論文の概要: Improving the Region of Attraction of a Multi-rotor UAV by Estimating Unknown Disturbances
- arxiv url: http://arxiv.org/abs/2409.00257v1
- Date: Fri, 30 Aug 2024 21:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 16:02:27.228217
- Title: Improving the Region of Attraction of a Multi-rotor UAV by Estimating Unknown Disturbances
- Title（参考訳）: 未知外乱推定によるマルチロータUAVの誘引領域の改善
- Authors: Sachithra Atapattu, Oscar De Silva, Thumeera R Wanasinghe, George K I Mann, Raymond G Gosine,
- Abstract要約: 本研究では,リニア2次制御器(LQR)コントローラを用いて制御された多回転無人航空機(UAV)のアトラクション(ROA)領域を精度良く推定する機械学習支援手法を提案する。
提案手法はROAをより正確に推定するが,従来のリャプノフに基づく推定はより保守的である傾向にある。
- 参考スコア（独自算出の注目度）: 1.1044979145231115
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study presents a machine learning-aided approach to accurately estimate the region of attraction (ROA) of a multi-rotor unmanned aerial vehicle (UAV) controlled using a linear quadratic regulator (LQR) controller. Conventional ROA estimation approaches rely on a nominal dynamic model for ROA calculation, leading to inaccurate estimation due to unknown dynamics and disturbances associated with the physical system. To address this issue, our study utilizes a neural network to predict these unknown disturbances of a planar quadrotor. The nominal model integrated with the learned disturbances is then employed to calculate the ROA of the planer quadrotor using a graphical technique. The estimated ROA is then compared with the ROA calculated using Lyapunov analysis and the graphical approach without incorporating the learned disturbances. The results illustrated that the proposed method provides a more accurate estimation of the ROA, while the conventional Lyapunov-based estimation tends to be more conservative.
- Abstract（参考訳）: 本研究では,リニア2次制御器(LQR)コントローラを用いて制御された多回転無人航空機(UAV)のアトラクション(ROA)領域を精度良く推定する機械学習支援手法を提案する。
従来の ROA 推定手法は ROA 計算のための名目的力学モデルに依存しており、未知の力学と物理系の乱れによる不正確な推定が導かれる。
この問題に対処するために,我々はニューラルネットワークを用いて,平面四重項の未知の乱れを予測する。
次に、学習された外乱と統合された名目モデルを用いて、グラフィカル手法を用いて平面四重項のROAを算出する。
次に、推定ROAをリアプノフ解析とグラフィカルアプローチを用いて計算したROAと比較する。
その結果、提案手法はROAをより正確に推定するが、従来のリャプノフに基づく推定はより保守的であることが示された。
関連論文リスト
- Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。
本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。
本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-17T11:47:56Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - Reinforcement learning-based estimation for partial differential equations [1.621267003497711]
流体流動のような非線形偏微分方程式に支配されるシステムでは、状態推定器の設計は減階モデル(ROM)に依存している。
本稿では,RL-ROE(Regress Learning reduced-order estimator)を提案する。
論文 参考訳（メタデータ） (2023-01-20T23:21:08Z) - A Data-Driven Slip Estimation Approach for Effective Braking Control
under Varying Road Conditions [0.0]
多層ニューラルネットワークに基づく新しい推定アルゴリズムを提案する。
トレーニングは、広く使われている摩擦モデルから派生した合成データセットに基づいている。
実験結果とモデルベースラインとの比較により,提案手法が最適すべり推定に有効であることを示す。
論文 参考訳（メタデータ） (2022-11-04T16:24:05Z) - Guaranteed Trajectory Tracking under Learned Dynamics with Contraction Metrics and Disturbance Estimation [5.147919654191323]
本稿では,制約指標と外乱推定に基づく軌道中心学習制御へのアプローチを提案する。
提案するフレームワークは、平面四重項の例で検証される。
論文 参考訳（メタデータ） (2021-12-15T15:57:33Z) - Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。
本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。
BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文 参考訳（メタデータ） (2021-10-24T10:23:51Z) - Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for
sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。
我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。
提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文 参考訳（メタデータ） (2021-10-20T06:15:45Z) - Enhanced Doubly Robust Learning for Debiasing Post-click Conversion Rate
Estimation [29.27760413892272]
クリック後の変換は、ユーザの好みを示す強いシグナルであり、レコメンデーションシステムを構築する上で有益である。
現在、ほとんどの既存の手法は、対実学習を利用してレコメンデーションシステムを破壊している。
本稿では,MRDR推定のための新しい二重学習手法を提案し,誤差計算を一般的なCVR推定に変換する。
論文 参考訳（メタデータ） (2021-05-28T06:59:49Z) - Approximate Robust NMPC using Reinforcement Learning [0.0]
障害や不確実性の存在下で非線形システムを制御するための強化学習に基づくロバストモデル予測制御(RL-RNMPC)を提案する。
論文 参考訳（メタデータ） (2021-04-06T18:34:58Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - Learning to Predict Error for MRI Reconstruction [67.76632988696943]
提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。
本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-02-13T15:55:32Z)
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。