LPV模型的调度降维——一种深度神经网络方法
系统与控制
2020-12-10 v2 系统与控制
摘要
本文回顾了现有的线性参数变化(LPV)模型调度降维(SDR)方法，并提出了一种深度神经网络(DNN)方法，可在调度降维下实现更高的模型精度。所提出的DNN方法与现有SDR方法在一个双连杆机械臂上进行了比较，比较内容涵盖模型精度以及使用降维模型综合得到的控制器性能。比较的方法包括基于主成分分析(PCA)、核主成分分析(KPCA)和自编码器(AE)的状态空间模型SDR方法。在机械臂示例中，与现有方法相比，DNN方法在Frobenius范数意义下更好地表示了原始LPV模型的矩阵变化。此外，当所得模型用于控制器综合时，与现有方法相比获得了改进的闭环性能。
引用
@article{arxiv.2005.06786,
title = {Scheduling Dimension Reduction of LPV Models -- A Deep Neural Network Approach},
author = {P. J. W. Koelewijn and R. Tóth},
journal= {arXiv preprint arXiv:2005.06786},
year = {2020}
}
备注
Accepted to American Control Conference (ACC) 2020, Denver