論文の概要: Iterative Learning Control of Fast, Nonlinear, Oscillatory Dynamics (Preprint)
- arxiv url: http://arxiv.org/abs/2405.20045v1
- Date: Thu, 30 May 2024 13:27:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-31 14:18:37.744248
- Title: Iterative Learning Control of Fast, Nonlinear, Oscillatory Dynamics (Preprint)
- Title(参考訳): 高速・非線形・振動ダイナミクスの反復学習制御(予報)
- Authors: John W. Brooks, Christine M. Greve,
- Abstract要約: 非線形でカオス的で、しばしばアクティブな制御方式では速すぎる。
そこで我々は,反復的,軌道最適化,パラメータ調整による代替能動制御システムを開発した。
特定の要件を満たす限り、コントローラは情報不足や制御不能なパラメータに対して堅牢であることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sudden onset of deleterious and oscillatory dynamics (often called instabilities) is a known challenge in many fluid, plasma, and aerospace systems. These dynamics are difficult to address because they are nonlinear, chaotic, and are often too fast for active control schemes. In this work, we develop an alternative active controls system using an iterative, trajectory-optimization and parameter-tuning approach based on Iterative Learning Control (ILC), Time-Lagged Phase Portraits (TLPP) and Gaussian Process Regression (GPR). The novelty of this approach is that it can control a system's dynamics despite the controller being much slower than the dynamics. We demonstrate this controller on the Lorenz system of equations where it iteratively adjusts (tunes) the system's input parameters to successfully reproduce a desired oscillatory trajectory or state. Additionally, we investigate the system's dynamical sensitivity to its control parameters, identify continuous and bounded regions of desired dynamical trajectories, and demonstrate that the controller is robust to missing information and uncontrollable parameters as long as certain requirements are met. The controller presented in this work provides a framework for low-speed control for a variety of fast, nonlinear systems that may aid in instability suppression and mitigation.
- Abstract(参考訳): 突然の消耗と振動のダイナミクス(しばしば不安定と呼ばれる)は、多くの流体、プラズマ、航空宇宙システムにおいて既知の課題である。
これらのダイナミクスは、非線形でカオス的であり、しばしばアクティブな制御スキームでは速すぎるため、対処が難しい。
本研究では、反復学習制御(ILC)、時間ラグ位相格子(TLPP)、ガウス過程回帰(GPR)に基づく反復的、軌道最適化、パラメータ調整アプローチを用いた代替アクティブ制御システムを開発する。
このアプローチの新規性は、コントローラがダイナミクスよりもはるかに遅いにもかかわらず、システムのダイナミクスを制御できることである。
本制御器は, 所望の振動軌道や状態の再現を成功させるために, システムの入力パラメータを反復的に調整(チューニング)する, 方程式のロレンツ系上で実演する。
さらに、制御パラメータに対するシステムの動的感度について検討し、所望の動的軌跡の連続領域と有界領域を同定し、一定の要件を満たす限り制御不能な情報や制御不能なパラメータに頑健であることを実証する。
この研究で提示されたコントローラは、不安定な抑制と緩和に役立つ様々な高速非線形システムの低速制御のためのフレームワークを提供する。
関連論文リスト
- Controlling Chaotic Maps using Next-Generation Reservoir Computing [0.0]
非線形システム制御技術と次世代貯水池計算を併用し,動的システムの挙動を予測するための最良クラス機械学習手法を提案する。
カオスなH'enonマップに対する一連の制御タスクにおいて,コントローラの性能を示す。
我々の制御器はこれらのタスクに成功し、トレーニングに10点のデータポイントしか必要とせず、1回の繰り返しで所望の軌道にシステムを制御することができ、ノイズやモデリングエラーに対して堅牢であることを示す。
論文 参考訳(メタデータ) (2023-07-07T19:44:16Z) - Data-Driven Control with Inherent Lyapunov Stability [3.695480271934742]
本研究では,非線形力学モデルと安定化制御器のパラメトリック表現をデータから共同学習する手法として,インヒーレント・リャプノフ安定度制御(CoILS)を提案する。
新たな構成によって保証される学習力学の安定化性に加えて、学習した制御器は学習力学の忠実性に関する特定の仮定の下で真の力学を安定化することを示す。
論文 参考訳(メタデータ) (2023-03-06T14:21:42Z) - 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) - Controlling quantum many-body systems using reduced-order modelling [0.0]
本稿では,多体量子システムにおける制御問題のクラスを解くための効率的な手法を提案する。
もともとのサブシステムの「デジタルツイン」と見なされる、そのような縮小順序モデルの力学のシミュレーションは、はるかに効率的である。
この結果は、多体システムの研究、非自明な準粒子特性の探索、および量子コンピューティングデバイスの開発管理ツールに直接応用される。
論文 参考訳(メタデータ) (2022-11-01T13:58:44Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-11-12T20:02:00Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳(メタデータ) (2021-08-26T18:00:00Z) - DySMHO: Data-Driven Discovery of Governing Equations for Dynamical
Systems via Moving Horizon Optimization [77.34726150561087]
本稿では,スケーラブルな機械学習フレームワークである移動水平最適化(DySMHO)による動的システムの発見について紹介する。
DySMHOは、基底関数の大きな辞書から基礎となる支配方程式を逐次学習する。
標準非線形力学系の例は、DySMHOが規則を正確に回復できることを示すために用いられる。
論文 参考訳(メタデータ) (2021-07-30T20:35:03Z) - 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) - Continuous Lyapunov Controller and Chaotic Non-linear System
Optimization using Deep Machine Learning [0.0]
非線形高度カオス系の早期故障指標を検出するための新しい手法を提案する。
提案手法はシステムとコントローラの信号を継続的に監視する。
ディープニューラルモデルは、期待されるシステムの不安定性に最も対抗できるパラメータ値を予測します。
論文 参考訳(メタデータ) (2020-10-28T04:45:12Z) - 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) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳(メタデータ) (2020-03-12T19:56:38Z)
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。