.png){kind=icon}
返回
Deep Model Predictive Control With Stability Guarantees
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3550072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于深度学习的模型预测控制（MPC）算法，用于控制仿射非线性离散时间系统，该系统具有结构未知的匹配且有界的状态相关不确定性。由于不确定性的结构未知，采用深度神经网络来近似它们。为了在学习阶段避免任何不期望的行为，采用了一种基于管型的非线性模型预测控制器，这确保了约束的满足和闭环状态的可控状态稳定性。此外，所提出的方法在特定条件下保证状态收敛到原点。为了使算法能够在线实现，采用了一种双时间尺度自适应机制，其中神经网络的输出层权重在每个时间点使用权重更新律进行更新，而内部层则以自监督方式反复训练，使用自适应动作作为训练标签。我们的结果通过数值实验进行验证，表明所提出的深度MPC架构在控制安全关键系统时有效学习，且未出现不稳定的缺点。
Keyword:
Adaptive control
deep learning
model predictive control (MPC)
safety critical systems
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
.png){kind=icon}
Near-Optimal Rapid MPC Using Neural Networks: A Primal-Dual Policy Learning Framework使用神经网络的近似最优快速MPC: 原始对偶策略学习框架
OAAI
OAAI分享收藏A Robust Observation, Planning, and Control Pipeline for Autonomous Rendezvous with Tumbling Targets
OAAI
OAAI分享收藏分享收藏Guaranteeing Safety for Neural Network-Based Aircraft Collision Avoidance Systems基于神经网络的飞机防撞系统的安全性保障OAAI
OAAI分享收藏
查看更多内容