Kernkonzepte
データ駆動型予測制御における正則化の重要性と効果を検討する。
Zusammenfassung
MPCは数学モデルが必要だが、DDPCはデータから直接最適化。
正則化は過学習を防ぎ、パフォーマンス向上に寄与。
γ-DDPCの2種類の正則化オプションとその調整方法を提案。
ベンチマーク線形システムと非線形問題で実験的評価を行う。
Statistiken
ベンチマークLTIシステムでは、Ndataが250または1000で白色ノイズまたはローパスフィルタリングされた入力信号を使用。
ウィールスリップ制御問題では、出力に40dBのSN比の白色ノイズが追加されたΣNLから100回のモンテカルロ実験を実施。
Zitate
"When the input is white, regularizing γ2 and penalizing control energy are equivalent."
"Regularized DDPC approaches can be competitive w.r.t. traditional model-based controllers."