Die Arbeit präsentiert einen neuartigen symbiotischen Steuerungsrahmen, der die Stärken von Festwertregelung und adaptiven Lernarchitekturen nutzt, um die Auswirkungen von Unsicherheiten in dynamischen Systemen zu mindern.
Zunächst werden die Grundlagen der Festwertregelung und des adaptiven Lernens erläutert. Die Festwertregelung bietet ein vorhersagbareres Verhalten des Regelkreises, erfordert aber Kenntnisse über die Grenzen der Unsicherheiten. Adaptives Lernen benötigt diese Kenntnisse nicht, führt aber oft zu einem weniger vorhersagbaren Regelkreisverhalten.
Der vorgestellte symbiotische Steuerungsrahmen integriert diese Architekturen synergetisch, um die Auswirkungen von Unsicherheiten in einer vorhersagbareren Art und Weise als allein durch adaptives Lernen zu mindern, ohne dass Kenntnisse über diese Unsicherheiten erforderlich sind. Sowohl parametrische als auch nichtparametrische Unsicherheiten werden betrachtet, wobei neuronale Netze zur Approximation der unbekannten Unsicherheitsbasis für den letzteren Fall verwendet werden.
Entgegen der Intuition hat der vorgeschlagene Rahmen die Fähigkeit, ein gewünschtes Maß an Regelkreisverhalten zu erreichen, auch wenn die Anzahl der Neuronen unzureichend ist oder die adaptiven Lernparameter ungeeignet gewählt wurden.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Tansel Yucel... kl. arxiv.org 03-29-2024
https://arxiv.org/pdf/2403.19139.pdfDybere Forespørgsler