基于长短期记忆网络学习的动态系统模型预测控制设计
系统与控制
2020-08-31 v3 系统与控制
摘要
本文分析了长短期记忆（LSTM）网络的稳定性相关性质，并研究将其用作被控对象模型以设计模型预测控制器（MPC）。首先，推导了保证 LSTM 的输入到状态稳定性（ISS）与增量输入到状态稳定性（dISS）的充分条件。随后利用这些性质设计观测器，保证状态估计收敛至真实状态。该观测器随后嵌入求解跟踪问题的 MPC 方案中。所得到的闭环方案被证明是渐近稳定的。训练算法与控制方案在 pH 反应器模拟器上进行了数值测试，所报告结果证实了所提方法的有效性。
引用
@article{arxiv.1910.04024,
title = {Model predictive control design for dynamical systems learned by Long Short-Term Memory Networks},
author = {Enrico Terzi and Fabio Bonassi and Marcello Farina and Riccardo Scattolini},
journal= {arXiv preprint arXiv:1910.04024},
year = {2020}
}