面向含未建模约束控制器性能优化的违例感知上下文贝叶斯优化
机器学习
2023-01-31 v1 最优化与控制
摘要
我们研究具有未建模动力学的闭环控制系统性能优化问题。贝叶斯优化（BO）已被证明能通过以无模型方式自动调节控制器增益或参考设定点来提升闭环性能。然而，BO 方法很少在具有未建模约束和时变环境条件的动力学系统上被测试。本文提出一种违例感知上下文 BO 算法（VACBO），在时变环境条件下优化闭环性能的同时学习约束可行解。与允许无限次约束违例的经典约束 BO 方法，或保守地试图以近零违例运行的“安全”BO 算法不同，我们允许预算内的约束违例以改进约束学习并加速优化。我们展示了所提 VACBO 方法在时变环境温湿度下工业蒸气压缩系统能耗最小化中的有效性。
引用
@article{arxiv.2301.12099,
title = {Violation-Aware Contextual Bayesian Optimization for Controller 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:2301.12099},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2110.07479