論文の概要: Deep Neural Koopman Operator-based Economic Model Predictive Control of Shipboard Carbon Capture System

• arxiv url: http://arxiv.org/abs/2504.06818v2
• Date: Sat, 12 Apr 2025 12:51:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 10:02:47.452169
• Title: Deep Neural Koopman Operator-based Economic Model Predictive Control of Shipboard Carbon Capture System
• Title（参考訳）: 深層ニューラルクープマン演算子を用いた船舶炭素回収システムの経済モデル予測制御
• Authors: Minghao Han, Xunyuan Yin,
• Abstract要約: クープマンフレームワークにおけるデータ駆動型動的モデリングと経済予測制御手法を提案する。 この統合モデリングと制御のアプローチは、船舶の燃焼後炭素捕獲プラントの安全でエネルギー効率の良いプロセス運用を実現するために用いられる。
• 参考スコア（独自算出の注目度）: 2.087148326341881
• License:
• Abstract: Shipboard carbon capture is a promising solution to help reduce carbon emissions in international shipping. In this work, we propose a data-driven dynamic modeling and economic predictive control approach within the Koopman framework. This integrated modeling and control approach is used to achieve safe and energy-efficient process operation of shipboard post-combustion carbon capture plants. Specifically, we propose a deep neural Koopman operator modeling approach, based on which a Koopman model with time-varying model parameters is established. This Koopman model predicts the overall economic operational cost and key system outputs, based on accessible partial state measurements. By leveraging this learned model, a constrained economic predictive control scheme is developed. Despite time-varying parameters involved in the formulated model, the formulated optimization problem associated with the economic predictive control design is convex, and it can be solved efficiently during online control implementations. Extensive tests are conducted on a high-fidelity simulation environment for shipboard post-combustion carbon capture processes. Four ship operational conditions are taken into account. The results show that the proposed method significantly improves the overall economic operational performance and carbon capture rate. Additionally, the proposed method guarantees safe operation by ensuring that hard constraints on the system outputs are satisfied.
• Abstract（参考訳）: 船舶の炭素捕獲は、国際輸送における二酸化炭素排出量を減らすための有望な解決策である。 本研究では,データ駆動型動的モデリングとKoopmanフレームワーク内の経済予測制御手法を提案する。 この統合モデリングと制御のアプローチは、船舶の燃焼後炭素捕獲プラントの安全でエネルギー効率の良いプロセス運用を実現するために用いられる。 具体的には,時間変化モデルパラメータを持つクープマンモデルを構築したディープニューラルクープマン演算子モデリング手法を提案する。 このクープマンモデルは、アクセス可能な部分的状態測定に基づいて、全体的な経済運用コストと主要なシステム出力を予測する。 この学習モデルを活用することで、制約付き経済予測制御方式が開発される。 定式化モデルに係わる時間的パラメータにもかかわらず、経済予測制御設計に関連する定式化最適化問題は凸であり、オンライン制御実装において効率的に解ける。 組立後炭素捕獲プロセスの高忠実度シミュレーション環境において, 広範囲な試験を行った。 船舶の運用状況は4つ考慮されている。 その結果,提案手法は全体の経済運用性能と炭素捕獲率を著しく向上させることがわかった。 さらに,システム出力の厳しい制約が満たされることを保証し,安全運転を保証する。

関連論文リスト

• STONet: A novel neural operator for modeling solute transport in micro-cracked reservoirs [0.49998148477760973]
  マイクロクラック型貯水池における汚染物質輸送を効率的にモデル化するニューラルオペレーターであるソルトトランスポート・オペレーター・ネットワーク(STONet)を開発した。 このモデルは異なるネットワークを組み合わせて、異種特性を効果的にエンコードする。 数値実験により, 有限要素法に匹敵する精度が得られた。
  論文  参考訳（メタデータ） (2024-12-07T07:53:47Z)
• Efficient Data-Driven MPC for Demand Response of Commercial Buildings [0.0]
  小型商業ビルにおけるエネルギー管理のためのデータ駆動型・混合整数入札戦略を提案する。 屋上ユニットの暖房, 個別制御による空調システムについて検討し, 商業ビルの運転を正確にモデル化する。 当社のアプローチをいくつかの需要応答(DR)設定に適用する。
  論文  参考訳（メタデータ） (2024-01-28T20:01:44Z)
• 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)
• COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically for Model-Based RL [50.385005413810084]
  ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。 $textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
  論文  参考訳（メタデータ） (2023-10-11T06:10:07Z)
• Distributed Robust Learning-Based Backstepping Control Aided with Neurodynamics for Consensus Formation Tracking of Underwater Vessels [14.660236097277638]
  本稿では,複数の水中船のコンセンサス生成追跡のための分散ロバスト学習に基づく制御について述べる。 海洋船舶のシステムパラメータは完全に未知であり、モデリングミスマッチ、海洋障害、騒音にさらされていると推定されている。
  論文  参考訳（メタデータ） (2023-08-18T05:45:13Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Adaptive Model Predictive Control by Learning Classifiers [26.052368583196426]
  制御パラメータとモデルパラメータを自動的に推定する適応型MPC変種を提案する。 我々は,BOを密度比推定として定式化できることを示す最近の結果を活用する。 その後、これはモデル予測経路積分制御フレームワークに統合され、様々な困難なロボティクスタスクのための堅牢なコントローラを生成する。
  論文  参考訳（メタデータ） (2022-03-13T23:22:12Z)
• Sample-Efficient Reinforcement Learning via Conservative Model-Based Actor-Critic [67.00475077281212]
  モデルベース強化学習アルゴリズムは、モデルフリーのアルゴリズムよりもサンプル効率が高い。 本稿では,精度の高い学習モデルに強く依存することなく,高いサンプル効率を実現する新しい手法を提案する。 CMBACは,いくつかの課題に対して,サンプル効率の点で最先端のアプローチを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-12-16T15:33:11Z)
• A Reinforcement Learning-based Economic Model Predictive Control Framework for Autonomous Operation of Chemical Reactors [0.5735035463793008]
  本研究では,非線形系のオンラインモデルパラメータ推定のためのEMPCとRLを統合するための新しいフレームワークを提案する。 最先端のRLアルゴリズムとEMPCスキームを最小限の修正で使用できます。
  論文  参考訳（メタデータ） (2021-05-06T13:34:30Z)
• 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。