深度正定动态建模与控制及其在混合动力总动力系统中的应用

深度学习日益被用于复杂的大规模系统，因为其首要建模困难。然而，标准深度学习模型往往无法强制执行物理结构或在下游控制中保持凸性，导致物理不一致的预测和因非凸性导致的离散输入。我们引入符号约束——对雅可比条目施加符号限制——以统一单调性、正性和符号定性；此外，我们开发了满足这些约束的模型构建方法，以及一个控制合成程序。特别地，我们设计的恰好线性化深度模型满足这些约束，并将模型预测控制表述为一个凸二次规划问题，这产生唯一的优化器和一个 Lipschitz 连续的控制律。在两个储罐系统和混合动力总动力系统上，所提出的方法在预测精度和控制输入平滑性方面均优于现有方法。