将系统辨识与基于强化学习的模型预测控制相结合
系统与控制
2020-04-08 v1 系统与控制
摘要
本文提出并比较了在数据驱动模型预测控制（MPC）背景下将系统辨识（SYSID）与强化学习（RL）相结合的方法。假设受控系统具有已知的模型结构，并考虑参数化MPC，所提方法同时：a）利用RL学习MPC的参数以优化性能；b）利用SYSID拟合观测到的模型行为。提出了六种避免两个优化目标间冲突的方法，并使用一个简单的线性系统进行评估。基于仿真结果，分层、并行投影、零空间投影与奇异值投影取得了最佳性能。
引用
@article{arxiv.2004.03265,
title = {Combining system identification with reinforcement learning-based MPC},
author = {Andreas B. Martinsen and Anastasios M. Lekkas and Sebastien Gros},
journal= {arXiv preprint arXiv:2004.03265},
year = {2020}
}
备注
Accepted to the IFAC2020