Nov, 2016

非线性动态系统的线性预测器：Koopman 算子与模型预测控制相遇

PDF
TL;DR本文提出了一类针对非线性控制动力系统的线性预测器，并将 Koopman 算子扩展到控制动力系统，计算出算子的有限维近似，最终得到了线性受控动力系统的形式。该方法完全是数据驱动的，并且极其简单实用，可以用于设计控制器，特别是模型预测控制（MPC）方面。
linear predictorscontrolled dynamical systemskoopman operatormodel predictive controlnonlinear transformation
发现论文，激发创造
  • 学习稳定 Koopman 算子的微分同胚方法

    本研究提出了 Koopmanizing Flows 方法，它是一种新的连续时间框架，用于监督学习一类非线性动力学的线性预测器，可有效地解决寻找有意义的有限维表示以进行预测的问题，并在 LASA 手写字体基准测试中展示出卓越的功效。

    Dec, 2021

  • 非参数控制 - Koopman 操作器学习：灵活可扩展的预测和控制模型

    通过控制仿射再现内积核，我们提出了一种通用框架 —— 控制 Koopman 算子回归（cKOR），它允许直接估计单个算子，用于解决非线性控制仿射系统的 Koopman 算子表示的学习问题，并且通过利用随机投影（sketching）增强了控制 - Koopman 算子估计器的可扩展性。

    May, 2024

  • Koopman 算子动态模型：学习、分析和控制

    本篇论文探讨了 Koopman 算子理论在处理非线性系统方面的应用，着重介绍了 Koopman 算子动力学模型中各种现有方法的优缺点，分析了 Koopman 算子理论与系统理论概念的关系及其在控制系统建模中的潜力，同时讨论了当前的挑战和未来的发展方向。

    Feb, 2021

  • 具有鲁棒稳定性和递归可行性保证的 Koopman 数据驱动预测控制

    通过线性控制输入 Koopman 提升模型从输入 - 输出数据中设计数据驱动的非线性系统预测控制器，以学习最小化 Koopman 子空间预测器的多步输出预测误差的可观测量，并通过插值初始状态获得递归可行性保证和输入与状态稳定性保证。在文献综述中，通过非线性基准示例展示了 Koopman 数据驱动预测控制方法的性能。

    May, 2024

  • 用于预测和控制的 Koopman 本征函数的最优构建

    该论文提出了一种新的数据驱动框架，用于构建 Koopman 算子的特征函数，以实现预测和控制。

    Oct, 2018

  • 基于 Koopman 算符的线性化非线性系统识别技术

    利用基于 Koopman 算子的线性系统辨识方法，将非线性系统辨识问题转化为基于观测变量的线性识别问题，通过推导出的线性算法，在恢复多种不同类型系统的（多项式）矢量场的同时，也可以推断出网络拓扑和动态。

    May, 2016

  • 非线性系统的计算高效数据驱动发现与线性表示

    使用 Koopman 算子理论开发了一个基于数据驱动的框架，用于非线性系统的系统识别和线性化控制，采用递归学习的深度学习框架，并使用线性二次控制器对得到的线性系统进行控制。通过在噪声数据上进行仿真，我们展示了我们的方法相比自编码器基准更高效且更准确的训练结果。

    Sep, 2023

  • 基于 Koopman 的深度学习用于非线性系统估计

    应用 Koopman 算子理论和深度强化学习网络，提出了一种数据驱动的线性估计器，用于提取复杂非线性系统的有限维表示，实现对原始非线性系统未来状态的精确预测。该估计器还可以适应非线性系统的微分同胚变换，从而实现对变换后系统状态的估计，无需重新学习。

    May, 2024

  • 基于数据驱动的 Koopman 特征函数控制发现

    这篇论文描述了使用 Koopman 算子及其特征函数进行非线性系统的控制的方法，并提出了基于数据驱动的降阶方法，证明了验证确定的特征函数的重要性并且说明了其在控制中的作用。

    Jul, 2017

  • 具备保证稳定性的非线性动态线性嵌入的物理知识概率学习

    本文提出了一种基于测度理论的深度神经网络学习连续时间 Koopman 算子的方法，使用结构参数化来保证稳定性，并构建了一个自动编码器架构以学习动态模态分解的残差部分，并在基于贝叶斯方法的平均场变分推断下评估了该框架。

    Jun, 2019