声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1240/TP
国际刊号：1000-8152
发布日期:
作者：任瑞,邹媛媛,李少远
单位：上海交通大学自动化系,上海交通大学自动化系,上海交通大学自动化系
关键词：模型预测控制; 主动学习; 高斯过程回归; 对偶控制; 信息增益
基金：科技创新2030“新一代人工智能”重大项目（2018AAA0101701）
本文提出了一种基于主动学习的增强模型预测控制方法. 该方案克服了大多数基于学习的方法的缺点, 即只能被动地利用可获得的系统数据并导致学习缓慢. 首先应用高斯过程来评估残差模型的不确定性并构建多步预测模型. 然后提出了一个两阶段主动学习策略, 通过在优化问题中引入信息增益作为对偶目标来激励系统探测. 最后, 基于鲁棒不变集定义了安全控制输入集保证了状态约束满足与系统安全性. 本文提出的方法在保证系统安全的情况下提高了学习能力和闭环控制性能, 实验说明了本文方案的优越性.
来源：2021年第11期
《控制理论与应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。