Tustin神经网络：一类用于机械系统自适应MPC的循环网络
神经与进化计算
2019-11-05 v1 系统与控制
系统与控制
摘要
由于需要恰当初始化其内部状态，且这些状态在大多数情况下不具任何物理意义，并因优化问题的非光滑性所致，使用循环神经网络来表示不稳定系统的动力学是困难的。为此，本文将重点放在具有若干自由度的机械系统上，每一自由度由两个状态（即位置与速度）表示。针对这些系统，本文提出一种新的循环神经网络：Tustin-Net。受二阶动力学启发，网络隐状态可直接估计，因其与测量状态的差分关系被硬编码于前向传播中。所提结构被用于建模双倒立摆以及基于模型的强化学习，其中提出了一种使用无迹卡尔曼滤波的自适应模型预测控制器方案以应对系统参数变化。
引用
@article{arxiv.1911.01310,
title = {Tustin neural networks: a class of recurrent nets for adaptive MPC of mechanical systems},
author = {Simone Pozzoli and Marco Gallieri and Riccardo Scattolini},
journal= {arXiv preprint arXiv:1911.01310},
year = {2019}
}
备注
Under review