Core Concepts
모델 불확실성이 있는 시스템에 대해 분포적 강건 Lyapunov 안정성 조건을 만족하는 신경망 기반 제어기와 Lyapunov 인증을 학습하는 방법을 제안한다.
Abstract
이 논문은 모델 불확실성이 있는 연속 시간 시스템에 대해 분포적 강건 Lyapunov 안정성을 보장하는 신경망 기반 제어기와 Lyapunov 인증을 학습하는 방법을 제안한다.
주요 내용은 다음과 같다:
모델 불확실성이 있는 시스템에 대해 분포적 강건 Lyapunov 안정성 조건을 정의하고, 이를 만족하는 충분조건을 제시한다.
제안된 충분조건을 손실 함수에 통합하여 신경망 기반 제어기와 Lyapunov 인증을 학습하는 방법을 제안한다.
학습된 제어기와 Lyapunov 인증이 폐루프 시스템의 확률적 점근 안정성을 보장함을 이론적으로 증명한다.
시뮬레이션 실험을 통해 제안 방법의 효과와 효율성을 검증한다.
Stats
모델 불확실성의 Lipschitz 상수 LW는 제어기의 Lipschitz 상수 Lπ와 1의 합에 비례한다.
Lyapunov 함수 gradient의 Lipschitz 상수 L∇V와 시스템 동역학의 Lipschitz 상수 Lf, 제어기의 Lipschitz 상수 Lπ에 의해 제한된다.
Quotes
"모델 불확실성이 있는 시스템에 대해 안정성을 보장하는 제어기와 인증을 합성하는 것은 중요한 과제이다."
"본 연구에서는 분포적 강건 최적화 기법을 활용하여 모델 불확실성에 강건한 Lyapunov 안정성 제어기와 인증을 학습하는 방법을 제안한다."