論文の概要: Deep Koopman Economic Model Predictive Control of a Pasteurisation Unit

• arxiv url: http://arxiv.org/abs/2511.04437v1
• Date: Thu, 06 Nov 2025 15:08:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.467656
• Title: Deep Koopman Economic Model Predictive Control of a Pasteurisation Unit
• Title（参考訳）: パスツール化ユニットの深部クープマン経済モデル予測制御
• Authors: Patrik Valábek, Michaela Horváthová, Martin Klaučo,
• Abstract要約: 本稿では,実験室規模パスツール化ユニット(PU)の効率的な運用を目的とした深層クープマン型経済モデル予測制御(EMPC)を提案する。 ディープクープマンモデルはニューラルネットワークを用いて実験データから線形力学を学習する。 クープマンをベースとしたEMPCによる定常運転は電気エネルギーを10.2%削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a deep Koopman-based Economic Model Predictive Control (EMPC) for efficient operation of a laboratory-scale pasteurization unit (PU). The method uses Koopman operator theory to transform the complex, nonlinear system dynamics into a linear representation, enabling the application of convex optimization while representing the complex PU accurately. The deep Koopman model utilizes neural networks to learn the linear dynamics from experimental data, achieving a 45% improvement in open-loop prediction accuracy over conventional N4SID subspace identification. Both analyzed models were employed in the EMPC formulation that includes interpretable economic costs, such as energy consumption, material losses due to inadequate pasteurization, and actuator wear. The feasibility of EMPC is ensured using slack variables. The deep Koopman EMPC and N4SID EMPC are numerically validated on a nonlinear model of multivariable PU under external disturbance. The disturbances include feed pump fail-to-close scenario and the introduction of a cold batch to be pastuerized. These results demonstrate that the deep Koopmand EMPC achieves a 32% reduction in total economic cost compared to the N4SID baseline. This improvement is mainly due to the reductions in material losses and energy consumption. Furthermore, the steady-state operation via Koopman-based EMPC requires 10.2% less electrical energy. The results highlight the practical advantages of integrating deep Koopman representations with economic optimization to achieve resource-efficient control of thermal-intensive plants.
• Abstract（参考訳）: 本稿では,実験室規模のパスツール化ユニット(PU)の効率的な運用を目的とした,深層クープマン型経済モデル予測制御(EMPC)を提案する。 この手法はクープマン作用素理論を用いて複素非線形系の力学を線形表現に変換し、複素PUを正確に表現しながら凸最適化の適用を可能にする。 ディープクープマンモデルでは、ニューラルネットワークを用いて実験データから線形ダイナミクスを学習し、従来のN4SIDサブスペース識別よりもオープンループ予測精度を45%向上させる。 いずれのモデルもEMPCの定式化に採用され,エネルギー消費,不適切な牧畜による材料損失,アクチュエータ摩耗などの解釈可能な経済コストが考慮された。 EMPCの実現性はスラック変数を用いて保証される。 深部クープマンEMPCとN4SIDEMPCは外乱下での多変量PUの非線形モデル上で数値的に検証される。 この障害には、フィードポンプのフェール・トゥ・クロースシナリオや、ペーストするコールドバッチの導入が含まれる。 これらの結果は,N4SIDベースラインと比較して経済コストの32%削減を実現していることを示す。 この改善は主に材料損失とエネルギー消費の削減によるものである。 さらに、クープマンをベースとしたEMPCによる定常運転は電気エネルギーを10.2%削減する。 その結果, 深部クープマン表現と経済最適化を統合して, 熱集約プラントの資源効率制御を実現するという実用的利点が浮き彫りになった。

関連論文リスト

• Approximate Model Predictive Control for Microgrid Energy Management via Imitation Learning [9.044455355747482]
  本稿では,マイクログリッドエネルギー管理のための混合整数型経済モデル予測制御(EMPC)の模倣学習に基づくフレームワークを提案する。 提案手法は、ニューラルネットワークを用いて、オフライン軌道からのエキスパートEMPC制御動作を模倣し、最適化問題をオンラインで解決することなく、高速でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T21:39:18Z)
• Adaptive Bayesian Data-Driven Design of Reliable Solder Joints for Micro-electronic Devices [0.0]
  熱メカニカルローディングによる故障に関連するソルダ継手信頼性は、重要でありながら物理的に複雑な工学的問題である。 ますますデータ駆動の世界では、効率的なデータ駆動設計スキームの使用が一般的な選択である。 著者らは、徹底的な代理モデルを利用して計算的貯蓄を得ることができると主張している。
  論文  参考訳（メタデータ） (2025-07-25T20:34:03Z)
• DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
  本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。 我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。 LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-18T02:37:26Z)
• A Novel A.I Enhanced Reservoir Characterization with a Combined Mixture of Experts -- NVIDIA Modulus based Physics Informed Neural Operator Forward Model [0.6282171844772422]
  我々は,貯水池履歴マッチングの課題を効果的に解決するために,貯水池のキャラクタリゼーションのための高度なワークフローを開発した。 この方法は、洗練されたクラスタ分類回帰フレームワークにおいて、フォワードモデルとして物理インフォームドニューラル演算子(PINO)を統合する。 我々の統合モデルはPINO-Res-Simと呼ばれ、圧力、飽和度、石油、水、ガスの生産速度を含む重要なパラメータを出力します。
  論文  参考訳（メタデータ） (2024-04-20T10:28:24Z)
• End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control [45.84205238554709]
  本研究では, (e)NMPCの一部として最適性能を示すために, Koopman シュロゲートモデルの強化学習法を提案する。 エンドツーエンドトレーニングモデルは,(e)NMPCにおけるシステム識別を用いてトレーニングしたモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-03T10:21:53Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting [0.0]
  本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。 提案モデルの性能を北プール電力市場のデータを用いて評価した。
  論文  参考訳（メタデータ） (2022-04-18T12:21:25Z)
• On the influence of over-parameterization in manifold based surrogates and deep neural operators [0.0]
  本稿では, 複雑な物理化学的プロセスのための高精度で一般化可能な近似器を構築するための2つの方法を示す。 まずm-PCEの拡張を提案し、入力関数と出力QoIの2つの別々の埋め込みによって形成された潜在空間間のマッピングを構築する。 我々は,m-PCEとDeepONetが相対出力マッピングの場合に比較できることを示す。 高度に非滑らかなダイナミクスを考慮すると、DeepONetは高い精度を示す。
  論文  参考訳（メタデータ） (2022-03-09T22:27:46Z)

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。