論文の概要: Robust Data-Driven Predictive Control using Reachability Analysis
- arxiv url: http://arxiv.org/abs/2103.14110v1
- Date: Thu, 25 Mar 2021 19:55:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 12:28:02.057294
- Title: Robust Data-Driven Predictive Control using Reachability Analysis
- Title（参考訳）: 到達可能性解析を用いたロバストデータ駆動予測制御
- Authors: Amr Alanwar and Yvonne St\"urz and Karl Henrik Johansson
- Abstract要約: 境界プロセスおよび測定ノイズを有する未知の線形システムの堅牢なデータ駆動制御方式を提案する。
データ駆動到達可能領域は、システムの軌道のノイズの多い入出力データのみに基づいて算出される。
ノイズフリーの場合、提示された純粋にデータ駆動制御スキームが、名目モデル予測制御スキームに等価な閉ループ挙動をもたらすことを示す。
- 参考スコア（独自算出の注目度）: 6.686241050151697
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a robust data-driven control scheme for unknown linear systems
with a bounded process and measurement noise. Instead of depending on a system
model as in traditional predictive control, a controller utilizing data-driven
reachable regions is proposed. The data-driven reachable regions are based on a
matrix zonotope recursion and are computed based on only noisy input-output
data of a trajectory of the system. We assume that measurement and process
noise are contained in bounded sets. While we assume knowledge of these bounds,
no knowledge about the statistical properties of the noise is assumed. In the
noise-free case, we prove that the presented purely data-driven control scheme
results in an equivalent closed-loop behavior to a nominal model predictive
control scheme. In the case of measurement and process noise, our proposed
scheme guarantees robust constraint satisfaction, which is essential in
safety-critical applications. Numerical experiments show the effectiveness of
the proposed data-driven controller in comparison to model-based control
schemes.
- Abstract（参考訳）: 有界なプロセスと測定ノイズを有する未知線形システムのロバストなデータ駆動制御方式を提案する。
従来の予測制御のようにシステムモデルに依存する代わりに,データ駆動型リーチブル領域を利用した制御器を提案する。
データ駆動到達可能領域は、行列zonotope再帰に基づいて、システムの軌道のノイズの多い入出力データのみに基づいて算出される。
測定とプロセスノイズが有界集合に含まれると仮定する。
これらの境界について知識を仮定するが、ノイズの統計的性質に関する知識は想定されない。
ノイズフリーの場合、提示された純粋データ駆動制御スキームが、名目モデル予測制御スキームに等価な閉ループ挙動をもたらすことを示す。
測定とプロセスノイズの場合,提案手法は安全クリティカルなアプリケーションにおいて必須となる制約満足度を保証している。
数値実験により,提案するデータ駆動制御系の有効性をモデルベース制御系と比較した。
関連論文リスト
- End-to-end guarantees for indirect data-driven control of bilinear systems with finite stochastic data [0.0468732641979009]
本稿では,安定性が保証された双線形システムの間接的データ駆動制御のためのエンドツーエンドアルゴリズムを提案する。
広範にわたる数値的な研究により、制御器設計と導出された識別誤差境界との相互作用を示す。
論文 参考訳（メタデータ） (2024-09-26T16:19:49Z) - Denoising Diffusion-Based Control of Nonlinear Systems [3.4530027457862]
本稿では,非線形力学系を制御するために,拡散確率モデル(DDPM)に基づく新しい手法を提案する。
DDPMは様々なサンプリングタスクで成功を収めた生成モデルの最先端技術である。
様々な非線形システムに対する我々のアプローチを数値的に研究し、理論的結果を検証する。
論文 参考訳（メタデータ） (2024-02-03T23:19:26Z) - LMI-based Data-Driven Robust Model Predictive Control [0.1473281171535445]
入力制約と状態制約を考慮したデータ駆動型ロバストな線形行列不等式モデル予測制御手法を提案する。
コントローラは閉ループシステムを安定化し、制約満足度を保証する。
論文 参考訳（メタデータ） (2023-03-08T18:20:06Z) - Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal
Abstractions [59.605246463200736]
雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。
まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。
我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
論文 参考訳（メタデータ） (2023-01-04T10:40:30Z) - Learning Robust Output Control Barrier Functions from Safe Expert Demonstrations [50.37808220291108]
本稿では,専門家によるデモンストレーションの部分的な観察から,安全な出力フィードバック制御法を考察する。
まず,安全性を保証する手段として,ロバスト出力制御バリア関数(ROCBF)を提案する。
次に、安全なシステム動作を示す専門家による実証からROCBFを学習するための最適化問題を定式化する。
論文 参考訳（メタデータ） (2021-11-18T23:21:00Z) - Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian
Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。
まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。
いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文 参考訳（メタデータ） (2021-10-25T06:18:55Z) - The Impact of Data on the Stability of Learning-Based Control- Extended
Version [63.97366815968177]
本稿では,Lyapunovをベースとした,認証制御性能に対するデータの影響の定量化手法を提案する。
ガウス過程を通じて未知系の力学をモデル化することにより、モデルの不確実性と安定性条件の満足度の間の相互関係を決定できる。
論文 参考訳（メタデータ） (2020-11-20T19:10:01Z) - 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) - How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。
データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。
フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文 参考訳（メタデータ） (2020-05-25T12:13:49Z)
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。