Core Concepts
비선형 시스템의 데이터 기반 모델링과 모델 예측 제어를 통해 시스템 성능과 안정성을 향상시킬 수 있다.
Abstract
이 논문은 비선형 시스템의 데이터 기반 모델링과 모델 예측 제어 기법을 제안한다. 주요 내용은 다음과 같다:
비선형 시스템의 모델을 학습하기 위해 희소 변분 베이지안 학습 기법을 개발했다. 이 기법은 모델 구조의 불확실성, 노이즈 데이터, 시스템 매개변수 등을 확률적으로 모델링할 수 있다.
모델 예측 제어 설계 시 단말 제약 조건 없이도 입력-상태 안정성을 보장할 수 있는 방법을 제안했다. 이를 통해 제어기 설계와 구현의 복잡도를 낮출 수 있다.
PEMFC 온도 제어 시스템에 대한 시뮬레이션을 통해 제안 기법의 효과를 검증했다. 데이터 기반 모델링과 모델 예측 제어를 통해 비선형 시스템의 성능과 안정성을 향상시킬 수 있음을 보였다.
Stats
제안된 NSVB-MPC 기법은 PEMFC 온도 제어 시스템에서 우수한 제어 성능을 보였다.
모델 학습 과정에서 변분 베이지안 추론을 통해 모델 구조와 매개변수의 불확실성을 효과적으로 정량화할 수 있었다.
단말 제약 조건 없이도 입력-상태 안정성을 보장할 수 있어 제어기 설계와 구현이 간단해졌다.
Quotes
"변분 베이지안 추론을 통해 모델 구조와 매개변수의 불확실성을 효과적으로 정량화할 수 있었다."
"단말 제약 조건 없이도 입력-상태 안정성을 보장할 수 있어 제어기 설계와 구현이 간단해졌다."