文献

J-GLOBAL ID：202102275609753438   整理番号：21A1957278

モデル予測制御のための構造化Hammerstein-Wienerモデル学習【JST・京大機械翻訳】

Structured Hammerstein-Wiener Model Learning for Model Predictive Control

著者 (4件)： Moriyasu Ryuta (Mechanical Engineering Department, Toyota Central R&D Labs, Aichi, Japan) ,  Ikeda Taro (Quantum Devices Research-Domain, Toyota Central R&D Labs, Aichi, Japan) ,  Kawaguchi Sho (Department of Control engineering, Toyota Industries Corporation, Aichi, Japan) ,  Kashima Kenji (Graduate School of Informatics, Kyoto University, Kyoto, Japan)
資料名： IEEE Control Systems Letters  (IEEE Control Systems Letters)
巻： 6  ページ： 397-402  発行年： 2022年 
JST資料番号： W3481A  ISSN： 2475-1456  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本レターは,機械学習法によって構築したモデルを用いて最適制御の信頼性を改善することを目的とする。そのようなモデルに基づく最適制御問題は,一般的に非凸であり,オンラインで解決するのが難しい。本論文では,機械学習の分野で最近提案された入力凸ニューラルネットワークとHammerstein-Wienerモデルを組み合わせたモデルを提案した。提案したモデルの重要な特徴は,得られた最適制御問題が,柔軟なモデリング能力を保持しながら,凸性と部分線形性を利用して効果的に解決できることである。この方法の実用的有用性を,エンジン空気経路システムのモデリングと制御への応用を通して調べた。Copyright 2021 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】

シソーラス用語： 最適制御 ,  信頼性 ,  ニューラルネットワーク ,  線形性 ,  凸形 ,  *機械学習
準シソーラス用語： モデル予測制御 ,  オンライン ,  *モデル学習 , 【Automatic Indexing@JST】

分類 (1件)： システム同定  (IA02040O)

タイトルに関連する用語 (4件)： モデル予測制御 ,  構造化 ,  Wienerモデル ,  学習