Mar, 2024

控制系统中数据描述的规范形式

PDF
TL;DR反馈控制器设计从模型驱动控制转变为数据驱动控制，该论文首次引入了规范数据形式的概念，以实现数据控制器的更有效设计。通过引入属性组件，这种规范化的数据形式可以提供控制器设计方面的效果和效率优势，并通过两个示例控制系统证明了其在减少不稳定性和提高训练效率方面的优点。
feedback controllersmodelic controldatatic controlcanonical data formcontroller design
发现论文，激发创造
  • 通过正式抽象实现非高斯噪声动态系统的鲁棒控制

    该研究论文提出了一种新颖的控制器合成方法，它不需要任何明确表示噪声分布的方式，而是通过将控制系统抽象为捕捉噪声的有限状态模型，然后使用从场景方法中的工具来计算可能正确的限制，基于一些噪声的有限数量样本。通过缩小合成过程的复杂性，该方法在实际控制系统上的应用具有广泛的适用性。

    Jan, 2023

  • 基于形式抽象的随机和不确定动态模型自动构造控制

    自动化合成控制器，基于概率时间逻辑规范的随机动态模型，通过状态验证技术构建的 iMDP（带概率区间的马尔科夫决策过程），解决安全关键场景中面临的挑战。

    Nov, 2023

  • 部分可控线性系统的稀疏性

    本文主要研究基于稀疏模式的局部可控线性动态系统的学习控制问题，提出了结构化条件和有限样本保证方法，以达到优化控制的目的，同时改善了经典控制技术所基于的确定等价控制的结果。

    Oct, 2021

  • 动态、部分已知环境下的概率系统控制与时间逻辑规格

    针对由马尔可夫决策过程建模的概率系统，考虑在部分已知环境下综合控制策略，环境由一组马尔可夫链建模，其中每个马尔可夫链描述了环境的不同模式，但环境的模式对于系统是未知的。控制目标为最大化系统满足给定规范的期望概率和最大化最坏情况下满足规范的概率。

    Mar, 2012

  • 逻辑约束部分可观测多智能体马尔科夫决策过程的最优控制

    本文讲述了一种基于特定约束的自主系统与多智能体的优化控制方法，以实现其最大化收益并同时满足时间逻辑约束的概率足够高。

    May, 2023

  • 概率不够用：针对存在认识不确定性的随机动态模型的形式控制器综合

    本文介绍一种使用区间 Markov 决策过程的抽象方式，在连续状态的模型中捕捉随机噪声和不确定参数的 aleatoric 和 epistemic 不确定性，进行控制器的综合。经实验验证，考虑 epistemic 不确定性可以提高控制器的鲁棒性。

    Oct, 2022

  • 控制器综合的系统级方法

    介绍一种新的 “系统级”（SL）方法，该方法通过三个互补的 SL 元素将控制器设计、性能和可实施性进行了参数化，进而解决了生物学和高级网络物理控制系统中通讯、计算、感知和执行等方面的限制性问题。

    Oct, 2016

  • 利用主成分轨迹模拟光谱连续动态作为强制线性系统

    我们提出了一种使用动态模态分解 (DMD) 和主成分轨迹 (PCT) 模型，在延迟坐标系中学习线性控制模型并发现对应的外部加速信号的方法。此方法适用于具有少量傅里叶光谱的非线性系统，并可用于实际工程，例如电力网络负载数据的故障诊断。

    May, 2020

  • 时间与空间：适用于辅助机器人臂的可用自适应控制

    通过提供前馈多模态反馈，使用更新的 ADMC 建议，使用户能够实时比较当前和建议的映射，我们通过对比两种新方法的有效性，即 a) 不断推荐更新的 DoF 组合，或者 b) 在当前机器人运动和新建议之间使用离散阈值，在 Virtual Reality (VR) 面对面研究中与经典控制方法进行比较，降低了任务完成时间，减少了模式切换次数，显著降低了感知的工作负荷，证明了在前馈的情况下，ADMC 方法可以超越经典模式切换。连续和阈值之间没有明显的定量差异表明以用户为中心的定制选项的重要性，将这些影响纳入开发过程将提高可用性，对成功实施具有高用户接受度的机器人技术至关重要。

    Jul, 2023

  • 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