从闭环运行数据学习因果稳态模型的调整公式
系统与控制
2022-11-11 v1 机器学习
系统与控制
最优化与控制
机器学习
摘要
从历史运行数据中学习到的稳态模型可能不适合用于基于模型的优化，除非考虑了由控制引入的训练数据中的相关性。利用结构动态因果模型方面的最新结果，我们推导出了一个公式来调整这种控制混杂，从而能够从闭环稳态数据中估计因果稳态模型。该公式假设可用数据是在某个固定控制律下收集的。它通过估计并考虑控制器试图抵消的扰动来工作，并允许从在反馈和前馈控制下收集的数据中进行学习。
引用
@article{arxiv.2211.05613,
title = {Adjustment formulas for learning causal steady-state models from closed-loop operational data},
author = {Kristian Løvland and Bjarne Grimstad and Lars Struen Imsland},
journal= {arXiv preprint arXiv:2211.05613},
year = {2022}
}
备注
8 pages, 3 figures. This work has been submitted to IFAC for possible publication