基于动作条件的 Chronos-2 混合模型用于样本高效的 MPC 动力学建模:工业 SO? 验证
《Electronics》:Action-Conditioned Chronos-2 Hybrid for Sample-Efficient MPC Dynamics Modeling: Industrial SO2 Validation
【字体:
大
中
小
】
时间:2026年08月29日
来源:Electronics 2.9
摘要
时间序列基础模型旨在继续观察到的轨迹,而模型预测控制(MPC)必须在候选未来动作下比较反事实滚动推演。如果预测器对这些动作的预测是不变的,无论预测误差如何,它都无法根据预测的被控对象响应来对控制进行排序。我们形式化了这种从预测到控制的差距,并将预训练的 Chronos-2 转换为动作条件动态模型。Chronos-2 Hybrid 结合了低秩目标域适配、分离的过程历史和未来决策路径以及门控残差融合。在所有十个四旋翼实验设置中,去除未来决策条件降低了动作响应保真度。在两个 660 兆瓦火电机组之间的双向迁移中,二氧化硫轨迹均方根误差(RMSE)学习曲线下的单元平衡面积比输入匹配的从头训练模型低 14.95%;在 6 小时和 24 小时的目标标签下,RMSE 分别低了 29.0% 和 18.5%。一项单独的基准仿真模型 1 研究表明,在长过程记忆下也显示出相同的低预算模式。在八个结果独立匹配的脱硫系统事件中,策略辅助运行期间的归一化排放 - 努力绩效指数降低了 29.8% 至 69.6%。这些结果确定了在 MPC 中使用预训练预测器所需的动作条件接口,并说明了为什么仅凭预测误差不足以评估控制适用性。
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