启用 DeePC 并限制外推的闸门
系统与控制
2025-01-30 v1 系统与控制
摘要
基于行为数据驱动的控制方法通常假设数据生成系统具有线性动力学。如果新设计的闭环系统导致输入输出分布偏移超出学习数据范围，这可能导致错误的泛化。这些偏移可能通过激活数据生成系统中先前未在数据中经历和/或未被这些方法固有的线性假设捕获的有害非线性而危及安全性。本文提出了一种减缓分布偏移从而增强数据驱动方法安全性的方法。这是通过向数据驱动预测控制公式中引入二次正则化项来实现的。减缓分布偏移以减缓探索为代价，类似于机器学习中探索与利用的权衡。
引用
@article{arxiv.2501.17318,
title = {Floodgates up to contain the DeePC and limit extrapolation},
author = {Mohammad Ramadan and Evan Toler and Mihai Anitescu},
journal= {arXiv preprint arXiv:2501.17318},
year = {2025}
}