Auswirkungen der Regularisierung auf datengesteuerte prädiktive Regelung
Die Studie untersucht den Einfluss verschiedener Regularisierungsstrafen auf die Regelkreisleistung einer kürzlich eingeführten datengesteuerten Methode namens γ-DDPC. Es werden Richtlinien für die Abstimmung der zugehörigen Koeffizienten in verschiedenen Daten- und Rauschszenarien diskutiert.
Robuste, datengesteuerte Regelung für probabilistische Systeme
Eine datengesteuerte Regelungsmethode für Systeme mit aleatorischer Unsicherheit, die gemeinsame Trajektoriendaten nutzt, um die Robustheit des entworfenen Reglers zu erhöhen und so den Transfer auf neue Variationen ohne vorherige Parameterschätzung und Unsicherheitsbestimmung zu erleichtern.
Datengesteuerte prädiktive Regelung mit adaptiver Störungsunterdrückung für beschränkte Systeme
Der Ansatz kombiniert die Stärken von H∞-Regelung zur Störungsunterdrückung und modellprädiktiver Regelung zur Berücksichtigung von Beschränkungen. Er kann die H∞-Störungsunterdrückungsleistung dynamisch an den gemessenen Systemzustand und den prognostizierten Störpegel anpassen, um Beschränkungen einzuhalten.
Optimale datengesteuerte Vorhersage und prädiktive Regelung mit Signalmatrixmodellen
Dieser Artikel präsentiert eine parsimonische Formulierung von Willems' Lemma, die die Modellierung in einen Teil für die Anfangsbedingungsanpassung und einen Teil für die prädiktive Regelung aufteilt. Dies vermeidet die Notwendigkeit von Regularisierungen in dem prädiktiven Regelungsproblem, die in anderen datengesteuerten prädiktiven Regelungsverfahren gefunden werden. Außerdem wird ein geschlossener Ausdruck für den optimalen (minimalen Varianz) verzerrungsfreien Prädiktor des zukünftigen Ausgabesignals hergeleitet und für die prädiktive Regelung angewendet.
Automatisches Feinabstimmen des Referenzmodells für datengesteuerte Regler mit Meta-Lernen
Durch den Einsatz von Meta-Lernen und einer automatischen Feinabstimmung des Referenzmodells kann die Leistung datengesteuerter Regler verbessert und der Aufwand für den Anwender reduziert werden.
© 2024 by Linnk AI