储层预测路径积分:集成回声状态网络与不确定性感知模型预测路径积分的非线性动态系统数据驱动控制
《IEEE Open Journal of Control Systems》:Reservoir Predictive Path Integral Control for Unknown Nonlinear Dynamics
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Open Journal of Control Systems 2.1
编辑推荐:
摘要:神经网络在非线性动态系统的数据驱动控制中已得到广泛应用,然而对未知动态的快速在线辨识与控制仍是核心挑战。为应对这些挑战,本文集成了回声状态网络(ESNs)——一种基于循环神经网络实现的储层计算模型——与模型预测路径积分(MPPI)控制——一种基于采样的模型预测控制变体
摘要:
神经网络在非线性动态系统的数据驱动控制中已得到广泛应用,然而对未知动态的快速在线辨识与控制仍是核心挑战。为应对这些挑战,本文集成了回声状态网络(ESNs)——一种基于循环神经网络实现的储层计算模型——与模型预测路径积分(MPPI)控制——一种基于采样的模型预测控制变体。所提出的储层预测路径积分(RPPI)方法能够利用ESN快速学习非线性动态,并在MPPI控制计算中直接使用所学到的非线性特性,而无需线性化近似。该框架进一步扩展为具有不确定性感知能力的RPPI(URPPI),它将ESN的输出权重视为随机变量,并在其分布上最小化期望成本,以考虑所学ESN模型中的辨识误差。针对Duffing振荡器和四水箱系统的控制实验表明,与基于ESN的二次规划模型预测控制相比,URPPI提高了控制性能。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号