論文の概要: Direct Data Driven Control Using Noisy Measurements

• arxiv url: http://arxiv.org/abs/2505.06407v1
• Date: Fri, 09 May 2025 20:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.828369
• Title: Direct Data Driven Control Using Noisy Measurements
• Title（参考訳）: 雑音計測を用いた直接データ駆動制御
• Authors: Ramin Esmzad, Gokul S. Sankar, Teawon Han, Hamidreza Modares,
• Abstract要約: 本稿では、乱れやノイズのある状態測定の下で線形二次制御器(LQR)を解くための、新しい直接データ駆動制御フレームワークを提案する。 提案手法は凸最適化手法を用いて平均二乗安定性と最適性能を保証する。 提案するフレームワークは,騒音破壊環境における制御器設計のための実用的,理論的に基礎的なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 6.157271985036265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel direct data-driven control framework for solving the linear quadratic regulator (LQR) under disturbances and noisy state measurements. The system dynamics are assumed unknown, and the LQR solution is learned using only a single trajectory of noisy input-output data while bypassing system identification. Our approach guarantees mean-square stability (MSS) and optimal performance by leveraging convex optimization techniques that incorporate noise statistics directly into the controller synthesis. First, we establish a theoretical result showing that the MSS of an uncertain data-driven system implies the MSS of the true closed-loop system. Building on this, we develop a robust stability condition using linear matrix inequalities (LMIs) that yields a stabilizing controller gain from noisy measurements. Finally, we formulate a data-driven LQR problem as a semidefinite program (SDP) that computes an optimal gain, minimizing the steady-state covariance. Extensive simulations on benchmark systems -- including a rotary inverted pendulum and an active suspension system -- demonstrate the superior robustness and accuracy of our method compared to existing data-driven LQR approaches. The proposed framework offers a practical and theoretically grounded solution for controller design in noise-corrupted environments where system identification is infeasible.
• Abstract（参考訳）: 本稿では, 非線形2次制御器(LQR)を外乱およびノイズ状態測定で解くための, 直接データ駆動型制御フレームワークを提案する。 システムダイナミクスは未知と仮定され、LQR解はシステム識別をバイパスしながらノイズの多い入力出力データの1つの軌跡のみを用いて学習される。 本手法は,騒音統計を直接制御器に組み込む凸最適化手法を利用して,平均二乗安定性と最適性能を保証する。 まず、不確実なデータ駆動システムのMSSが真の閉ループシステムのMSSを意味することを示す理論的結果を確立する。 そこで我々は, 線形行列不等式 (LMIs) を用いた頑健な安定条件を構築した。 最後に、データ駆動型LQR問題を半定値プログラム(SDP)として定式化し、最適ゲインを計算し、定常状態の共分散を最小化する。 回転逆振り子とアクティブサスペンションシステムを含むベンチマークシステムにおける広範囲なシミュレーションは、既存のデータ駆動型LQR手法と比較して、我々の手法の堅牢性と精度が優れていることを示す。 提案フレームワークは,システム識別が不可能な騒音崩壊環境における制御器設計のための,実用的で理論的に基礎的なソリューションを提供する。

関連論文リスト

• LMI-based Data-Driven Robust Model Predictive Control [0.1473281171535445]
  入力制約と状態制約を考慮したデータ駆動型ロバストな線形行列不等式モデル予測制御手法を提案する。 コントローラは閉ループシステムを安定化し、制約満足度を保証する。
  論文  参考訳（メタデータ） (2023-03-08T18:20:06Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Adaptive Stochastic MPC under Unknown Noise Distribution [19.03553854357296]
  我々は、未知の雑音分布の下で、確率状態制約とハード入力制約を対象とする線形システムのMPC問題に対処する。 我々は、既知の雑音統計の理想的な設定のために、分布的に頑健で安定なベンチマークSMPCアルゴリズムを設計する。 我々はこのベンチマークコントローラを用いて、必要なノイズ統計をオンラインで学習する新しい適応SMPCスキームを導出する。
  論文  参考訳（メタデータ） (2022-04-03T16:35:18Z)
• Stable Online Control of Linear Time-Varying Systems [49.41696101740271]
  COCO-LQは、大規模なLTVシステムの入出力安定性を保証する効率的なオンライン制御アルゴリズムである。 COCO-LQの性能を実証実験とパワーシステム周波数制御の両例で実証した。
  論文  参考訳（メタデータ） (2021-04-29T06:18:49Z)
• Robust Data-Driven Predictive Control using Reachability Analysis [6.686241050151697]
  境界プロセスおよび測定ノイズを有する未知の線形システムの堅牢なデータ駆動制御方式を提案する。 データ駆動到達可能領域は、システムの軌道のノイズの多い入出力データのみに基づいて算出される。 ノイズフリーの場合、提示された純粋にデータ駆動制御スキームが、名目モデル予測制御スキームに等価な閉ループ挙動をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-03-25T19:55:15Z)
• Data-Driven System Level Synthesis [2.335152769484957]
  本稿では,過去のシステムトラジェクトリのライブラリのみを用いて,システム応答に対する最適化問題を提示できることを示す。 まず、ノイズフリー軌道の理想的な設定を検討し、従来のSLSとデータ駆動SLSの正確な等価性を示す。 次に,プロセスノイズによって駆動されるシステムの場合,頑健なSLSツールを用いて,閉ループ性能に対するノイズの影響を評価できることを示す。
  論文  参考訳（メタデータ） (2020-11-20T22:52:29Z)
• 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)
• 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。