Apr, 2024

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

PDF
TL;DR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。
model predictive controllearning-based mpcnonlinear systemsvariational bayesian learningnsvb-mpc
发现论文，激发创造
  • 非线性深度神经网络建模的高效模型预测控制

    该研究论文提出了一种用于动态系统的模型预测控制（MPC）方法，该方法利用深度神经网络（NNs）对系统的非线性和不确定性进行建模，并提出了两种用于解决 MPC 问题的方法：混合整数规划（MIP）方法和线性松弛（LR）方法。进行了广泛的数值模拟来演示和比较 MIP 和 LR 方法的性能。

    May, 2024

  • 可证明安全且鲁棒的基于学习的模型预测控制

    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。

    Jul, 2011

  • 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

  • 基于元学习的快速适应神经预测模型的不确定非线性系统 MPC

    使用神经状态空间模型和隐式模型无关元学习方法解决非线性系统中的参考跟踪问题，并通过模型预测控制提高控制性能。

    Apr, 2024

  • 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

  • 深度神经网络模型预测控制框架介绍及快速控制器实现

    基于深度神经网络的非线性模型预测控制（MPC）在同质压燃点火（HCCI）燃烧控制方面的实验实施结果良好，具有优秀的 IMEP 轨迹跟踪性能和过程约束的观测情况。

    Oct, 2023

  • 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

  • 基于变分推理的贝叶斯模型强化学习动态规划

    该研究提出了一种基于贝叶斯推理的模型强化学习方法，通过引入不确定性建模，可以更好地优化学习表现，并在多个机器人运动任务上得到了验证。

    Jul, 2019

  • NeurOpt: 基于神经网络的建筑能源管理和环境控制优化

    本研究提出了一种基于神经网络的数据驱动控制算法，以减少建筑物模型识别的成本，通过建筑物能耗和区域温度的动态模型，实现了较高的精度和与默认系统控制器相比的节能和更好的住户舒适度。

    Jan, 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