論文の概要: Recurrent neural network-based robust control systems with closed-loop regional incremental ISS and application to MPC design

• arxiv url: http://arxiv.org/abs/2506.20334v1
• Date: Wed, 25 Jun 2025 11:44:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.717667
• Title: Recurrent neural network-based robust control systems with closed-loop regional incremental ISS and application to MPC design
• Title（参考訳）: 閉ループ局所インクリメンタルISSを用いたリカレントニューラルネットワークによるロバスト制御系とMPC設計への応用
• Authors: Daniele Ravasio, Marcello Farina, Alessio La Bella, Andrea Ballarino,
• Abstract要約: 本稿では,リカレントニューラルネットワークのクラスによって記述されたシステムに対する出力フィードバック方式の設計について検討する。 本稿では, 線形行列の不等式に基づいて, オブザーバと静的状態フィードバックコントローラを設計する手法を提案する。 本稿では,静的法則を管型非線形モデル予測制御器に置き換える手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates the design of output-feedback schemes for systems described by a class of recurrent neural networks. We propose a procedure based on linear matrix inequalities for designing an observer and a static state-feedback controller. The algorithm leverages global and regional incremental input-to-state stability (incremental ISS) and enables the tracking of constant setpoints, ensuring robustness to disturbances and state estimation uncertainty. To address the potential limitations of regional incremental ISS, we introduce an alternative scheme in which the static law is replaced with a tube-based nonlinear model predictive controller (NMPC) that exploits regional incremental ISS properties. We show that these conditions enable the formulation of a robust NMPC law with guarantees of convergence and recursive feasibility, leading to an enlarged region of attraction. Theoretical results are validated through numerical simulations on the pH-neutralisation process benchmark, demonstrating the effectiveness of the proposed schemes.
• Abstract（参考訳）: 本稿では,リカレントニューラルネットワークのクラスによって記述されたシステムに対する出力フィードバック方式の設計について検討する。 本稿では, 線形行列の不等式に基づいて, オブザーバと静的状態フィードバックコントローラを設計する手法を提案する。 このアルゴリズムは、グローバルおよび地域的なインクリメンタルなインクリメンタルなインプット・トゥ・ステートの安定性(インクリメンタルISS)を活用し、一定のセットポイントの追跡を可能にし、障害に対する堅牢性と状態推定の不確実性を保証する。 本研究では, 局所増分ISSの潜在的な限界に対処するため, 静的法則を局所増分ISS特性を利用した管型非線形モデル予測制御器 (NMPC) に置き換える方式を提案する。 これらの条件は収束性と再帰的実現性を確保した堅牢なNMPC法の定式化を可能にし,アトラクションの領域が拡大することを示す。 pH-中性化プロセスベンチマークの数値シミュレーションにより理論的結果が検証され,提案手法の有効性が示された。

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)
• Provably-Stable Neural Network-Based Control of Nonlinear Systems [3.5000297213981653]
  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。
  論文  参考訳（メタデータ） (2025-02-01T01:05:06Z)
• 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)
• Nonlinear MPC design for incrementally ISS systems with application to GRU networks [0.0]
  本稿では,指数関数的にインクリメンタルな入力-状態安定(ISS)システムのためのモデル予測制御(NMPC)戦略の設計について述べる。 設計手法は、リカレントニューラルネットワーク(RNN)によって学習されたシステムの制御に特に適している。 このアプローチは Gated Recurrent Unit (GRU) ネットワークに適用され、収束保証を備えた調整状態オブザーバの設計方法も提供する。
  論文  参考訳（メタデータ） (2023-09-28T13:26:20Z)
• Ensemble Reservoir Computing for Dynamical Systems: Prediction of Phase-Space Stable Region for Hadron Storage Rings [0.0]
  Echo State Networks (ESN) は、計算に有効なリカレントニューラルネットワークのクラスである。 本研究では、位相空間安定性領域の予測に基づいて、ESNが到達した性能を示す。 提案手法は動的開口範囲の時間進化を効果的に予測できる。
  論文  参考訳（メタデータ） (2023-01-17T10:29:07Z)
• Reliably-stabilizing piecewise-affine neural network controllers [5.203329540700177]
  モデル予測制御(MPC)ポリシーのニューラルネットワーク(NN)近似に影響を与える一般的な問題は、NNベースのコントローラの動作の下でクローズドループシステムの安定性を評価するための分析ツールがないことである。 本稿では、そのような制御器の性能を定量化したり、与えられたMPCスキームの望ましい特性を保持する最小の複雑性NNを設計するための一般的な手順を提案する。
  論文  参考訳（メタデータ） (2021-11-13T20:01:43Z)
• 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。