論文の概要: Predictor-Based Output-Feedback Control of Linear Systems with Time-Varying Input and Measurement Delays via Neural-Approximated Prediction Horizons

• arxiv url: http://arxiv.org/abs/2603.29117v1
• Date: Tue, 31 Mar 2026 01:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.976432
• Title: Predictor-Based Output-Feedback Control of Linear Systems with Time-Varying Input and Measurement Delays via Neural-Approximated Prediction Horizons
• Title（参考訳）: ニューラル近似予測ホライズンを用いた時間変化入力と測定遅延を考慮した線形システムの予測器ベース出力フィードバック制御
• Authors: Luke Bhan, Miroslav Krstic, Yuanyuan Shi,
• Abstract要約: 我々は,入力と測定の両方に遅延のあるシステムに対して,出力フィードバック予測器を設計する。 予測水平線が十分に小さな誤差で近似された場合, 結果として得られる閉ループ系は指数関数的に安定であることを示す。
• 参考スコア（独自算出の注目度）: 6.093618731228799
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to simplicity and strong stability guarantees, predictor feedback methods have stood as a popular approach for time delay systems since the 1950s. For time-varying delays, however, implementation requires computing a prediction horizon defined by the inverse of the delay function, which is rarely available in closed form and must be approximated. In this work, we formulate the inverse delay mapping as an operator learning problem and study predictor feedback under approximation of the prediction horizon. We propose two approaches: (i) a numerical method based on time integration of an equivalent ODE, and (ii) a data-driven method using neural operators to learn the inverse mapping. We show that both approaches achieve arbitrary approximation accuracy over compact sets, with complementary trade-offs in computational cost and scalability. Building on these approximations, we then develop an output-feedback predictor design for systems with delays in both the input and the measurement. We prove that the resulting closed-loop system is globally exponentially stable when the prediction horizon is approximated with sufficiently small error. Lastly, numerical experiments validate the proposed methods and illustrate their trade-offs between accuracy and computational efficiency.
• Abstract（参考訳）: 単純さと安定性の保証により、予測器フィードバック手法は1950年代以降、時間遅延システムの一般的なアプローチとして存在してきた。 しかし、時間的に異なる遅延に対して、実装では遅延関数の逆数によって定義される予測地平線を計算する必要がある。 本研究では,逆遅延写像を演算子学習問題として定式化し,予測地平線を近似した予測器フィードバックについて検討する。 我々は2つのアプローチを提案する。 一 等価ODEの時間積分に基づく数値計算方法及び (II) 逆写像を学習するために, ニューラル演算子を用いたデータ駆動方式。 両手法は,計算コストとスケーラビリティの相補的なトレードオフを伴って,コンパクトな集合に対して任意の近似精度を実現する。 これらの近似に基づいて、入力と測定の両方に遅延のあるシステムに対して出力フィードバック予測器を設計する。 予測水平線が十分に小さな誤差で近似された場合, 結果として得られる閉ループ系は指数関数的に安定であることを示す。 最後に,提案手法を検証し,精度と計算効率のトレードオフを示す。

関連論文リスト

• Sampling-Horizon Neural Operator Predictors for Nonlinear Control under Delayed Inputs [5.578049844940438]
  遅延入力とサンプル測定を併用した非線形システムのための2つのニューラル-演算型予測フィードバック設計法を開発した。 最初の設計では、現在の計測と入力履歴を予測された状態軌跡にマッピングするサンプリング水平予測演算子を導入する。 第2の設計では、ニューラル演算子は遅延補償予測器のみを近似し、測定間の閉ループフローで構成する。
  論文  参考訳（メタデータ） (2026-03-31T01:14:34Z)
• Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching [60.37045080890305]
  本稿では,フローマッチングに基づく生成モデルにおいて,サンプルの複雑さを初めて解析する。 速度場推定誤差をニューラルネットワーク近似誤差、有限標本サイズによる統計的誤差、速度場推定のための有限個の最適化ステップによる最適化誤差に分解する。
  論文  参考訳（メタデータ） (2025-12-01T05:14:25Z)
• Delay compensation of multi-input distinct delay nonlinear systems via neural operators [5.578049844940438]
  予測器近似が一様(時間内)誤差境界を満たす場合、半言語的実用安定性が対応することを示す。 このような近似器の場合、必要となる一様誤差はシステム内のアトラクションの所望領域と制御入力数に依存する。
  論文  参考訳（メタデータ） (2025-09-21T15:46:46Z)
• Data-Driven Forecasting of High-Dimensional Transient and Stationary Processes via Space-Time Projection [0.0]
  時空間投影(STP)は,高次元および時間分解データに対するデータ駆動予測手法として導入された。 この方法は、後流と予測間隔の両方からなる予測水平線にまたがるトレーニングデータから、拡張時空間固有モードを算出する。
  論文  参考訳（メタデータ） (2025-03-31T03:36:59Z)
• Loss Shaping Constraints for Long-Term Time Series Forecasting [79.3533114027664]
  本稿では,長期時系列予測のための制約付き学習手法を提案する。 提案手法は, 予測ウィンドウ上でエラーを発生させながら, 時系列ベンチマークにおける競合平均性能を示すことを示すための, 実用的なプリマル・デュアルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-14T18:20:44Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Deep Subspace Encoders for Nonlinear System Identification [0.0]
  そこで本稿では,状態推定にトラッピング予測損失とサブスペースエンコーダを用いる手法を提案する。 軽度条件下では,提案手法は局所的に一貫性があり,最適化安定性が向上し,データ効率が向上することを示す。
  論文  参考訳（メタデータ） (2022-10-26T16:04:38Z)

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。