Jul, 2011

可证明安全且鲁棒的基于学习的模型预测控制

PDF
TL;DR本研究介绍了一种学习基础的模型预测控制 (LBMPC) 方案，在提高系统性能的同时提供稳健性的确定性保证。该方案利用统计识别工具识别系统的更丰富模型，通过维护两个模型，可以在一个优化框架中将安全性和性能隔离。LBMPC 通过选择最小化成本的输入来提高性能，并通过检查模糊模型稳定性来确保安全性和鲁棒性。此外，我们证明如果系统充分兴奋，则 LBMPC 控制行动以概率收敛为使用真实动力学计算的 MPC 的行动。
learning-based model predictive controlrobustnessperformancestatistical identification toolssafety
发现论文，激发创造
  • 基于样本的线性不确定系统模型预测控制

    本文提出了基于样本的 LMPC 控制器，该控制器适用于受到有界添加干扰的约束不确定线性系统。我们介绍了安全集与价值函数的设计，用于保证安全性和性能改进，并展示了如何使用有噪声的历史数据来近似这些量。数值实例证明了所提出的方法的有效性。我们证明了所提出的 LMPC 能够安全地探索状态空间，迭代地改进最坏情况下闭环性能，同时稳健地满足状态和输入约束。

    Apr, 2019

  • 基于学习控制的线性模型预测安全认证

    本文提出模型预测安全认证 (MPSC) 方案，用于保证学习型控制器的安全性，并拓展安全状态集合的方法是使用基于场景优化的数据设计过程。

    Mar, 2018

  • 神经网络支持下的模型预测控制实现无法匹配的不确定性缓解

    本文介绍了一种基于深度学习的模型预测控制算法，利用深度神经网络作为学习基础的预测控制中的甲骨文，通过一个双时间尺度适应机制来估计不匹配的不确定性并且得到了压缩系统的数值试验验证。

    Apr, 2023

  • 使用鲁棒性模型预测控制的安全强化学习

    本文提出了一种将强化学习与模型预测控制相结合的方法，以充分利用两者的优势，并获得既具有最优性又安全的控制器。在模拟中，我们通过数值实验证明了该方法的有效性。

    Jun, 2019

  • 基于学习的模型预测控制用于安全探索

    本文提出了一种基于学习的模型预测控制方案，其可以提供可证明的高概率安全保证，并利用正态分布先验的规则性假设来构建可证明准确的置信区间，保证轨迹满足安全约束，通过终端集约束递归地保证每个迭代中存在安全控制动作。在实验中展现了该算法可以用来安全、高效地探索和学习动态系统。

    Mar, 2018

  • ABC-LMPC：针对可调边界条件的随机非线性动态系统的安全基于样本的学习型模型预测控制

    本文提出一种可适应起点和目标配置的 LMPC 算法，旨在保证最终控制器在随机非线性系统中的期望迭代收敛，并通过实际测试表明，该控制器适用于多种初始和终端条件的控制任务。

    Mar, 2020

  • 通过学习分类器实现自适应模型预测控制

    本文提出了一种自适应 MPC 系统，可以通过利用贝叶斯优化和经典的 EI 获取方法自动估计控制和模型参数，通过机器学习方法用于密度比估计从而实现该控制器在多种有挑战性的机器人操作任务上的鲁棒性。

    Mar, 2022

  • 具有离散时间控制屏障函数的安全关键模型预测控制

    本研究提出了一种利用控制屏障函数的安全性关键模型预测控制策略，保证系统的安全性并通过模型预测控制实现最佳性能，同时在一个二维双积分器模型和一个竞速车辆模型上验证了该算法的有效性。

    Jul, 2020

  • 应用于统计学习的平滑模型预测控制

    本论文研究采用阻碍函数作为硬约束的线性模型预测控制策略的平滑逼近，通过精细的分析展示其平滑常数可以被仔细控制，从而为采样状态 - 动作对逼近 MPC 策略的新样本复杂度结果铺平道路

    Jun, 2023

  • 基于非线性稀疏变分贝叶斯学习的模型预测控制及其在 PEMFC 温度控制中的应用

    该研究发展了一种基于非线性稀疏变分贝叶斯学习的模型预测控制方法，在该方法中通过 NSVB 方法学习模型，利用变分推断来评估预测准确性并对系统不确定性进行必要的修正，以确保输入到状态的稳定性和约束条件的可行性，最后通过 PEMFC 温度控制模型实验证实了 NSVB-MPC 方法的有效性。

    Apr, 2024