Jun, 2018
利用深度学习高效表示和逼近模型预测控制律
Efficient representation and approximation of model predictive control laws via deep learning
Benjamin Karg, Sergio Lucia
TL;DR本研究显示，采用具有修正线性单元作为激活函数的人工神经网络可以精确表示由线性时不变系统的模型预测控制的分段仿射函数。在神经网络中使用更深的网络具有特别的吸引力，因为它们可以表示比只有一个隐藏层的网络多指数个仿射区域。本研究提出了理论界限，用于决定一个神经网络必须具有的最小隐藏层数和每层神经元数，才能精确表示给定的模型预测控制规律。本方法具有成为预测控制规律的近似方法的强大潜力，可导致更好的近似质量和比以前的方法显著更小的内存需求，如模拟实例所示。我们还提出了不同的替代方案来校正或量化近似误差。由于在线评估神经网络非常简单，因此可以在存储容量较小的低功耗嵌入式设备上部署近似控制器，从而实现具有有限计算能力的复杂物理系统的先进决策制定策略。