論文の概要: Canonical Form of Datatic Description in Control Systems
- arxiv url: http://arxiv.org/abs/2403.01768v1
- Date: Mon, 4 Mar 2024 06:53:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 19:57:49.116022
- Title: Canonical Form of Datatic Description in Control Systems
- Title（参考訳）: 制御系におけるデータ記述の標準形式
- Authors: Guojian Zhan, Ziang Zheng, Shengbo Eben Li
- Abstract要約: 状態空間モデルの標準形式は、モデル制御システムにおいて重要な概念である。
データ制御の分野では、データベースのシステム表現の標準化に顕著な欠如がある。
本稿では,データ型コントローラのより効率的な設計を実現するために,標準データ形式の概念を紹介する。
- 参考スコア（独自算出の注目度）: 10.499978444694507
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The design of feedback controllers is undergoing a paradigm shift from
modelic (i.e., model-driven) control to datatic (i.e., data-driven) control.
Canonical form of state space model is an important concept in modelic control
systems, exemplified by Jordan form, controllable form and observable form,
whose purpose is to facilitate system analysis and controller synthesis. In the
realm of datatic control, there is a notable absence in the standardization of
data-based system representation. This paper for the first time introduces the
concept of canonical data form for the purpose of achieving more effective
design of datatic controllers. In a control system, the data sample in
canonical form consists of a transition component and an attribute component.
The former encapsulates the plant dynamics at the sampling time independently,
which is a tuple containing three elements: a state, an action and their
corresponding next state. The latter describes one or some artificial
characteristics of the current sample, whose calculation must be performed in
an online manner. The attribute of each sample must adhere to two requirements:
(1) causality, ensuring independence from any future samples; and (2) locality,
allowing dependence on historical samples but constrained to a finite
neighboring set. The purpose of adding attribute is to offer some kinds of
benefits for controller design in terms of effectiveness and efficiency. To
provide a more close-up illustration, we present two canonical data forms:
temporal form and spatial form, and demonstrate their advantages in reducing
instability and enhancing training efficiency in two datatic control systems.
- Abstract（参考訳）: フィードバックコントローラの設計は、モデル駆動制御(モデル駆動制御)からデータ駆動制御(データ駆動制御)へのパラダイムシフトを受けている。
状態空間モデルの正準形式は、ジョルダン形式、可制御形式、可観測形式によって例示されるモデル制御システムにおいて重要な概念であり、その目的はシステム解析とコントローラ合成を促進することである。
データ制御の分野では、データベースのシステム表現の標準化には注目すべき点がある。
本稿では,データ型コントローラのより効率的な設計を実現するための標準データ形式の概念を初めて紹介する。
制御システムにおいて、標準形式のデータサンプルは、遷移成分と属性成分とから構成される。
前者はサンプリング時に植物動態を独立にカプセル化し、これは状態、作用、および対応する次の状態の3つの要素を含むタプルである。
後者は、現在のサンプルの1つまたはいくつかの人工的な特性を記述し、その計算をオンラインで行う必要がある。
それぞれのサンプルの属性は、(1)因果性、将来のサンプルからの独立性の確保、(2)局所性、そして、歴史的なサンプルへの依存を許容するが、有限の隣接集合に制約される。
属性を追加する目的は、効率性と効率性の観点からコントローラ設計にいくつかの利点を提供することである。
より密接な図示を行うために,2つの正準データ形式である時間形式と空間形式を提示し,それらの利点を2つのデータ制御システムにおける不安定性とトレーニング効率の向上に示す。
関連論文リスト
- Synthetic data generation for system identification: leveraging
knowledge transfer from similar systems [0.3749861135832073]
本稿では,データ不足を特徴とするシナリオにおけるモデル一般化とロバスト性の向上を目的とした,新しい合成データ生成手法を提案する。
合成データは、興味あるシステムが属すると考えられる幅広い種類のシステムを記述する、事前訓練されたメタモデルによって生成される。
この手法の有効性は,システム識別プロセスに合成データを組み込むことの利点を強調する数値的な例を通して示される。
論文 参考訳（メタデータ） (2024-03-08T09:09:15Z) - Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated
Control Form and NMPC Case Study [56.283944756315066]
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。
論文 参考訳（メタデータ） (2024-01-09T11:54:54Z) - Unraveling the Control Engineer's Craft with Neural Networks [4.5088302622486935]
本稿では,デジタルツインを用いて入力出力データとパラメータの摂動に適したコントローラを生成する,データ駆動型コントローラチューニング手法を提案する。
我々は,デジタルツインの摂動バージョンから人工的に生成されたデータに基づいて,入力出力データをコントローラパラメータにマッピングするコントローラチューニングルールを学習する。
論文 参考訳（メタデータ） (2023-11-20T10:22:38Z) - Optimal Transport-Guided Conditional Score-Based Diffusion Models [63.14903268958398]
条件付きスコアベース拡散モデル(SBDM)は、条件付きデータを条件としてターゲットデータの条件付き生成を行い、画像翻訳において大きな成功を収めた。
本稿では, 最適輸送誘導条件付きスコアベース拡散モデル(OTCS)を提案する。
論文 参考訳（メタデータ） (2023-11-02T13:28:44Z) - Physics-informed Convolutional Recurrent Surrogate Model for Reservoir
Simulation with Well Controls [0.0]
本稿では,物理インフォームド畳み込みニューラルネットワーク(RNN)を用いた流体流動モデリングのための新しい代理モデルを提案する。
このモデルは、畳み込み長期記憶(ConvLSTM)を使用して、多孔質流れにおける状態進化ダイナミクスの繰り返しの依存関係をキャプチャする。
提案モデルにより, 地下流動の効率的かつ正確な予測が可能となり, 貯水池工学における最適制御設計への応用が期待できる。
論文 参考訳（メタデータ） (2023-05-15T22:43:18Z) - On the sample complexity of stabilizing linear dynamical systems from
data [0.0]
この研究は、線型力学系が次元(McMillan次数)$n$を持つ場合、安定化フィードバックコントローラを構築することができる状態から常に$n$が存在することを示す。
この発見は、任意の線形力学系が、力学のモデルを学ぶのに必要な最小の状態よりも少ない観測状態から安定化できることを示唆している。
論文 参考訳（メタデータ） (2022-02-28T16:25:00Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - 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) - How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating
and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。
当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文 参考訳（メタデータ） (2021-02-17T18:25:30Z) - 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) - S3VAE: Self-Supervised Sequential VAE for Representation Disentanglement
and Data Generation [31.38329747789168]
自己超越下での逐次データの不整合表現を学習するための逐次変分オートエンコーダを提案する。
我々は、入力データ自体から容易にアクセス可能な監視信号や、市販の機能モデルから得られる利点を利用する。
我々のモデルは入力シーケンスの表現を静的因子と動的因子に容易に切り離すことができる。
論文 参考訳（メタデータ） (2020-05-23T00:44:38Z)
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。