面向数据有限情境下的水槽计算用于系统辨识与预测控制
系统与控制
2024-11-11 v1 机器学习
系统与控制
动力系统
摘要
模型预测控制 (MPC) 是一种工业标准控制技术，通过迭代求解开放式优化问题来引导系统趋向 desired 状态或轨迹。因此，对系统动力学的准确前向模型对 MPC 的有效性至关重要，而近年来大量研究旨在使用神经网络作为数据驱动的替代模型以实现 MPC。最常应用的网络结构是循环神经网络 (RNN)，其自然解释为动力系统。在本文中，我们评估了 RNN 变体在学习基准控制系统动力学方面的能力，以及作为 MPC 的替代模型。我们发现，回声状态网络 (ESN) 相较于其他架构具有多项优势，包括计算复杂度降低、预测时间延长以及 MPC 目标函数成本降低。
引用
@article{arxiv.2411.05016,
title = {Reservoir computing for system identification and predictive control with limited data},
author = {Jan P. Williams and J. Nathan Kutz and Krithika Manohar},
journal= {arXiv preprint arXiv:2411.05016},
year = {2024}
}
备注
16 pages, 12 figures