数据驱动控制的行为不确定性量化
最优化与控制
2022-04-07 v1 系统与控制
系统与控制
摘要
本文探讨数据驱动控制的行为设定中的不确定性量化问题。基于鲁棒控制的经典思想，该问题被视为选取一种最适于基于数据的不确定性描述的度量。借助Willems基本引理，受限行为被视为固定维数的子空间，可由数据矩阵表示。因此，受限行为之间的度量定义为Grassmann流形(即给定向量空间中所有等维子空间的集合)上点之间的距离。我们在受限行为集合上定义了一种新度量，作为经典间隙度量的直接有限时间对应物。该度量被证明能够刻画自回归(AR)模型类的参数不确定性。数值仿真通过一个数据驱动的模式识别与控制案例研究说明了新度量的价值。
引用
@article{arxiv.2204.02671,
title = {Behavioral uncertainty quantification for data-driven control},
author = {Alberto Padoan and Jeremy Coulson and Henk J. van Waarde and John Lygeros and Florian Dörfler},
journal= {arXiv preprint arXiv:2204.02671},
year = {2022}
}
备注
Submitted to the 61st IEEE Conference on Decision and Control