論文の概要: Provably-Stable Neural Network-Based Control of Nonlinear Systems

• arxiv url: http://arxiv.org/abs/2502.00248v1
• Date: Sat, 01 Feb 2025 01:05:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:52:31.935508
• Title: Provably-Stable Neural Network-Based Control of Nonlinear Systems
• Title（参考訳）: 確率安定ニューラルネットワークによる非線形システムの制御
• Authors: Anran Li, John P. Swensen, Mehdi Hosseinzadeh,
• Abstract要約: NNベースの制御に関する現在の文献は、安定性と追跡性能に関する理論的保証を欠いている。 本稿では,アフィン非線形システムのための実測可能なNNベース制御方式を設計するための体系的・包括的手法を提案する。
• 参考スコア（独自算出の注目度）: 3.5000297213981653
• License:
• Abstract: In recent years, Neural Networks (NNs) have been employed to control nonlinear systems due to their potential capability in dealing with situations that might be difficult for conventional nonlinear control schemes. However, to the best of our knowledge, the current literature on NN-based control lacks theoretical guarantees for stability and tracking performance. This precludes the application of NN-based control schemes to systems where stringent stability and performance guarantees are required. To address this gap, this paper proposes a systematic and comprehensive methodology to design provably-stable NN-based control schemes for affine nonlinear systems. Rigorous analysis is provided to show that the proposed approach guarantees stability of the closed-loop system with the NN in the loop. Also, it is shown that the resulting NN-based control scheme ensures that system states asymptotically converge to a neighborhood around the desired equilibrium point, with a tunable proximity threshold. The proposed methodology is validated and evaluated via simulation studies on an inverted pendulum and experimental studies on a Parrot Bebop 2 drone.
• Abstract（参考訳）: 近年、ニューラルネットワーク(NN)は、従来の非線形制御方式では困難な状況に対処する潜在的な能力のため、非線形システムの制御に用いられている。 しかし、我々の知る限りでは、NNベースの制御に関する現在の文献は、安定性と追跡性能に関する理論的保証を欠いている。 これにより、NNベースの制御スキームを、厳格な安定性と性能保証を必要とするシステムに適用することができない。 このギャップに対処するために,本研究では,アフィン非線形システムのための保証可能なNNベース制御方式を設計するための,体系的かつ包括的な方法論を提案する。 厳密な解析により,提案手法がループ内のNNによる閉ループシステムの安定性を保証することを示す。 また、NNベースの制御方式により、システム状態が漸近的に所望の平衡点付近の近傍に収束し、調整可能な近接しきい値を持つことが示されている。 提案手法は逆振子のシミュレーション研究とParrot Bebop 2ドローン実験により検証・評価された。

関連論文リスト

• Lyapunov-stable Neural Control for State and Output Feedback: A Novel Formulation [67.63756749551924]
  学習ベースのニューラルネットワーク(NN)制御ポリシは、ロボット工学と制御の幅広いタスクにおいて、印象的な経験的パフォーマンスを示している。 非線形力学系を持つNNコントローラのトラクション領域(ROA)に対するリアプノフ安定性の保証は困難である。 我々は、高速な経験的ファルシフィケーションと戦略的正則化を用いて、Lyapunov証明書とともにNNコントローラを学習するための新しいフレームワークを実証する。
  論文  参考訳（メタデータ） (2024-04-11T17:49:15Z)
• Safety Filter Design for Neural Network Systems via Convex Optimization [35.87465363928146]
  ニューラルネットワーク(NN)システムの安全性を確保するために,凸最適化に依存する新しい安全フィルタを提案する。 非線形振り子システムにおいて,提案手法の有効性を数値的に示す。
  論文  参考訳（メタデータ） (2023-08-16T01:30:13Z)
• Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems [59.57462129637796]
  本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。 フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。 フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-28T13:17:28Z)
• KCRL: Krasovskii-Constrained Reinforcement Learning with Guaranteed Stability in Nonlinear Dynamical Systems [66.9461097311667]
  形式的安定性を保証するモデルに基づく強化学習フレームワークを提案する。 提案手法は,特徴表現を用いて信頼区間までシステムダイナミクスを学習する。 我々は、KCRLが、基礎となる未知のシステムとの有限数の相互作用において安定化ポリシーを学ぶことが保証されていることを示す。
  論文  参考訳（メタデータ） (2022-06-03T17:27:04Z)
• Neural Network Optimal Feedback Control with Guaranteed Local Stability [2.8725913509167156]
  テスト精度の高いニューラルネットワーク(NN)コントローラでは,動的システムを局所的に安定化させることができないことを示す。 提案するNNアーキテクチャは,最適化されたフィードバックポリシを学習するための半言語近似能力を維持しながら,局所的な安定性を保証する。
  論文  参考訳（メタデータ） (2022-05-01T04:23:24Z)
• 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)
• Neural network optimal feedback control with enhanced closed loop stability [3.0981875303080795]
  近年の研究では、教師あり学習は高次元非線形力学系のための最適フィードバックコントローラを設計するための有効なツールであることが示されている。 しかし、これらのニューラルネットワーク(NN)コントローラの挙動はまだよく理解されていない。 本稿では,NNコントローラがシステムの安定化に有効であることを示すために,数値シミュレーションを用いた。
  論文  参考訳（メタデータ） (2021-09-15T17:59:20Z)
• Robust Stability of Neural-Network Controlled Nonlinear Systems with Parametric Variability [2.0199917525888895]
  ニューラルネットワーク制御非線形システムの安定性と安定化性の理論を考案する。 このような頑健な安定化NNコントローラの計算には、安定性保証トレーニング(SGT)も提案されている。
  論文  参考訳（メタデータ） (2021-09-13T05:09:30Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)
• 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。