Core Concepts
데이터 기반 안전 필터의 보수성을 줄이기 위해 집합 확장 기반의 온라인 및 오프라인 방법을 제안한다. 이를 통해 매우 짧은 예측 수평선에서도 안전성을 보장하는 비보수적인 솔루션을 제공한다.
Abstract
이 논문은 데이터 기반 안전 필터(DDSF)의 보수성을 줄이기 위한 방법을 제안한다. DDSF는 Willems의 정리를 기반으로 하는 순수 데이터 기반 안전 필터로, 시스템 모델을 필요로 하지 않는다.
제안된 방법은 온라인 및 오프라인 샘플 기반 접근법을 통해 DDSF의 안전 집합을 확장하여 보수성을 감소시킨다. 이 방법은 입출력 프레임워크에 정의되어 있어 단일 데이터 세트만으로도 알 수 없는 LTI 시스템과 시간 지연 시스템을 체계적으로 다룰 수 있다.
성능 평가를 위해 다양한 설정에서 시간 지연 시스템에 제안된 방법을 적용했다. 시뮬레이션 결과는 집합 확장 알고리즘이 매우 짧은 예측 수평선에서도 안전성을 보장하는 큰 입출력 안전 집합을 생성할 수 있음을 입증한다.
Stats
시간 지연 시스템의 상태 방정식: x(t+1) = Ax(t) + Bu(t-τd), y(t) = Cx(t) + Du(t-τd)
입력 제약: u(t) ∈ U = {u ∈ Rm | Au u < bu, Au ∈ Rnu×m, bu ∈ Rnu}
출력 제약: y(t) ∈ Y = {y ∈ Rp | Ay y < by, Ay ∈ Rnp×p, by ∈ Rnp}