論文の概要: Neural Observer with Lyapunov Stability Guarantee for Uncertain Nonlinear Systems

• arxiv url: http://arxiv.org/abs/2208.13006v1
• Date: Sat, 27 Aug 2022 13:16:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 14:39:19.491237
• Title: Neural Observer with Lyapunov Stability Guarantee for Uncertain Nonlinear Systems
• Title（参考訳）: 不確かさ非線形システムに対するリアプノフ安定保証を用いたニューラルオブザーバ
• Authors: Song Chen, Tehuan Chen, Chao Xu, and Jian Chu
• Abstract要約: 本稿では,線形時間不変系(LTI)と不確かでない非線形系の観測タスクに対して,ニューラルオブザーバと呼ばれる新しい非線形オブザーバを提案する。 線形行列不等式(LMIs)のみを用いて、LTIの安定性解析(指数収束率など)と、観測問題を解く道を開く不確実な非線形系を導出する。 我々は、X-29A航空機モデル、非線形振り子、四輪操舵車を含む3つのシミュレーションケースにおいて、ニューラルオブザーバが利用可能であることを検証した。
• 参考スコア（独自算出の注目度）: 6.479565605473741
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel nonlinear observer, called the neural observer, for observation tasks of linear time-invariant (LTI) systems and uncertain nonlinear systems by introducing the neural network (NN) into the design of observers. By exploring the method of NN representation to the NN mapping vector, we derive stability analyses (e.g., exponential convergence rate) of LTI and uncertain nonlinear systems that pave the way to solve observation problems using linear matrix inequalities (LMIs) only. Remarkably, the neural observer designed for uncertain systems is based on the ideology of the active disturbance rejection control (ADRC), which can measure the uncertainty in real-time. The LMI results are also significant since we reveal that the observability and controllability of system matrices are required for the existence of solutions of LMIs. Finally, we verify the availability of neural observers on three simulation cases, including the X-29A aircraft model, the nonlinear pendulum, and the four-wheel steering vehicle.
• Abstract（参考訳）: 本稿では,線形時間不変系(LTI)と不確定非線形系の観測タスクに対して,ニューラルネットワーク(NN)をオブザーバの設計に導入することにより,ニューロオブザーバと呼ばれる新しい非線形オブザーバを提案する。 NN写像ベクトルへのNN表現の手法を探索することにより、線形行列不等式(LMIs)のみを用いた観測問題の解法を導出するLTIと不確実性非線形系の安定性解析(指数収束率)を導出する。 注目すべきは、不確実性システムのために設計されたニューラルオブザーバは、リアルタイムに不確実性を測定する能動障害拒絶制御(ADRC)のイデオロギーに基づいていることである。 また,LMIの解が存在するためには,システム行列の可観測性と制御性が必要であることを明らかにするため,LMIの結果も重要である。 最後に,x-29a航空機モデル,非線形振り子,四輪操舵車両の3つのシミュレーションケースにおいて,ニューラルオブザーバの有効性を確認した。

関連論文リスト

• Lyapunov-stable Neural Control for State and Output Feedback: A Novel Formulation [67.63756749551924]
  学習ベースのニューラルネットワーク(NN)制御ポリシは、ロボット工学と制御の幅広いタスクにおいて、印象的な経験的パフォーマンスを示している。 非線形力学系を持つNNコントローラのトラクション領域(ROA)に対するリアプノフ安定性の保証は困難である。 我々は、高速な経験的ファルシフィケーションと戦略的正則化を用いて、Lyapunov証明書とともにNNコントローラを学習するための新しいフレームワークを実証する。
  論文  参考訳（メタデータ） (2024-04-11T17:49:15Z)
• Nonlinear Discrete-Time Observers with Physics-Informed Neural Networks [0.0]
  我々は、離散時間非線形オブザーバ状態推定問題を解くために物理インフォームドニューラルネットワーク(PINN)を用いる。 提案手法は不均一関数方程式の解法により非線形状態変換写像を学習することを目的としている。
  論文  参考訳（メタデータ） (2024-02-19T18:47:56Z)
• Learning Robust State Observers using Neural ODEs (longer version) [1.0094821910320064]
  本稿では、ニューラルODEに基づく非線形システムのための状態オブザーバの設計手法、Luenbergerのようなオブザーバの学習とその非線形拡張について述べる。 チューニング可能なKKLオブザーバでは、学習における学習ベースオブザーバの堅牢性向上の基礎として、オブザーバの設計と収束速度とロバストネスのトレードオフの関係を分析し、利用する。
  論文  参考訳（メタデータ） (2022-12-01T20:58:39Z)
• Identifiability and Asymptotics in Learning Homogeneous Linear ODE Systems from Discrete Observations [114.17826109037048]
  通常の微分方程式(ODE)は、機械学習において最近多くの注目を集めている。 理論的な側面、例えば、統計的推定の識別可能性と特性は、いまだに不明である。 本稿では,1つの軌道からサンプリングされた等間隔の誤差のない観測結果から,同次線形ODE系の同定可能性について十分な条件を導出する。
  論文  参考訳（メタデータ） (2022-10-12T06:46:38Z)
• Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems [59.57462129637796]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-28T13:17:28Z)
• Neural Lyapunov Control of Unknown Nonlinear Systems with Stability Guarantees [4.786698731084036]
  本稿では,未知の非線形システムをニューラルネットワークで安定化させ,ニューラルリアプノフ関数を学習するための学習フレームワークを提案する。 未知の非線形システムに対する閉ループ安定性の観点から,提案手法の理論的保証を提供する。
  論文  参考訳（メタデータ） (2022-06-04T05:57:31Z)
• A Theoretical Overview of Neural Contraction Metrics for Learning-based Control with Guaranteed Stability [7.963506386866862]
  本稿では,最適縮尺と対応する微分リャプノフ関数のニューラルネットワークモデルを提案する。 そのイノベーションは、学習ベースの制御フレームワークに対して、正式な堅牢性を保証することである。
  論文  参考訳（メタデータ） (2021-10-02T00:28:49Z)
• Learning Nonlinear Waves in Plasmon-induced Transparency [0.0]
  プラズモン誘起透過性メタマテリアルシステムにおける非線形ソリトンの複雑な伝播を予測するためのリカレントニューラルネットワーク(RNN)アプローチを検討する。 我々は,長期記憶(LSTM)人工ニューラルネットワークによるシミュレーションと予測において,結果の顕著な一致を証明した。
  論文  参考訳（メタデータ） (2021-07-31T21:21:44Z)
• Controlling nonlinear dynamical systems into arbitrary states using machine learning [77.34726150561087]
  機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。 最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。 必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
  論文  参考訳（メタデータ） (2021-02-23T16:58:26Z)
• Neural Dynamic Mode Decomposition for End-to-End Modeling of Nonlinear Dynamics [49.41640137945938]
  ニューラルネットワークに基づくリフト関数を推定するためのニューラルダイナミックモード分解法を提案する。 提案手法により,予測誤差はニューラルネットワークとスペクトル分解によって逆伝搬される。 提案手法の有効性を,固有値推定と予測性能の観点から実証した。
  論文  参考訳（メタデータ） (2020-12-11T08:34:26Z)
• Lipschitz Recurrent Neural Networks [100.72827570987992]
  我々のリプシッツ再帰ユニットは、他の連続時間RNNと比較して、入力やパラメータの摂動に対してより堅牢であることを示す。 実験により,Lipschitz RNNは,ベンチマークタスクにおいて,既存のリカレントユニットよりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-22T08:44:52Z)

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。