神经李雅普诺夫可微预测控制
系统与控制
2025-10-27 v1 机器学习
系统与控制
摘要
我们提出了一种基于学习的预测控制方法，使用可微编程框架并提供基于概率李雅普诺夫的稳定性保证。神经李雅普诺夫可微预测控制（NLDPC）通过构建包含系统动力学、状态和输入约束以及必要的李雅普诺夫认证约束的计算图来学习策略，此后使用自动微分来更新神经策略参数。同时，我们的方法联合学习一个李雅普诺夫函数，用于认证具有稳定动力学的状态空间区域。我们还提供了从初始条件分布训练 NLDPC 的基于采样的统计保证。我们的离线训练方法为经典显式模型预测控制解提供了一个计算高效且可扩展的替代方案。我们通过稳定双积分器模型的仿真以及控制飞机模型的例子证实了所提方法的优势。
引用
@article{arxiv.2205.10728,
title = {Neural Lyapunov Differentiable Predictive Control},
author = {Sayak Mukherjee and Ján Drgoňa and Aaron Tuor and Mahantesh Halappanavar and Draguna Vrabie},
journal= {arXiv preprint arXiv:2205.10728},
year = {2025}
}
备注
8 pages; 9 figures