.png){kind=icon}
返回
Open/Closed-Loop Active Learning for Data-Driven Predictive Control
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3638942.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据驱动控制中的一个重要问题是如何获取信息丰富的数据集。本文考虑了针对具有有界扰动的未知线性系统，在开环和闭环阶段进行有效数据采集的问题。学习目标是最小化可行系统的集合的体积。首先，引入一个基于历史数据和输入序列的性能度量，以表征可行系统集合体积的上界。在此基础上，提出了一个开环主动学习策略，通过在开环阶段主动设计输入来最小化体积。对于闭环阶段，设计了一种闭环主动学习策略，用于选择并从信息丰富的闭环数据中进行学习。通过证明未选择的数据无法提升学习性能，验证了所提出的闭环主动学习策略的效率。此外，根据所提出的数据采集方法设计了一个自适应预测控制器。通过分析闭环主动学习策略的影响，证明了控制器的递归可行性和稳定性。最后，数值示例和比较验证了所提出的数据采集策略的有效性。
Keyword:
Active learning
data-driven predictive control
event-triggered learning
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
.png){kind=icon}
分享收藏Robust data-driven predictive control of unknown nonlinear systems using reachability analysis基于可达性分析的未知非线性系统鲁棒数据驱动预测控制
PREAI
分享收藏分享收藏
查看更多内容