从异构数据学习最小能量控制
最优化与控制
2020-06-22 v1 机器学习
系统与控制
系统与控制
摘要
本文研究从异构数据学习线性系统最小能量控制的问题。具体而言，我们考虑由输入、初始与最终状态测量组成的数据集，这些测量来自具有不同时域和任意初始条件的实验。在此设定下，我们首先基于可用数据建立系统输入与采样状态轨迹的一般表示。随后，我们利用这一基于数据的表示，推导针对广泛控制时域的最小能量控制的闭式数据驱动表达式。进一步，我们刻画了重建最小能量输入所需的最少数据量，并讨论我们表达式的数值性质。最后，我们研究噪声对我们数据驱动公式的影响，并在噪声二阶统计已知的情况下，提供修正表达式，其渐近收敛于真实最优控制输入。
引用
@article{arxiv.2006.10895,
title = {Learning Minimum-Energy Controls from Heterogeneous Data},
author = {Giacomo Baggio and Fabio Pasqualetti},
journal= {arXiv preprint arXiv:2006.10895},
year = {2020}
}
备注
Accepted for presentation at the 2020 American Control Conference