Lasso 基 DeePC 方法在非线性系统中的可解释性分析
系统与控制
2025-04-14 v3 系统与控制
摘要
数据驱动预测控制（DeePC）近年来因其易于使用的特性和仅依赖原始数据的约束处理能力而受到关注。最初针对线性时不变系统提出，现已有多种 DeePC 扩展方法可用于非线性系统。然而，这些方法主要关注控制器的有效性，忽略了最终结果的可解释性。为促进 DeePC 控制非线性系统结果的解释，本文聚焦于分析最早用于处理控制系统非线性性质的 DeePC 方法，即采用 Lasso 正则化。我们的理论分析表明，采用 Lasso 正则化的 DeePC 决策是不可解释的，因为控制动作由与系统局部行为不一致的数据决定。这一结论即使在将可用输入/输出样本按不同运行条件分组的情况下也成立。我们的数值研究确认了这些发现，表明数据分组在性能方面具有优势，但 DeePC 的可解释性仍然是控制设计中的挑战。
引用
@article{arxiv.2503.19163,
title = {Insights into the explainability of Lasso-based DeePC for nonlinear systems},
author = {Gianluca Giacomelli and Simone Formentin and Victor G. Lopez and Matthias A. Müller and Valentina Breschi},
journal= {arXiv preprint arXiv:2503.19163},
year = {2025}
}