Стохастическое MPC на основе оператора Купмана и полиномиального хаоса

США и Запад · 20 окт.

Предложен подход к стохастическому модельно-предиктивному управлению нелинейными системами с параметрической неопределённостью и изменяющимися во времени возмущениями. Оператор Купмана параметризуется разложениями по полиномиальному хаосу, что позволяет объединить обученную по данным динамику с распространением неопределённости. Полученная детерминированная переформулировка сохраняет размерность онлайн-оптимизации, зависящую только от горизонта управления и размерности входов.

Почему это важно

Показывает, как совместить обученные по данным модели динамики с корректным учётом неопределённости в задачах управления сложными системами.

Созвучно продуктам ЦД

ЦД.Прогноз

Заголовок оригинала: A Koopman--Polynomial Chaos Framework for SMPC of Nonlinear Stochastic Processes

Читать первоисточник: arXiv — Systems and Control (eess.SY)

Перевод и краткое изложение — машинные, по материалам источника. Полный текст статьи не републикуется; права на него принадлежат источнику.

Рядом по теме

МоделированиеСША и Запад2 дн

Стохастический MPC с робастностью к ошибкам в статистике возмущений

Описан стохастический MPC с косвенной обратной связью для линейных систем с аддитивными возмущениями, где неопределённость среднего и ковариации задаётся множеством Гельбриха. Неопределённость моментов распространяется вдоль динамики ошибки, а ужесточение ограничений вычисляется офлайн в замкнутой форме. Онлайн-задача остаётся квадратичной программой с одним аддитивным запасом робастности.

ЦД.ПрогнозarXiv — Systems and Control (eess.SY) ↗

Моделирование2 дн

Роман Венедиктов («Эмерджентные мультиагентные системы»): «Сегодня сам факт использования ИИ стал обычной частью корпоративной ИТ-среды»

Совместное предприятие Selectel и ИТМО «Эмерджентные мультиангентные системы» занимается технологиями для создания и эксплуатации мультиагентных систем: не столько созданием ещё одного отдельного ИИ-ассистента, сколько тем, как сделать эксплуатацию большого количества агентов управляемой, надежной…

ЦДПspbIT ↗

ПрогнозированиеСША и Запад2 дн

Адаптивная кластеризация в робастном распределённом MPC для связанных агентов

Предложена схема динамической кластеризации для tube-based MPC систем связанных агентов: агенты внутри кластера явно координируются, а внешние связи учитываются как ограниченные возмущения. Онлайн-выбор топологии от централизованной до полностью децентрализованной опирается на меру рассогласования по верхней и нижней оценке стоимости и штраф за коммуникации. Доказано сохранение рекурсивной допустимости, выполнение ограничений и практическая асимптотическая устойчивость.

ЦД.ПрогнозarXiv — Systems and Control (eess.SY) ↗