(MPC)フレームワークを提案する。 このフレームワークの学習能力は、数値的な研究のセットで実証されている。
  論文  参考訳（メタデータ） (2020-01-07T19:00:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。