VABO：针对具有未建模约束的闭环控制性能优化的违约感知贝叶斯优化
机器学习
2021-10-15 v1 系统与控制
系统与控制
动力系统
最优化与控制
摘要
我们研究了具有未建模动态的闭环控制系统性能优化问题。贝叶斯优化（Bayesian optimization, BO）已被证明能通过以无模型方式自动调整控制器增益或参考设定值来有效提升闭环性能。然而，BO 方法很少在具有未建模约束的动态系统上进行测试。在本文中，我们提出了一种违约感知 BO 算法（VABO），该算法在优化闭环性能的同时学习约束可行的解。经典的约束 BO 方法允许无限制的约束违约，而安全的 BO 算法则较为保守并试图在近零违约下运行；与此不同，我们允许有预算的约束违约，以改善约束学习并加速优化。我们展示了所提出的 VABO 方法在工业蒸汽压缩系统能耗最小化中的有效性。
引用
@article{arxiv.2110.07479,
title = {VABO: Violation-Aware Bayesian Optimization for Closed-Loop Control Performance Optimization with Unmodeled Constraints},
author = {Wenjie Xu and Colin N Jones and Bratislav Svetozarevic and Christopher R. Laughman and Ankush Chakrabarty},
journal= {arXiv preprint arXiv:2110.07479},
year = {2021}
}