論文の概要: Vision-aided nonlinear control framework for shake table tests
- arxiv url: http://arxiv.org/abs/2309.00187v1
- Date: Fri, 1 Sep 2023 00:59:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 14:49:42.878481
- Title: Vision-aided nonlinear control framework for shake table tests
- Title（参考訳）: 揺動テーブル試験のための視覚支援非線形制御フレームワーク
- Authors: Zhongwei Chen, T.Y. Yang, Yifei Xiao, Xiao Pan, Wanyan Yang
- Abstract要約: 地震励振時の構造応答は, スケールダウンモデルシェイクテーブル試験やフルスケールモデルシェイクテーブル試験によってシミュレーションできる。
適応制御理論は非線形揺動テーブル制御アルゴリズムとして用いられる。
提案した制御フレームワークは、シェイクテーブル制御に効果的に利用できる。
- 参考スコア（独自算出の注目度）: 6.522526316147907
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The structural response under the earthquake excitations can be simulated by
scaled-down model shake table tests or full-scale model shake table tests. In
this paper, adaptive control theory is used as a nonlinear shake table control
algorithm which considers the inherent nonlinearity of the shake table system
and the Control-Structural Interaction (CSI) effect that the linear controller
cannot consider, such as the Proportional-Integral-Derivative (PID) controller.
The mass of the specimen can be assumed as an unknown variation and the unknown
parameter will be replaced by an estimated value in the proposed control
framework. The signal generated by the control law of the adaptive control
method will be implemented by a loop-shaping controller. To verify the
stability and feasibility of the proposed control framework, a simulation of a
bare shake table and experiments with a bare shake table with a two-story frame
were carried out. This study randomly selects Earthquake recordings from the
Pacific Earthquake Engineering Research Center (PEER) database. The simulation
and experimental results show that the proposed control framework can be
effectively used in shake table control.
- Abstract（参考訳）: 地震励起下の構造応答は、スケールダウンモデルシェイクテーブルテストまたはフルスケールモデルシェイクテーブルテストによってシミュレートすることができる。
本稿では,適応制御理論を非線形シェイクテーブル制御アルゴリズムとして使用し,シェイクテーブルシステムの固有非線形性と,線形コントローラが考慮できない制御-構造間相互作用(csi)効果,例えば比例積分-導出(pid)制御などについて検討する。
標本の質量は未知の変量と見なすことができ、未知のパラメータは提案した制御フレームワークで推定値に置き換えられる。
適応制御法の制御則によって生成された信号はループシェーピング制御によって実装される。
提案する制御フレームワークの安定性と実現性を検証するため,裸振テーブルのシミュレーションと2階建てフレームを用いた裸振テーブルを用いた実験を行った。
本研究では,太平洋地震工学研究センター(PEER)データベースから地震記録をランダムに選択する。
シミュレーションおよび実験結果から,提案した制御フレームワークは揺動テーブル制御に有効であることが示された。
関連論文リスト
- Neural Internal Model Control: Learning a Robust Control Policy via Predictive Error Feedback [16.46487826869775]
本稿では,モデルベース制御とRLベース制御を統合し,ロバスト性を高めるニューラル内部モデル制御を提案する。
我々のフレームワークは、剛体力学にニュートン・オイラー方程式を適用することで予測モデルを合理化し、複雑な高次元非線形性を捉える必要がなくなる。
本研究では,四足歩行ロボットと四足歩行ロボットにおけるフレームワークの有効性を実証し,最先端の手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2024-11-20T07:07:42Z) - Multirotor Ensemble Model Predictive Control I: Simulation Experiments [0.0]
アンサンブル表現されたガウス過程は、初期時間の最適利得を決定するために後方計算を行う。
端末制御と制御問題のためのEMPCを構築し、シミュレーション・同一双対研究の制御に適用する。
論文 参考訳（メタデータ） (2023-05-22T01:32:17Z) - 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) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z) - Neural network optimal feedback control with enhanced closed loop
stability [3.0981875303080795]
近年の研究では、教師あり学習は高次元非線形力学系のための最適フィードバックコントローラを設計するための有効なツールであることが示されている。
しかし、これらのニューラルネットワーク(NN)コントローラの挙動はまだよく理解されていない。
本稿では,NNコントローラがシステムの安定化に有効であることを示すために,数値シミュレーションを用いた。
論文 参考訳（メタデータ） (2021-09-15T17:59:20Z) - 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) - Imposing Robust Structured Control Constraint on Reinforcement Learning
of Linear Quadratic Regulator [0.0]
本稿では,分散学習制御の手法を編み出した汎用構造の設計について述べる。
方法論の開発には、強化学習(RL)と制御理論による十分な安定性と性能保証を併用した考え方を用いる。
6エージェントのマルチエージェントネットワーク上でのシミュレーションによる理論的結果の検証を行った。
論文 参考訳（メタデータ） (2020-11-12T00:31:39Z) - Neural Identification for Control [30.91037635723668]
提案手法は、安定閉ループ力学仮説と対応する制御則を生成するために、リアプノフ安定性理論に依存する。
我々は,nリンク振り子バランスや軌道追跡,カートバランスの振り子,車輪付き車両経路の追従など,様々な非線形制御問題について実演する。
論文 参考訳（メタデータ） (2020-09-24T16:17:44Z) - Learning Stabilizing Controllers for Unstable Linear Quadratic
Regulators from a Single Trajectory [85.29718245299341]
線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。
楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。
高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
論文 参考訳（メタデータ） (2020-06-19T08:58:57Z) - Reinforcement Learning for Safety-Critical Control under Model
Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。
RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
論文 参考訳（メタデータ） (2020-04-16T10:51:33Z)
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。