基于物理信息神经网络的数据驱动自适应 PID 控制
系统与控制
2025-10-09 v2 机器学习
系统与控制
摘要
本文提出一种基于自适应增益优化原则的数据驱动 PID 控制器设计方法，利用为预测建模而生成的物理信息神经网络（PINN）。该方法利用 PINN 的自动微分，实现对 PID 增益的梯度，以基于跟踪误差和控制输入的代价函数进行模型预测控制。通过优化 PINN 基于 PID 的增益，该方法实现了在考虑系统非线性特性的同时确保稳定性的自适应增益调谐。该方法具备将 PINN 建模的动态控制系统集成到闭环控制系统中，以直接应用于 PID 控制设计的系统性框架。 conducted for demonstrating the effectiveness of the proposed method from the control perspectives based on both time and frequency domains.
引用
@article{arxiv.2510.04591,
title = {Data-Driven Adaptive PID Control Based on Physics-Informed Neural Networks},
author = {Junsei Ito and Yasuaki Wasa},
journal= {arXiv preprint arXiv:2510.04591},
year = {2025}
}
备注
This work has been submitted to the IEEE Transactions on Control Systems Technology for possible publication