論文の概要: LMI-based Data-Driven Robust Model Predictive Control
- arxiv url: http://arxiv.org/abs/2303.04777v1
- Date: Wed, 8 Mar 2023 18:20:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 12:51:33.828944
- Title: LMI-based Data-Driven Robust Model Predictive Control
- Title（参考訳）: LMIに基づくデータ駆動ロバストモデル予測制御
- Authors: Hoang Hai Nguyen, Maurice Friedel, Rolf Findeisen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.1473281171535445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predictive control, which is based on a model of the system to compute the
applied input optimizing the future system behavior, is by now widely used. If
the nominal models are not given or are very uncertain, data-driven model
predictive control approaches can be employed, where the system model or input
is directly obtained from past measured trajectories. Using a data
informativity framework and Finsler's lemma, we propose a data-driven robust
linear matrix inequality-based model predictive control scheme that considers
input and state constraints. Using these data, we formulate the problem as a
semi-definite optimization problem, whose solution provides the matrix gain for
the linear feedback, while the decisive variables are independent of the length
of the measurement data. The designed controller stabilizes the closed-loop
system asymptotically and guarantees constraint satisfaction. Numerical
examples are conducted to illustrate the method.
- Abstract（参考訳）: 予測制御は、将来のシステムの振る舞いを最適化する応用入力を計算するシステムのモデルに基づいており、現在では広く使われている。
名目モデルが与えられていない、あるいは非常に不確実な場合、過去の計測軌道からシステムモデルや入力を直接得るデータ駆動モデル予測制御手法が用いられる。
データ情報化フレームワークとFinslerの補題を用いて,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。
これらのデータを用いて、線形フィードバックに対する行列ゲインを提供する半定値最適化問題として問題を定式化し、決定変数は測定データの長さに依存しない。
設計したコントローラは閉ループ系を漸近的に安定化し、制約満足度を保証する。
本手法の数値的な例を示す。
関連論文リスト
- Data-driven Bayesian State Estimation with Compressed Measurement of Model-free Process using Semi-supervised Learning [57.04370580292727]
モデルフリープロセスの圧縮測定(BSCM)によるデータ駆動ベイズ状態の推定。
時間的測定ベクトルの次元は、推定される時間的状態ベクトルの次元よりも低い。
既存の2つの教師なし学習ベースのデータ駆動手法は、モデルフリープロセスのBSCM問題に対処できない。
半教師付き学習に基づくDANSE手法を開発し,その手法をSemiDANSEと呼ぶ。
論文 参考訳（メタデータ） (2024-07-10T05:03:48Z) - A least-square method for non-asymptotic identification in linear switching control [17.938732931331064]
基礎となる部分観測線形力学系は、既知の候補モデルの有限集合内にあることが知られている。
線形最小二乗法の非漸近解析における最近の進歩を活用して、この問題の有限時間サンプル複雑性を特徴づける。
基礎となるシステムの未知のパラメータを識別するデータ駆動型スイッチング戦略を提案する。
論文 参考訳（メタデータ） (2024-04-11T20:55:38Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Robust Data-Driven Predictive Control using Reachability Analysis [6.686241050151697]
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。
論文 参考訳（メタデータ） (2021-03-25T19:55:15Z) - 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) - 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) - 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) - Probabilistic error estimation for non-intrusive reduced models learned
from data of systems governed by linear parabolic partial differential
equations [0.0]
この研究は、非侵入的モデル還元で学習した縮小モデルに対する残差に基づく後誤差推定器を導出する。
誤差推定器に必要な量は、非侵襲的な方法で最小二乗問題の解として正確に得ることができる。
論文 参考訳（メタデータ） (2020-05-12T16:08:05Z) - Technical Report: Adaptive Control for Linearizable Systems Using
On-Policy Reinforcement Learning [41.24484153212002]
本稿では,未知システムに対するフィードバック線形化に基づくトラッキング制御系を適応的に学習するフレームワークを提案する。
学習した逆モデルがすべての時点において可逆である必要はない。
二重振り子の模擬例は、提案された理論の有用性を示している。
論文 参考訳（メタデータ） (2020-04-06T15:50:31Z)
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。