論文の概要: Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study

• arxiv url: http://arxiv.org/abs/2401.04508v1
• Date: Tue, 9 Jan 2024 11:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 15:45:18.766545
• Title: Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study
• Title（参考訳）: koopman理論を用いたデータ駆動非線形モデル削減:統合制御形式とnmpcケーススタディ
• Authors: Jan C. Schulze and Alexander Mitsos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 56.283944756315066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We use Koopman theory for data-driven model reduction of nonlinear dynamical systems with controls. We propose generic model structures combining delay-coordinate encoding of measurements and full-state decoding to integrate reduced Koopman modeling and state estimation. We present a deep-learning approach to train the proposed models. A case study demonstrates that our approach provides accurate control models and enables real-time capable nonlinear model predictive control of a high-purity cryogenic distillation column.
• Abstract（参考訳）: 制御付き非線形力学系のデータ駆動モデル還元にはkoopman理論を用いる。 そこで本研究では,遅延座標符号化とフルステートデコードを組み合わせた汎用モデル構造を提案する。 提案するモデルを学習する深層学習手法を提案する。 本手法が正確な制御モデルを提供し,高純度低温蒸留塔のリアルタイム非線形モデル予測制御を可能にすることを示す。

関連論文リスト

• Bayesian Model Parameter Learning in Linear Inverse Problems with Application in EEG Focal Source Imaging [49.1574468325115]
  逆問題は、関心のシグナルを直接観測できない限定データ問題として記述することができる。 未知の非線形モデルパラメータを含む線形逆問題について検討した。 ベイズモデルに基づく学習手法を用いて,信号の回復とモデルパラメータの推定を行った。
  論文  参考訳（メタデータ） (2025-01-07T18:14:24Z)
• Data-driven Bayesian State Estimation with Compressed Measurement of Model-free Process using Semi-supervised Learning [57.04370580292727]
  研究テーマは、圧縮測定によるデータ駆動ベイズ状態推定である。 状態の基本的な力学モデルは未知であると仮定される。 既存の2つの教師なし学習ベースのデータ駆動手法は、BSCMの問題に対処できない。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
  我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。 従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。 我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
  論文  参考訳（メタデータ） (2024-05-10T12:15:02Z)
• Data-Driven Model Reduction and Nonlinear Model Predictive Control of an Air Separation Unit by Applied Koopman Theory [45.84205238554709]
  空気分離ユニットの低次制御モデルを生成するためのデータ駆動型削減戦略を提案する。 縮小したクープマンモデルの固定ブロック構造に合わせた微分を用いたNMPC実装を提案する。 調整したNMPC実装による削減手法により、ASUのリアルタイムNMPCを平均CPU時間で98 %削減できる。
  論文  参考訳（メタデータ） (2023-09-11T11:18:16Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Nonlinear proper orthogonal decomposition for convection-dominated flows [0.0]
  そこで本稿では,自動エンコーダと長期記憶ネットワークを組み合わせたエンドツーエンドのガレルキンフリーモデルを提案する。 我々の手法は精度を向上するだけでなく、トレーニングやテストの計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2021-10-15T18:05:34Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• 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)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。