論文の概要: Data-Driven Optimized Tracking Control Heuristic for MIMO Structures: A
Balance System Case Study
- arxiv url: http://arxiv.org/abs/2104.00199v1
- Date: Thu, 1 Apr 2021 02:00:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:49:27.964971
- Title: Data-Driven Optimized Tracking Control Heuristic for MIMO Structures: A
Balance System Case Study
- Title（参考訳）: MIMO構造のためのデータ駆動最適化追従制御ヒューリスティック:バランスシステムのケーススタディ
- Authors: Ning Wang, Mohammed Abouheaf, Wail Gueaieb
- Abstract要約: PIDは2入力の2アウトプットバランスシステムで示される。
自己調整型非線形しきい値とニューラルネットワークを統合し、所望の過渡特性と定常特性を妥協する。
ニューラルネットワークは、客観的コスト関数のような重み付き導関数の最適化を訓練する。
- 参考スコア（独自算出の注目度）: 8.035375408614776
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A data-driven computational heuristic is proposed to control MIMO systems
without prior knowledge of their dynamics. The heuristic is illustrated on a
two-input two-output balance system. It integrates a self-adjusting nonlinear
threshold accepting heuristic with a neural network to compromise between the
desired transient and steady state characteristics of the system while
optimizing a dynamic cost function. The heuristic decides on the control gains
of multiple interacting PID control loops. The neural network is trained upon
optimizing a weighted-derivative like objective cost function. The performance
of the developed mechanism is compared with another controller that employs a
combined PID-Riccati approach. One of the salient features of the proposed
control schemes is that they do not require prior knowledge of the system
dynamics. However, they depend on a known region of stability for the control
gains to be used as a search space by the optimization algorithm. The control
mechanism is validated using different optimization criteria which address
different design requirements.
- Abstract（参考訳）: データ駆動計算ヒューリスティックは、そのダイナミクスを事前に知ることなくmimoシステムを制御するために提案されている。
ヒューリスティックは、2入力の2出力バランスシステムで示される。
ニューラルネットワークとヒューリスティックを受け入れる自己調整型非線形しきい値を統合し、動的コスト関数を最適化しながら、システムの所望の過渡特性と定常特性を妥協する。
ヒューリスティックは、複数の相互作用するPID制御ループの制御ゲインを決定する。
ニューラルネットワークは、客観的コスト関数のような重み付き導関数の最適化を訓練する。
開発機構の性能は、PID-Riccatiを併用した他のコントローラと比較される。
提案された制御スキームの有意義な特徴の1つは、システムダイナミクスの事前知識を必要としないことである。
しかし、これらは最適化アルゴリズムによって探索空間として使用される制御ゲインの既知安定領域に依存している。
制御機構は異なる設計要件に対応する最適化基準を用いて検証される。
関連論文リスト
- Neural Port-Hamiltonian Models for Nonlinear Distributed Control: An Unconstrained Parametrization Approach [0.0]
ニューラルネットワーク(NN)は、優れたパフォーマンスをもたらす制御ポリシのパラメータ化に利用することができる。
NNの小さな入力変更に対する感度は、クローズドループシステムの不安定化のリスクを引き起こす。
これらの問題に対処するために、ポート・ハミルトンシステムのフレームワークを活用して、連続時間分散制御ポリシーを設計する。
提案する分散コントローラの有効性は,非ホロノミック移動ロボットのコンセンサス制御によって実証される。
論文 参考訳（メタデータ） (2024-11-15T10:44:29Z) - Receding Hamiltonian-Informed Optimal Neural Control and State Estimation for Closed-Loop Dynamical Systems [4.05766189327054]
Hamiltonian-Informed Optimal Neural (Hion) コントローラは、動的システムのためのニューラルネットワークベースの新しいクラスである。
ヒオンコントローラは将来の状態を推定し、ポントリャーギンの原理を用いて最適制御入力を計算する。
論文 参考訳（メタデータ） (2024-11-02T16:06:29Z) - Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。
資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。
これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-04-08T20:02:19Z) - Optimal State Manipulation for a Two-Qubit System Driven by Coherent and
Incoherent Controls [77.34726150561087]
2量子ビット量子系の最適制御には状態準備が重要である。
物理的に異なる2つのコヒーレント制御を利用し、ヒルベルト・シュミット目標密度行列を最適化する。
論文 参考訳（メタデータ） (2023-04-03T10:22:35Z) - Optimal control for state preparation in two-qubit open quantum systems
driven by coherent and incoherent controls via GRAPE approach [77.34726150561087]
我々は、コヒーレントかつ非コヒーレントな時間依存制御によって駆動される2つの量子ビットのモデルを考える。
系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
最適化制御の下で, フォン・ノイマンエントロピー, 純度, および1ビット還元密度行列の進化について検討した。
論文 参考訳（メタデータ） (2022-11-04T15:20:18Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳（メタデータ） (2021-08-26T18:00:00Z) - Online Algorithms and Policies Using Adaptive and Machine Learning
Approaches [0.22020053359163297]
非線形力学系の2つのクラスが考慮され、どちらも制御アフィンである。
本稿では,外ループにおける強化学習に基づくポリシーの組み合わせを,名目力学の安定性と最適性を確保するために好適に選択する。
リアルタイム制御による安定性保証の確立に加えて、AC-RLコントローラは、持続的な励振を伴うパラメータ学習につながることも示している。
論文 参考訳（メタデータ） (2021-05-13T22:51:25Z) - 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) - 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) - A differentiable programming method for quantum control [0.0]
本稿では,システムの力学を規定する微分方程式の明示的な知識を活用するために,微分可能プログラミングに基づく手法を提案する。
3つのシステムのための固有状態作成タスクにおいて,本手法の有効性と雑音に対する頑健性を示す。
論文 参考訳（メタデータ） (2020-02-19T19:00:05Z)
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。