論文の概要: Koopman-Based Nonlinear Identification and Adaptive Control of a Turbofan Engine

• arxiv url: http://arxiv.org/abs/2604.01730v1
• Date: Thu, 02 Apr 2026 07:51:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.595419
• Title: Koopman-Based Nonlinear Identification and Adaptive Control of a Turbofan Engine
• Title（参考訳）: クープマンによるターボファンエンジンの非線形同定と適応制御
• Abstract要約: 本論文では,2輪ターボファンエンジンの多変量制御に対するクープマン演算子に基づくアプローチについて検討する。 物理に基づくコンポーネントレベルモデルを開発し、トレーニングデータを生成し、コントローラを検証する。 スプール速度とEPRの2つの制御戦略について,海面および様々な飛行条件下で評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper investigates Koopman operator-based approaches for multivariable control of a two-spool turbofan engine. A physics-based component-level model is developed to generate training data and validate the controllers. A meta-heuristic extended dynamic mode decomposition is developed, with a cost function designed to accurately capture both spool-speed dynamics and the engine pressure ratio (EPR), enabling the construction of a single Koopman model suitable for multiple control objectives. Using the identified time-varying Koopman model, two controllers are developed: an adaptive Koopman-based model predictive controller (AKMPC) with a disturbance observer and a Koopman-based feedback linearization controller (K-FBLC), which serves as a benchmark. The controllers are evaluated for two control strategies, namely configurations of spool speeds and EPR, under both sea-level and varying flight conditions. The results demonstrate that the proposed identification approach enables accurate predictions of both spool speeds and EPR, allowing the Koopman model to be reused flexibly across different control formulations. While both control strategies achieve comparable performance in steady conditions, the AKMPC exhibits superior robustness compared with the K-FBLC under varying flight conditions due to its ability to compensate for model mismatch. Moreover, the EPR control strategy improves the thrust response. The study highlights the applicability of Koopman-based control and demonstrates the advantages of the AKMPC-based framework for robust turbofan engine control.
• Abstract（参考訳）: 本論文では,2輪ターボファンエンジンの多変量制御に対するクープマン演算子に基づくアプローチについて検討する。 物理に基づくコンポーネントレベルモデルを開発し、トレーニングデータを生成し、コントローラを検証する。 スプール・スピード・ダイナミックスとエンジン圧力比(EPR)の両方を正確に捉え、複数の制御目的に適した1つのクープマンモデルの構築を可能にするコスト関数を備えたメタヒューリスティック拡張動的モード分解法を開発した。 AKMPC(Adaptive Koopman-based model predictive controller)とK-FBLC(K-FBLC)の2つのコントローラを開発した。 制御器は、スプール速度の設定と、海面および様々な飛行条件下でのEPRの2つの制御戦略で評価される。 その結果,提案手法はスプール速度とEPRの両方の正確な予測を可能にし,クープマンモデルを異なる制御定式化に対して柔軟に再利用できることが示唆された。 両制御戦略は安定した条件下で同等の性能を達成するが、AKMPCはモデルミスマッチを補う能力のため、様々な飛行条件下でのK-FBLCよりも優れた堅牢性を示す。 さらに、EPR制御戦略はスラスト応答を改善する。 この研究は、クープマンベース制御の適用性を強調し、AKMPCベースの頑健なターボファンエンジン制御の利点を実証する。

関連論文リスト

• Joint Air Traffic Flow and Capacity Management via Answer Set Programming [64.47906587579985]
  我々は、Answer Set Programming(ASP)におけるエンコーディングを伴う共同ATFCMモデルを導入する。 この結果から,ASP モデルは MIP モデルより優れていたことが示唆された。 DACはリルーティングよりもパフォーマンスを最大に改善しているが、DACの無制限な変種やリルーティングは検索スペースのスラッシングに繋がる。
  論文  参考訳（メタデータ） (2026-06-22T07:58:54Z)
• Robust Adaptive Predictive Control for Hook-Based Aerial Transportation Between Moving Platforms [1.4592997284674396]
  本稿では,フック付き空中マニピュレータを用いた移動プラットフォーム間の自律的ピック・アンド・プレイスのためのモデル予測制御(MPC)手法を提案する。 提案手法の有効性は,複雑なシミュレーションシナリオや実世界の飛行実験で評価される。
  論文  参考訳（メタデータ） (2026-05-04T09:14:34Z)
• Mixed-Integer vs. Continuous Model Predictive Control for Binary Thrusters: A Comparative Study [0.22940141855172033]
  バイナリオン/オフスラスタは、近接操作時の宇宙船の姿勢と位置制御に一般的に使用される。 これらの離散アクチュエータの制御は、混合整数最適化問題として明示的に定式化されるか、2層方式で処理される。 本稿では,2元スラスタ制御のための2つのパラダイム間の最初の系統的比較を行う。
  論文  参考訳（メタデータ） (2026-03-20T09:37:26Z)
• Lightweight Model Predictive Control for Spacecraft Rendezvous Attitude Synchronization [39.146761527401424]
  本研究は、2つの軽量モデル予測制御(MPC)アプローチを導入し、宇宙船のランデブー同期時の反応輪を用いた姿勢追跡を行う。 我々は単一ループとデュアルループMPCを開発し、後者は内部ループ内に安定化フィードバックコントローラを組み込み、線形時間不変システムを生成する。
  論文  参考訳（メタデータ） (2026-03-19T13:58:55Z)
• Safe Whole-Body Loco-Manipulation via Combined Model and Learning-based Control [46.47619556874003]
  そこで本研究では,マニピュレータアームのモデルベースアプタンス制御と足歩行の強化学習ポリシを組み合わせた全身制御を提案する。 アクセタンスコントローラは、物理的相互作用中に人間によって適用されるような外部レンチを、望ましいエンドエフェクタ速度にマッピングし、従順な振る舞いを可能にする。 6-DoFアームと手首に装着した6-DoF Force/Torqueセンサーを備えたUnitree Go2四足歩行ロボットを用いて,シミュレーションとハードウェアの両方におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-02T22:31:12Z)
• Koopman Eigenfunction-Based Identification and Optimal Nonlinear Control of Turbojet Engine [0.0]
  ガスタービンエンジンは複雑で非線形な力学系である。 物理ベースのモデルを導出するのは、必ずしも利用できないパフォーマンス特性を必要とするため、難しい場合があります。 本稿では,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。
  論文  参考訳（メタデータ） (2025-05-15T15:55:13Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
  本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。 モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
  論文  参考訳（メタデータ） (2023-06-12T13:10:14Z)
• Skip Training for Multi-Agent Reinforcement Learning Controller for Industrial Wave Energy Converters [94.84709449845352]
  近年のウェーブ・エナジー・コンバータ(WEC)は、発電を最大化するために複数の脚と発電機を備えている。 従来のコントローラは複雑な波のパターンを捕捉する制限を示しており、コントローラはエネルギー捕獲を効率的に最大化する必要がある。 本稿では,従来のスプリングダンパよりも優れたマルチエージェント強化学習コントローラ(MARL)を提案する。
  論文  参考訳（メタデータ） (2022-09-13T00:20:31Z)
• Policy Search for Model Predictive Control with Application to Agile Drone Flight [56.24908013905407]
  MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。 具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。 シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T17:39:24Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)
• Comparison of Model Predictive and Reinforcement Learning Methods for Fault Tolerant Control [2.524528674141466]
  階層的強化学習に基づく離散時間系に対する2つの適応型耐故障制御方式を提案する。 実験により、強化学習に基づく制御器は、故障下のモデル予測制御器、部分的に観測可能なシステムモデル、様々なセンサノイズレベルよりも堅牢に動作することが示されている。
  論文  参考訳（メタデータ） (2020-08-10T20:22:15Z)

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。