关键词closed-loop performance
搜索结果 - 3
- 增加安全关键行驶场景,同时保持与专家轨迹的相似性
我们提出了一种轨迹增强方法,旨在通过几何变换将位于同一簇中的轨迹组合起来,与专家轨迹数据保持相似性,从而创建新的轨迹。这些增强的轨迹被加入训练数据集中,在满足指定的安全相关标准的前提下。我们的实验证明,使用这些增强轨迹来训练仿真学习模型可以 - 通过贝叶斯优化学习模型预测控制参数实现电池快速充电
通过贝叶斯优化方法,针对模型预测控制中的参数调整问题,提出一种直接优化学习控制器参数的方法,以提高闭环性能。该方法在锂离子电池快速充电系统中应用,实现了安全充电和最大化闭环性能的目标。
- 基于稀疏神经动力学的模型控制
使用深度神经网络从观测中学习预测模型是解决现实世界规划和控制问题的一种有前景的新方法。本文提出了一个新的集成模型学习和预测控制框架,通过逐渐稀疏化神经网络以有效优化算法进行端到端的优化,从而在保证预测准确性的基础上取得更好的闭环控制性能。