非線形予測制御器を効率的に暖かくスタートするための運動記憶の利用【JST・京大機械翻訳】

Mansard N.; DelPrete A.; Geisert M.; Tonneau S.; Stasse O.

文献

J-GLOBAL ID：201802229553853813 整理番号：18A1773070

非線形予測制御器を効率的に暖かくスタートするための運動記憶の利用【JST・京大機械翻訳】

Using a Memory of Motion to Efficiently Warm-Start a Nonlinear Predictive Controller

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A1773070&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A1773070&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (5件)： , , , ,
資料名：
巻： 2018 号： ICRA ページ： 2986-2993 発行年： 2018年
JST資料番号： W2441A 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

予測制御は複雑な動的システムを制御するための効率的なモデルベースの方法である。一般的に,それは大きな非線形最適化問題の各制御サイクルで分解能まで低下する。次に,収束をスピードアップするために,非線形ソルバを初期化するために,重要な問題を,良好な推測を提供した。これは,環境における擾乱または変化が,初期の推測として以前の制御サイクルで計算された軌道の使用を妨げるとき,特に重要である。本論文では,この初期推測を自動的に構築するためのオリジナルで非常に効率的な解を導入した。著者らは,予測制御装置を初期化するためにオンラインで使用できる最適軌道の近似を構築するために,オフライン計算に依存することを提案した。そのために,サンプリングに基づく計画の使用,一般的表現(ニューラルネットワークのような)との政策学習,および直接最適制御を組み合わせた。著者らは最初に,動的確率論的ロードマップ(PRM)と近似値関数と制御方針を同時に構築するアルゴリズムを提案した。このアルゴリズムは,最適状態制御軌道(最適PRMと共に)の近似に向かって急速に収束する。次に,最適軌道を保存するための2つの方法を提案し,それらを用いて予測制御装置を初期化した。著者らは,状態制御軌道を直接保存することにより,(大域的)最適解に向けて(2から5回の反復)を迅速に収束させる予測制御器を導くことを実験的に示した。結果を無人航空機(UAV)と他の動的システムによるシミュレーションで検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般

, ,

前のページに戻る