論文の概要: An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX models

• arxiv url: http://arxiv.org/abs/2203.16290v1
• Date: Wed, 30 Mar 2022 13:30:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 16:55:55.596836
• Title: An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX models
• Title（参考訳）: ニューラルNARXモデルで学習したシステムのオフセットフリー非線形MPCスキーム
• Authors: Fabio Bonassi, Jing Xie, Marcello Farina, Riccardo Scattolini
• Abstract要約: 本稿では,オフセットフリーなセットポイントトラッキングを実現する非線形MPCコントローラの設計について述べる。 提案手法は, 植物に作用する乱れの存在下においても顕著な性能を発揮する。
• 参考スコア（独自算出の注目度）: 0.803314610321292
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper deals with the design of nonlinear MPC controllers that provide offset-free setpoint tracking for models described by Neural Nonlinear AutoRegressive eXogenous (NNARX) networks. The NNARX model is identified from input-output data collected from the plant, and can be given a state-space representation with known measurable states made by past input and output variables, so that a state observer is not required. In the training phase, the Incremental Input-to-State Stability ({\delta}ISS) property can be forced when consistent with the behavior of the plant. The {\delta}ISS property is then leveraged to augment the model with an explicit integral action on the output tracking error, which allows to achieve offset-free tracking capabilities to the designed control scheme. The proposed control architecture is numerically tested on a water heating system and the achieved results are compared to those scored by another popular offset-free MPC method, showing that the proposed scheme attains remarkable performances even in presence of disturbances acting on the plant.
• Abstract（参考訳）: 本稿では、ニューラル非線形自己回帰eXogenous(NNARX)ネットワークで記述されたモデルに対して、オフセットフリーなセットポイントトラッキングを提供する非線形MPCコントローラの設計について述べる。 nnarxモデルは、植物から収集された入出力データから識別され、過去の入出力変数によって生成された既知の測定可能な状態の状態空間表現を与えることができ、状態観察者を必要としない。 訓練段階では、プラントの挙動と一致した場合、インクリメンタルな入出力安定性({\delta}iss)特性を強制することができる。 デルタISSのプロパティは、出力追跡エラーに対して明示的な積分作用でモデルを増強するために利用され、設計した制御スキームに対するオフセットフリーなトラッキング機能を実現することができる。 提案した制御アーキテクチャは水温システム上で数値的にテストされ,その結果が他の一般的なオフセットフリーMPC法と比較され,植物に作用する障害があっても顕著な性能を発揮することが示された。

関連論文リスト

• NonSysId: A nonlinear system identification package with improved model term selection for NARMAX models [2.6684288899870543]
  本稿では,非線形システム識別のためのオープンソースソフトウェアパッケージであるNonSysIdを紹介する。 このソフトウェアには、シミュレーション(フリーラン)の精度を優先する高度な項選択手法が組み込まれている。 NonSysIdは、構造的健康モニタリング、故障診断、バイオメディカル信号処理などのリアルタイムアプリケーションに特に適している。
  論文  参考訳（メタデータ） (2024-11-25T15:19:19Z)
• 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)
• Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study [56.283944756315066]
  そこで本研究では,遅延座標符号化と全状態復号化を組み合わせた汎用モデル構造を提案し,Koopmanモデリングと状態推定を統合した。 ケーススタディでは,本手法が正確な制御モデルを提供し,高純度極低温蒸留塔のリアルタイム非線形予測制御を可能にすることを実証している。
  論文  参考訳（メタデータ） (2024-01-09T11:54:54Z)
• Nonlinear MPC design for incrementally ISS systems with application to GRU networks [0.0]
  本稿では,指数関数的にインクリメンタルな入力-状態安定(ISS)システムのためのモデル予測制御(NMPC)戦略の設計について述べる。 設計手法は、リカレントニューラルネットワーク(RNN)によって学習されたシステムの制御に特に適している。 このアプローチは Gated Recurrent Unit (GRU) ネットワークに適用され、収束保証を備えた調整状態オブザーバの設計方法も提供する。
  論文  参考訳（メタデータ） (2023-09-28T13:26:20Z)
• Likelihood-Free Inference in State-Space Models with Unknown Dynamics [71.94716503075645]
  本研究では、状態空間モデルにおいて、観測をシミュレートすることしかできず、遷移ダイナミクスが不明な潜在状態の推測と予測を行う手法を提案する。 本研究では,限られた数のシミュレーションで状態予測と状態予測を行う手法を提案する。
  論文  参考訳（メタデータ） (2021-11-02T12:33:42Z)
• 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)
• Approximate Robust NMPC using Reinforcement Learning [0.0]
  障害や不確実性の存在下で非線形システムを制御するための強化学習に基づくロバストモデル予測制御(RL-RNMPC)を提案する。
  論文  参考訳（メタデータ） (2021-04-06T18:34:58Z)
• 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)
• Derivative-Based Koopman Operators for Real-Time Control of Robotic Systems [14.211417879279075]
  本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。 クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。 制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
  論文  参考訳（メタデータ） (2020-10-12T15:15:13Z)
• Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
  PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。 本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。 このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
  論文  参考訳（メタデータ） (2020-09-29T12:50:33Z)
• 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)

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。