論文の概要: Data-Guided Regulator for Adaptive Nonlinear Control

• arxiv url: http://arxiv.org/abs/2311.12230v1
• Date: Mon, 20 Nov 2023 23:02:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 02:45:07.108097
• Title: Data-Guided Regulator for Adaptive Nonlinear Control
• Title（参考訳）: 適応非線形制御のためのデータ誘導レギュレータ
• Authors: Niyousha Rahimi and Mehran Mesbahi
• Abstract要約: 本稿では,複雑な非線形システムに対するデータ駆動型フィードバックコントローラの問題に対処する。 目標は、直接的なポリシー更新を通じて、システム状態の有限時間規制を達成することである。
• 参考スコア（独自算出の注目度）: 0.27195102129094995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the problem of designing a data-driven feedback controller for complex nonlinear dynamical systems in the presence of time-varying disturbances with unknown dynamics. Such disturbances are modeled as the "unknown" part of the system dynamics. The goal is to achieve finite-time regulation of system states through direct policy updates while also generating informative data that can subsequently be used for data-driven stabilization or system identification. First, we expand upon the notion of "regularizability" and characterize this system characteristic for a linear time-varying representation of the nonlinear system with locally-bounded higher-order terms. "Rapid-regularizability" then gauges the extent by which a system can be regulated in finite time, in contrast to its asymptotic behavior. We then propose the Data-Guided Regulation for Adaptive Nonlinear Control ( DG-RAN) algorithm, an online iterative synthesis procedure that utilizes discrete time-series data from a single trajectory for regulating system states and identifying disturbance dynamics. The effectiveness of our approach is demonstrated on a 6-DOF power descent guidance problem in the presence of adverse environmental disturbances.
• Abstract（参考訳）: 本稿では, 複雑な非線形力学系のためのデータ駆動型フィードバックコントローラを, 未知のダイナミクスを持つ時間変動障害の存在下で設計する問題に対処する。 このような障害はシステムダイナミクスの"未知の"部分としてモデル化される。 目標は、直接ポリシー更新によるシステム状態の有限時間制御を実現すると同時に、データ駆動安定化やシステム識別に使用できる情報データを生成することだ。 まず,「レギュラライザ性」の概念を拡張し,局所境界を持つ高次項を持つ非線形システムの線形時変表現に対して,このシステム特性を特徴付ける。 そして「ラピッド・レギュラライザビリティ」は、漸近的な振る舞いとは対照的に、システムが有限時間で制御できる範囲を計測する。 次に,適応非線形制御(dg-ran)アルゴリズムのためのデータガイドレギュレーションを提案し,システム状態の制御と外乱ダイナミクスの同定に1つの軌道からの離散時系列データを利用するオンライン反復合成手法を提案する。 本手法の有効性は, 有害な環境障害の存在下での6-DOF電力降下誘導問題において実証された。

関連論文リスト

• Identification For Control Based on Neural Networks: Approximately Linearizable Models [42.15267357325546]
  本研究では,非線形システムの効率的な制御設計と安定性解析のための制御指向同定手法を提案する。 ニューラルネットワークは離散時間非線形状態空間モデルを特定し、時間領域の入力出力挙動を近似する。 ネットワークは、同定されたモデルがフィードバックによってほぼ線形化可能であるように構成され、制御則が学習段階から自明に従うことを保証する。
  論文  参考訳（メタデータ） (2024-09-24T08:31:22Z)
• Data-Driven Adversarial Online Control for Unknown Linear Systems [17.595231077524467]
  このオンライン制御問題に対処する新しいデータ駆動型オンライン適応制御アルゴリズムを提案する。 我々のアルゴリズムは、高い確率で有界な$tmO(T2/3)の後悔勾配を保証し、この問題の最もよく知られた後悔勾配と一致する。
  論文  参考訳（メタデータ） (2023-08-16T04:05:22Z)
• Non-asymptotic System Identification for Linear Systems with Nonlinear Policies [17.420749574975368]
  本稿では,一般非線形および/又は時変ポリシーの下での線形系に対する単一軌道系同定問題について考察する。 非線形および/または時間変化のポリシーによってデータ軌跡が生成されるとき、最小二乗推定のために非漸近誤差を与える。
  論文  参考訳（メタデータ） (2023-06-17T15:05:59Z)
• Learning Control-Oriented Dynamical Structure from Data [25.316358215670274]
  一般非線形制御アフィン系に対する状態依存非線形トラッキングコントローラの定式化について論じる。 安定軌跡追跡における学習版の有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2023-02-06T02:01:38Z)
• Online Control of Unknown Time-Varying Dynamical Systems [48.75672260851758]
  非確率制御モデルにおいて、未知のダイナミクスを持つ時間変化線形系のオンライン制御について検討する。 本研究では,反省行動 (SLS) や反省反応 (Youla) , 線形フィードバック政策 (線形フィードバックポリシー) といった一般的な政策のクラスに関して, 後悔すべき境界について検討する。
  論文  参考訳（メタデータ） (2022-02-16T06:57:14Z)
• 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)
• Supervised DKRC with Images for Offline System Identification [77.34726150561087]
  現代の力学系はますます非線形で複雑なものになりつつある。 予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。 本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
  論文  参考訳（メタデータ） (2021-09-06T04:39:06Z)
• 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)
• Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
  状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。 そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。 本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
  論文  参考訳（メタデータ） (2020-06-18T04:54:11Z)
• On Regularizability and its Application to Online Control of Unstable LTI Systems [0.5735035463793007]
  本稿では,初期安定化制御器やPE入力出力データに事前アクセスすることなく,未知の線形システムのオンライン制御について検討する。 入力行列にのみアクセス可能なデータガイドレギュレーション(Data-Guided Regulation, DGR)手法を提案する。 我々は、ランクワン更新によるDGRの計算性能をさらに向上させ、X-29航空機のオンライン制御におけるその実用性を実証する。
  論文  参考訳（メタデータ） (2020-05-29T23:32:22Z)
• Logarithmic Regret Bound in Partially Observable Linear Dynamical Systems [91.43582419264763]
  部分的に観測可能な線形力学系におけるシステム同定と適応制御の問題について検討する。 開ループ系と閉ループ系の両方において有限時間保証付きの最初のモデル推定法を提案する。 AdaptOnは、未知の部分観測可能な線形力学系の適応制御において、$textpolylogleft(Tright)$ regretを達成する最初のアルゴリズムであることを示す。
  論文  参考訳（メタデータ） (2020-03-25T06:00:33Z)

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。