概要

本論文は、非線形制御システムにおいてニューラルネットワークベースの制御器をオンラインで更新しながら、閉ループの安定性を保証する新しい手法を提案しています。現代の複雑な制御タスクでは目的や外乱がリアルタイムで変化するため、動的に制御器を適応させる必要があります。本研究は、時変的な制御ポリシーの切り替え時の不安定化問題を解決する原理的なアプローチを開発しました。

ポイント

  • 安定性保証メカニズム: 有界なℓp-ゲインを持つ因果作用素として制御器をモデル化し、オンライン更新時の安定性条件を数学的に導出

  • 二つの実用的な更新スキーム: 時間スケジュール型と状態トリガ型の2つの更新方式を提案し、両者とも閉ループのℓp-安定性を保証

  • ポリシー切り替え問題の解決: 異なる安定化ポリシー間の切り替えが不安定性を招く問題に対し、ゲイン条件に基づく原理的な解決策を提示

  • 非線形ニューラルネットワーク制御器対応: リカレントニューラルネットワークを含む非線形系に対応し、現実的な制御タスクへの適用を可能化

  • リアルタイム適応性: 目的や外乱の変化に対応しながら、閉ループの安定性を失わずに制御性能を改善

出典

Stability-Preserving Online Adaptation of Neural Closed-loop Maps

この記事はAIが海外情報を要約・翻訳したものです。元記事は出典リンクをご覧ください。