論文の概要: Uncertainty Modelling and Robust Observer Synthesis using the Koopman Operator

• arxiv url: http://arxiv.org/abs/2410.01057v1
• Date: Tue, 1 Oct 2024 20:31:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 23:30:27.756811
• Title: Uncertainty Modelling and Robust Observer Synthesis using the Koopman Operator
• Title（参考訳）: クープマン演算子を用いた不確実性モデリングとロバストオブザーバ合成
• Authors: Steven Dahdah, James Richard Forbes,
• Abstract要約: クープマン作用素は非線形系を無限次元線型系として書き換えることを可能にする。 クープマン作用素の有限次元近似は、データから直接同定することができる。 提案手法を実験的に実証するために、数十台のモータードライブの人口を用いている。
• 参考スコア（独自算出の注目度）: 5.317624228510749
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a robust nonlinear observer synthesis method for a population of systems modelled using the Koopman operator. The Koopman operator allows nonlinear systems to be rewritten as infinite-dimensional linear systems. A finite-dimensional approximation of the Koopman operator can be identified directly from data, yielding an approximately linear model of a nonlinear system. The proposed observer synthesis method is made possible by this linearity that in turn allows uncertainty within a population of Koopman models to be quantified in the frequency domain. Using this uncertainty model, linear robust control techniques are used to synthesize robust nonlinear Koopman observers. A population of several dozen motor drives is used to experimentally demonstrate the proposed method. Manufacturing variation is characterized in the frequency domain, and a robust Koopman observer is synthesized using mixed $\mathcal{H}_2$-$\mathcal{H}_\infty$ optimal control.
• Abstract（参考訳）: 本論文では、クープマン作用素を用いてモデル化されたシステムの集団に対する頑健な非線形オブザーバ合成法を提案する。 クープマン作用素は非線形系を無限次元線型系として書き換えることを可能にする。 クープマン作用素の有限次元近似はデータから直接同定することができ、非線形系の概線型モデルが得られる。 提案手法は、この線形性により、クープマンモデルの集団内で不確実性を周波数領域で定量化することができる。 この不確実性モデルを用いて、ロバストな非線形クープマンオブザーバを合成するために線形ロバスト制御技術が使用される。 提案手法を実験的に実証するために、数十台のモータードライブの人口を用いている。 製造の変動は周波数領域で特徴づけられ、強いクープマンオブザーバは混合$\mathcal{H}_2$-$\mathcal{H}_\infty$最適制御を用いて合成される。

関連論文リスト

• 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)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Closed-Loop Koopman Operator Approximation [5.317624228510749]
  本稿では,制御されたフィードバック制御システムのクープマンモデルを特定する手法を提案する。 クローズドループ・クープマン演算子近似法の利点をシミュレーションおよび実験的に示す。
  論文  参考訳（メタデータ） (2023-03-27T15:20:10Z)
• GibbsDDRM: A Partially Collapsed Gibbs Sampler for Solving Blind Inverse Problems with Denoising Diffusion Restoration [64.8770356696056]
  本稿では,DDRM(Denoising Diffusion Restoration Models)の拡張であるGibbsDDRMを提案する。 提案手法は問題に依存しないため,様々な逆問題に対して事前学習した拡散モデルを適用することができる。
  論文  参考訳（メタデータ） (2023-01-30T06:27:48Z)
• Neural Abstractions [72.42530499990028]
  本稿では,ニューラルネットワークを用いた非線形力学モデルの安全性検証手法を提案する。 提案手法は,既存のベンチマーク非線形モデルにおいて,成熟度の高いFlow*と同等に動作することを示す。
  論文  参考訳（メタデータ） (2023-01-27T12:38:09Z)
• Learning Bilinear Models of Actuated Koopman Generators from Partially-Observed Trajectories [1.534667887016089]
  クープマン生成器が支配する可観測体の力学を双線型隠れマルコフモデルとして記述する。 本手法の性能を3つの例に示す。
  論文  参考訳（メタデータ） (2022-09-20T20:10:03Z)
• Towards Data-driven LQR with KoopmanizingFlows [8.133902705930327]
  本稿では,線形時間不変モデル(LTI)を連続時間非自律非線形力学のクラスで学習するための新しいフレームワークを提案する。 我々は、有意な持ち上げ座標を同時に学習しながら、制御において線形なクープマン作用素の有限表現を学習する。
  論文  参考訳（メタデータ） (2022-01-27T17:02:03Z)
• KoopmanizingFlows: Diffeomorphically Learning Stable Koopman Operators [7.447933533434023]
  本稿では,線形時間不変(LTI)モデルを構築するための新しいフレームワークを提案する。 事前に定義された関数のライブラリやスペクトルを知ることなく、クープマン作用素の特徴を学習する。 本稿では,LASA手書きデータセットにおける最先端手法と比較して,提案手法の優れた有効性を示す。
  論文  参考訳（メタデータ） (2021-12-08T02:40:40Z)
• Estimating Koopman operators for nonlinear dynamical systems: a nonparametric approach [77.77696851397539]
  Koopman演算子は非線形系の線形記述を可能にする数学的ツールである。 本稿では,その核となる部分を同一フレームワークのデュアルバージョンとして捉え,それらをカーネルフレームワークに組み込む。 カーネルメソッドとKoopman演算子との強力なリンクを確立し、Kernel関数を通じて後者を推定する。
  論文  参考訳（メタデータ） (2021-03-25T11:08:26Z)
• 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)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)

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。