論文の概要: Identification and Optimal Nonlinear Control of Turbojet Engine Using Koopman Eigenfunction Model

• arxiv url: http://arxiv.org/abs/2505.10438v1
• Date: Thu, 15 May 2025 15:55:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.39745
• Title: Identification and Optimal Nonlinear Control of Turbojet Engine Using Koopman Eigenfunction Model
• Title（参考訳）: クープマン固有関数モデルを用いたターボジェットエンジンの同定と最適非線形制御
• Authors: David Grasev,
• Abstract要約: 非線形力学のスパース同定を用いてロータ動力学を推定した。 結果のKoopmanモデルは、社内のリファレンスコンポーネントレベルモデルに対して検証された。 固有モード構造により、最適化プロセス中に個々のモードをターゲットとすることができ、パフォーマンスチューニングが向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Gas turbine engines represent complex highly nonlinear dynamical systems. Deriving their physics-based models can be challenging as it requires performance characteristics, that are not always available, and one often has to make many simplifying assumptions. In this paper, the limitations of conventional experimental methods used to derive component-level and locally linear parameter-varying models are discussed and addressed by employing identification techniques based on data collected from standard engine operation under closed-loop control. The rotor dynamics were estimated using the sparse identification of nonlinear dynamics. Subsequently, the autonomous part of the dynamics was mapped into an optimally constructed Koopman eigenfunction space. The process included eigenvalue optimization using metaheuristic algorithms and temporal projection, followed by gradient-based eigenfunction identification. The resulting Koopman model was validated against an in-house reference component-level model. A globally optimal nonlinear feedback controller and a Kalman estimator were then designed in the eigenfunction space and compared to the classical and gain-scheduled proportional-integral controllers, as well as a proposed internal model control approach. The eigenmode structure allowed targeting individual modes during the optimization process, resulting in a better performance tuning. The results showed that the Koopman-based controller outperformed the other benchmark controllers in both reference tracking and disturbance rejection, under sea-level and varying flight conditions, due to its global nature.
• Abstract（参考訳）: ガスタービンエンジンは複雑な高非線形力学系を表す。 物理ベースのモデルを導出するのは、常に利用できるとは限らない性能特性を必要とするため、難しい場合がある。 本稿では, クローズドループ制御下での標準エンジン動作から収集したデータに基づく識別手法を用いて, コンポーネントレベルおよび局所線形パラメータ変動モデルの導出に用いる従来の実験手法の限界について論じる。 非線形力学のスパース同定を用いてロータ動力学を推定した。 その後、力学の自律的な部分は最適に構築されたクープマン固有関数空間に写像された。 このプロセスは、メタヒューリスティックアルゴリズムと時間投影を用いた固有値最適化と、勾配に基づく固有関数同定を含む。 結果のKoopmanモデルは、社内のリファレンスコンポーネントレベルモデルに対して検証された。 グローバル最適非線形フィードバック制御器とカルマン推定器は固有関数空間で設計され、古典的およびゲインスケジューリングされた比例積分制御器と比較され、内部モデル制御法が提案された。 固有モード構造により、最適化プロセス中に個々のモードをターゲットとすることができ、パフォーマンスチューニングが向上した。 その結果,コオプマンをベースとした制御器は,海面および様々な飛行条件下での基準追尾と外乱拒絶の両方において,他のベンチマーク制御器よりも優れた性能を示した。

関連論文リスト

• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Koopman-Based Surrogate Modelling of Turbulent Rayleigh-Bénard Convection [4.248022697109535]
  我々は,LRAN(Linear Recurrent Autoencoder Network)と呼ばれるクープマンにインスパイアされたアーキテクチャを用いて,対流中の低次ダイナミクスを学習する。 従来の流体力学法であるKernel Dynamic Mode Decomposition (KDMD)を用いてLRANを比較する。 我々は,最も乱流条件下では,KDMDよりもLRANの方が正確な予測値を得た。
  論文  参考訳（メタデータ） (2024-05-10T12:15:02Z)
• 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)
• Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
  本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。 我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
  論文  参考訳（メタデータ） (2022-10-23T00:45:05Z)
• 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)
• Bayesian optimization of distributed neurodynamical controller models for spatial navigation [1.9249287163937971]
  我々はニューロシュワームコントローラを導入し、エージェントベースの相互作用を神経ネットワークの相互作用に類似してモデル化する。 この複雑さは、従来のSwarmモデルの研究に一般的に使用される安定性、制御可能性、性能の線形解析を妨げる。 ベイズ最適化に基づく自律型マルチエージェントシステムの動的コントローラモデルをチューニング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） (2021-10-31T21:43:06Z)
• 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)

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。